الذكاء الاصطناعي الدارويني — AI Hunger Games

المنافسة جزء جوهري من تطور البشرية. كان البشر يتنافسون منذ أقدم العصور من أجل:

• الغذاء والأراضي
• الرفقاء/الشركاء
• المكانة داخل القبيلة أو المجتمع
• التحالفات والتعاون

كان الصيادون يطاردون الفرائس، والمحاربون يقاتلون للبقاء، وزعماء القبائل يتنافسون على الأراضي. من امتلك صفات تساعده على البقاء، نجا وتكاثر ونقل جيناته عبر الأجيال.

هذه العملية تُعرف بالانتقاء الطبيعي.

استمر الانتقاء الطبيعي عبر العصور، من التنافس للبقاء ➙ إلى التنافس كعرض وترفيه (المصارعة، الأولمبياد، الرياضة والرياضات الإلكترونية) ➙ إلى التنافس كمسرّع للتطور (التكنولوجيا، الإعلام، السينما، السياسة، وغيرها).

كان الانتقاء الطبيعي ركيزة أساسية في تطور الإنسان، لكن كيف ينطبق ذلك على تطور الذكاء الاصطناعي؟

قصة الذكاء الاصطناعي ليست عن اختراع واحد، بل عن بطولات وتجارب لا حصر لها اختارت في النهاية النماذج التي استمرت وتلك التي اندثرت.

في هذا المقال، سنستعرض هذه البطولات غير المرئية (في Web2 وWeb3) ونحلل تطور الذكاء الاصطناعي من منظور التنافس.

شهد الذكاء الاصطناعي طفرة هائلة بين 2023 و2025 بفضل ظهور ChatGPT، روبوت الدردشة القادر على الإجابة على كل استفساراتك.

لكن قبل ChatGPT، قدمت OpenAI نموذجها في لعبة Dota 2 (OpenAI Five)، حيث تطور بسرعة هائلة من خلال خوض عشرات الآلاف من المباريات ضد لاعبين عاديين ومحترفين وضد نفسه، ليزداد قوة في كل مرة.

وفي النهاية، ظهر ذكاء معقد تمكن من هزيمة أبطال العالم في Dota 2 عام 2019 بشكل ساحق.

ومن الأمثلة البارزة الأخرى AlphaGo في 2016، الذي هزم بطل العالم في لعبة Go لي سيدول. المثير هنا ليس فقط الانتصار، بل طريقة التعلم.

لم يقتصر تدريب AlphaGo على بيانات البشر. وكما فعل OpenAI Five، تطور عبر اللعب الذاتي — عملية دورية حيث:

• يتنافس كل جيل من النموذج مع الإصدارات السابقة منه
• تنجو النماذج الأقوى وتتطور
• تختفي الاستراتيجيات الضعيفة

أي أن الذكاء الاصطناعي الدارويني يُكثف في ساعات من الحوسبة بدلًا من ملايين السنين من التطور.

هذه الحلقة التنافسية الذاتية أفرزت شيئًا غير مسبوق.

ونرى اليوم نماذج مشابهة تتجسد في حالات استخدام مالية.

الذكاء الاصطناعي الدارويني في الكريبتو

أطلق @ the_nof1 مؤخرًا Alpha Arena، وهي منافسة يتواجه فيها 6 نماذج ذكاء اصطناعي (Claude، DeepSeek، Gemini، GPT، Qwen، Grok) في تحدي Crypto Perps، حيث يدير كل نموذج 10,000 دولار. الفائز هو من يحقق أعلى صافي أرباح.

Alpha Arena مباشرة الآن — 6 نماذج ذكاء اصطناعي تتداول كل منها 10,000 دولار بشكل مستقل بالكامل. أموال حقيقية. أسواق حقيقية. معيار حقيقي. على من تراهن؟ رابط المشاركة أدناه.

انتشرت المنافسة بسرعة، ليس بسبب الفكرة نفسها، بل بسبب شفافيتها. عادةً ما تبقى خوارزميات Alpha سرية، لكننا نشاهدها هنا مباشرة ونرى أي ذكاء اصطناعي هو الأفضل في تحقيق الأرباح.

واجهة المستخدم/تجربة المستخدم تعرض الأداء في الوقت الفعلي بشكل أنيق واحترافي. الفريق يستغل الزخم والرؤى لبناء نماذج وأدوات تداول Nof1. التسجيل متاح حاليًا للراغبين بالتجربة.

ما تفعله Nof1 ليس جديدًا — لطالما وُجدت منافسات مالية خاصة في منظومة Bittensor وسوق الكريبتو الأوسع، لكن لم يستطع أحد عرضها للعامة كما تفعل Nof1.

بعض أبرز المنافسات المثيرة

Synth

في SN50 @ SynthdataCo، يتنافس مهندسو تعلم الآلة لنشر نماذج تتنبأ بسعر وتقلب أصول الكريبتو مقابل حوافز رمزية SN50 Synth alpha. يستخدم الفريق التنبؤات عالية الجودة لإنشاء بيانات أسعار اصطناعية دقيقة (ومسارات الأسعار).

تم دفع 2 مليون دولار بالفعل كمكافآت لأفضل علماء البيانات والكوانت منذ بداية هذا العام.

يستخدم الفريق هذه الإشارات للتداول في أسواق الكريبتو على Polymarket، وحقق حتى الآن عائد استثمار 184% برأس مال ابتدائي 3,000 دولار. التحدي القادم هو التوسع مع الحفاظ على الأداء الحالي.

Sportstensor

SN41 @ sportstensor شبكة فرعية تهدف للتغلب على احتمالات السوق واكتشاف "الحواف" في سوق المراهنات الرياضية العالمية. يتنافس مهندسو تعلم الآلة باستمرار لنشر نماذج تتنبأ بنتائج البطولات الكبرى مثل MLB، MLS، EPL، وNBA. النموذج الأكثر ربحية يفوز بحوافز رمزية SN41 Sportstensor alpha.

متوسط الدقة يقارب 55% بينما يحقق أفضل المعدنين دقة 69% مع عائد استثمار إضافي 59%.

تتعاون Sportstensor مع Polymarket لتوفير السيولة، مما يزيد من حجم التنبؤات الرياضية على Polymarket.

يبني الفريق Almanac — منصة منافسة للتنبؤات الرياضية للمستخدمين العاديين، حيث يمكنهم الوصول إلى إشارات معدني Sportstensor والتحليلات المتقدمة للتنبؤ والمنافسة مع لاعبين آخرين. أفضل المتنبئين يفوزون بما يصل إلى 100,000 دولار أسبوعيًا. (موعد الإطلاق لم يحدد بعد، تابع حسابهم على X للمشاركة)

AION

@ aion5100 فريق متخصص في التنبؤ بالأحداث والنتائج يطلق @ futuredotfun War of Markets.

من المقرر إطلاقها في الربع الرابع، وتستهدف War of Markets أن تكون "كأس العالم لأسواق التنبؤ" حيث يتنافس البشر والذكاء الاصطناعي في معارك التنبؤ عبر Polymarket وKalshi.

يهدف الحدث ليكون مرجع الحقيقة النهائي عبر حكمة الجماهير، مع التركيز على الحصة الذهنية وحجم التداول والمجد، وليس فقط الدقة التقليدية. الفائز هو الأفضل في هذه المعايير.

يربط الفريق تحليلاته المتقدمة لأسواق التنبؤ، والتداول بالنسخ، والتداول الاجتماعي مع المنافسة، مما يمنح المتداولين ميزة تنافسية.

Fraction AI

@ FractionAI_xyz يدير منافسات متنوعة — يمكن للبشر إعداد وكلاء في ألعاب مثل Bid Tic Tac Toe، Footbrawl، BTC Tradewars، تداول Polymarket، و"ALFA" حيث تتنافس نماذج الذكاء الاصطناعي في التداول الافتراضي (مشابه لـ Alpha Arena لكن بأموال افتراضية).

مع ALFA، يمكن للمستخدمين شراء أسهم نعم/لا للوكلاء والمراهنة على أي وكيل سيحقق أعلى صافي أرباح يوميًا. كما في Alpha Arena، يمكنك متابعة الاستراتيجيات والأصول التي يستخدمها كل وكيل.

سيتم استخدام هذه البيانات لتحسين أداء الوكلاء حتى يتمكن المستخدمون من استثمار أموالهم الحقيقية وترك الوكلاء يتداولون نيابة عنهم.

يهدف الفريق لتطوير حالات استخدام للوكلاء في جميع المجالات المالية المثيرة مثل التداول، DeFi، وأسواق التنبؤ.

Allora

@ AlloraNetwork منصة شبيهة بـ Bittensor ولكن لحالات الاستخدام المالي. يتم تحديد "الموضوعات" أو المهام الصغيرة مثل التنبؤ بسعر أصول الكريبتو، ويتنافس مهندسو تعلم الآلة لبناء أفضل النماذج.

تركز نماذج التنبؤ على العملات الرئيسية، ويحصل أفضل مهندسي تعلم الآلة (forgers أو miners) على مكافآت Allora Hammer التي ستتحول إلى حوافز رمزية $ALLO بعد إطلاق الشبكة الرئيسية قريبًا.

يمتلك الفريق مجموعة واسعة من استراتيجيات DeFi الديناميكية، حيث تُستخدم نماذج Allora لجعل الاستراتيجيات أكثر ديناميكية — تقليل المخاطر وزيادة العوائد.

مثال: استراتيجية تكرار ETH/LST حيث يُخصص جزء من الأموال للفرص القصيرة (إذا أشارت النماذج إلى حركة سعرية كبيرة، يتم تحويل LST إلى USDC وفتح مركز بيع للاستفادة من التوقع).

[من المميزات الفريدة لـ Allora أنها ستستخدم إيرادات حقيقية لدعم الحوافز، فبدلًا من دفع 100,000 دولار بحوافز رمزية $ALLO، قد يدفعون 50,000 دولار $ALLO و50,000 دولار من إيرادات العملاء، ما يقلل ضغط البيع من المعدنين]

منافسات تداول أخرى مثيرة للاهتمام (رغم أنني لا أعرف تفاصيلها، إلا أن حوافزها مجزية):

• SN8 PTN من @ taoshiio منافسة لجمع إشارات تداول عالية الجودة من نماذج الذكاء الاصطناعي والكوانت حول العالم لتفوق صناديق التحوط التقليدية، مع التركيز على الربحية المعدلة للمخاطر.
• @ numerai صندوق تحوط مدفوع بالذكاء الاصطناعي حصل مؤخرًا على 500 مليون دولار من JP Morgan. تعتمد الاستراتيجية على منافسات نماذج تعلم الآلة مع التركيز على الأصالة والدقة المعدلة للمخاطر. يجب رهن $NMR للمشاركة، وتُخفض مكافآت النماذج الضعيفة (20-100%) بينما تكافأ النماذج الأفضل بـ 2-5 أضعاف مكافآت $NMR. تم دفع أكثر من 40 مليون دولار من مكافآت NMR للمشاركين.

منافسات أخرى مثيرة لا تتعلق بالمجال المالي:

• SN62 @ ridges_ai سوق للوكلاء البرمجيين اللامركزيين الذين يهدفون لاستبدال المبرمجين البشريين في مهام البرمجة من كتابة الشيفرة إلى إصلاح الأخطاء وإدارة المشاريع. يتنافس وكلاء الذكاء الاصطناعي في تحديات برمجية واقعية، وتفوز الحلول عالية الجودة بـ 20,000 إلى 50,000 دولار شهريًا.
• @ flock_io منافسة لإنشاء أفضل نماذج الذكاء الاصطناعي الأساسية والتعاون لتحسين النماذج المتخصصة عبر التعلم الاتحادي. يحصل المدربون (المعدنون) ذوو الأداء العالي على مكافآت تتجاوز 500,000 إلى مليون دولار سنويًا. يسمح التعلم الاتحادي للمؤسسات بالحفاظ على بياناتها محلية وخاصة مع الاستفادة من الذكاء الاصطناعي.

ماذا يعني كل ذلك؟

تقدم الذكاء الاصطناعي اليوم يعتمد على المنافسة المفتوحة.

كل نموذج جديد يواجه بيئة مليئة بالتحديات — نقص البيانات، موارد حوسبة محدودة، وحوافز قليلة.

هذه التحديات تصفي النماذج وتحدد من ينجو.

مكافآت الرموز تعمل كطاقة، والنماذج التي تستخدمها بكفاءة تزداد تأثيرًا، بينما تتلاشى النماذج الأخرى.

سنشهد منظومة من الوكلاء تتطور عبر التغذية الراجعة بدلاً من التعليمات، أي وكلاء مستقلون بدلاً من الذكاء الاصطناعي التوليدي التقليدي.

ما القادم؟

هذه الموجة من المنافسة المفتوحة ستدفع نحو تحول من الذكاء الاصطناعي المركزي إلى الذكاء الاصطناعي مفتوح المصدر واللامركزي.

النماذج والوكلاء الأقوى ستنطلق من بيئات لامركزية.

قريبًا، ستدير نماذج الذكاء الاصطناعي دورات تحسينها الذاتي، حيث تقوم بعض النماذج بتحسين وتقييم وتطوير نماذج أخرى تلقائيًا. هذا سيقلل من تدخل البشر ويزيد من سرعة التطوير.

مع انتشار ذلك، سيتحول دور الإنسان من تصميم الذكاء الاصطناعي إلى اختيار النماذج التي تستمر، وتحديد السلوكيات والقواعد التي تحقق قيمة إيجابية للمجتمع.

أمر أخير

المنافسة غالبًا ما تولّد الابتكار، لكنها أيضًا قد تشجع التحايل والاستغلال.

الأنظمة التي لا تصمم لتحفيز السلوك طويل الأمد ستفشل، مثل المعدنين الذين يستغلون الثغرات لجني الحوافز دون مساهمة حقيقية.

تتطلب الأنظمة المفتوحة حوكمة فعالة وتصميم حوافز يشجع السلوك الجيد ويعاقب السيئ.

من ينجح في ذلك أولًا سيحصد القيمة، والانتباه، وذكاء موجة الابتكار القادمة.

ملاحظة شخصية: شكرًا لقراءتك! هذه نسخة مختصرة من المقال (للاطلاع على أفكاري الكاملة، راجع نسخة Substack).

ولمعرفة المشاريع القادمة في DeAI التي أتحمس لها، تابع سلسلة The After Hour على Substack الخاص بي.

تنويه: هذا المستند لأغراض إعلامية وترفيهية فقط. الآراء الواردة هنا لا تشكل نصيحة أو توصية استثمارية. يجب على القارئ القيام بالتحقق اللازم بما يتناسب مع وضعه المالي وأهدافه الاستثمارية وتحمله للمخاطر (وهي غير مغطاة هنا) قبل اتخاذ أي قرار استثماري. هذا المستند ليس عرضًا ولا دعوة لشراء أو بيع أي من الأصول المذكورة.

تنويه:

1. تم إعادة نشر هذا المقال من [Defi0xJeff]. جميع حقوق النشر محفوظة للمؤلف الأصلي []. إذا كان لديك أي اعتراض على إعادة النشر، يرجى التواصل مع فريق Gate Learn وسيتم معالجة الأمر فورًا.
2. إخلاء المسؤولية: الآراء الواردة في هذا المقال تعبر عن رأي الكاتب فقط ولا تشكل نصيحة استثمارية.
3. ترجمات المقال إلى لغات أخرى من إعداد فريق Gate Learn. ما لم يُذكر خلاف ذلك، يُحظر نسخ أو توزيع أو اقتباس المقالات المترجمة.