Darwinian AI — Cuộc chiến sinh tồn của AI

Cạnh tranh là động lực cốt lõi trong quá trình tiến hóa của nhân loại. Con người đã cạnh tranh từ thuở sơ khai, với mục tiêu:

• Tìm kiếm thức ăn và kiểm soát lãnh thổ
• Chọn bạn đời/đối tác
• Khẳng định vị thế trong bộ tộc hoặc xã hội
• Xây dựng liên minh và hợp tác

Thợ săn săn mồi, chiến binh chiến đấu để sinh tồn, thủ lĩnh bộ tộc tranh giành lãnh thổ. Những đặc điểm hữu ích giúp con người thích nghi và tồn tại đã được truyền lại qua các thế hệ.

Đây chính là quá trình chọn lọc tự nhiên.

Chọn lọc tự nhiên tiếp diễn không ngừng: từ cạnh tranh để sinh tồn ➙ cạnh tranh như một hình thức trình diễn/giải trí (đấu sĩ, Olympic, thể thao & esports) ➙ cạnh tranh như chất xúc tác thúc đẩy tiến hóa (công nghệ, truyền thông, điện ảnh, chính trị, v.v.)

Chọn lọc tự nhiên là nền tảng của tiến hóa loài người, vậy còn tiến hóa của AI thì sao?

Lịch sử AI không phải là câu chuyện của một phát minh duy nhất, mà là chuỗi vô tận các cuộc thi và thử nghiệm âm thầm, nơi các mô hình được chọn lọc để tồn tại hoặc bị lãng quên.

Bài viết này sẽ phân tích những “giải đấu” vô hình đó (trên cả Web2 và Web3), qua đó khám phá sự tiến hóa của AI dưới góc nhìn cạnh tranh.

AI đã bùng nổ trong giai đoạn 2023-2025 nhờ sự ra đời của ChatGPT – chatbot AI có thể trả lời mọi câu hỏi của bạn.

Trước khi có ChatGPT, OpenAI đã gây tiếng vang trong cộng đồng Dota 2 với OpenAI Five, thể hiện tốc độ tiến hóa vượt trội khi liên tục chơi hàng chục nghìn trận với người chơi thường, tuyển thủ chuyên nghiệp và tự đấu với chính mình, mỗi lần lại trở nên mạnh mẽ hơn.

Cuối cùng, trí tuệ phức tạp đã xuất hiện, giúp OpenAI Five đánh bại các nhà vô địch thế giới Dota 2 vào năm 2019.

Một ví dụ nổi bật khác là AlphaGo năm 2016, khi đánh bại nhà vô địch cờ vây thế giới Lee Sedol. Điều ấn tượng không chỉ là việc hạ gục nhà vô địch, mà còn là cách AlphaGo học hỏi.

AlphaGo không chỉ huấn luyện dựa trên dữ liệu của con người. Giống như OpenAI Five, nó tiến hóa nhờ tự chơi – một quá trình đệ quy nơi:

• Mỗi thế hệ mô hình cạnh tranh với các phiên bản trước đó
• Những biến thể mạnh nhất được giữ lại và phát triển
• Các chiến lược yếu bị loại bỏ

Nói cách khác, AI kiểu Darwin được “nén” lại trong vài giờ tính toán thay vì hàng triệu năm tiến hóa tự nhiên.

Chính vòng lặp cạnh tranh tự thân này đã tạo ra những điều chưa từng xuất hiện trước đây.

Hiện nay, chúng ta đang chứng kiến những mô hình tương tự trong các ứng dụng tài chính.

Darwinian AI trong lĩnh vực Crypto

Tuần trước, @ the_nof1 đã gây chú ý khi giới thiệu Alpha Arena – một cuộc thi nơi 6 mô hình AI (Claude, DeepSeek, Gemini, GPT, Qwen, Grok) đối đầu trong Crypto Perps deathmatch, mỗi mô hình quản lý 10.000 USD. Mô hình nào có PnL tốt nhất sẽ chiến thắng.

Alpha Arena đang TRỰC TIẾP: 6 mô hình AI, mỗi mô hình giao dịch 10.000 USD hoàn toàn tự động. Tiền thật. Thị trường thật. Chuẩn mực thực tế. Bạn đặt niềm tin vào mô hình nào? Xem liên kết bên dưới.

Cuộc thi nhanh chóng lan truyền, không chỉ nhờ hình thức tổ chức mà còn nhờ tính công khai. Alpha thường là bí mật, nhưng giờ đây chúng ta được chứng kiến trực tiếp mô hình AI nào thực sự giỏi kiếm tiền nhất.

Giao diện UI/UX thể hiện hiệu suất thời gian thực rất mượt mà và tối ưu. Đội ngũ tận dụng sức nóng cùng các insight để phát triển mô hình và công cụ giao dịch Nof1. Danh sách chờ đã mở cho những ai muốn trải nghiệm.

Nof1 không phải là người đầu tiên tổ chức các cuộc thi tài chính – các cuộc thi như vậy đã xuất hiện trong hệ sinh thái Bittensor và thị trường crypto rộng lớn – nhưng chưa ai công khai hóa và lan tỏa như Nof1.

Một số cuộc thi nổi bật nhất

Synth

Các kỹ sư ML của SN50 @ SynthdataCo cạnh tranh triển khai mô hình ML dự đoán giá và biến động tài sản crypto để nhận thưởng token alpha SN50 Synth. Đội ngũ sẽ sử dụng các dự đoán chất lượng cao để tạo dữ liệu giá tổng hợp có độ chính xác vượt trội.

2 triệu USD phần thưởng đã được trao cho các nhà khoa học dữ liệu và chuyên gia định lượng tham gia cuộc thi từ đầu năm nay.

Đội ngũ sử dụng các tín hiệu này để giao dịch trên Polymarket và đã đạt ROI 184% với vốn khởi điểm 3.000 USD. Thách thức tiếp theo là mở rộng quy mô mà vẫn giữ hiệu suất hiện tại.

Sportstensor

SN41 @ sportstensor là subnet được thiết kế để đánh bại tỷ lệ cược và tìm kiếm “lợi thế” trên thị trường cá cược thể thao toàn cầu. Đây là cuộc thi liên tục, nơi kỹ sư ML cạnh tranh triển khai mô hình dự báo kết quả cho các giải lớn như MLB, MLS, EPL, NBA. Mô hình tốt nhất (có lợi nhuận) nhận thưởng token alpha SN41 Sportstensor.

Độ chính xác trung bình đạt khoảng 55%, trong khi miner dẫn đầu đạt 69% accuracy và 59% ROI tăng thêm.

Sportstensor hợp tác với Polymarket làm lớp thanh khoản, thúc đẩy khối lượng dự đoán thể thao về Polymarket.

Đội ngũ đang phát triển Almanac – nền tảng thi dự đoán thể thao cho người dùng phổ thông, nơi bạn có thể truy cập tín hiệu miner Sportstensor và phân tích dự đoán nâng cao để cạnh tranh với người chơi khác. Người dự báo xuất sắc nhất có thể nhận tới 100.000 USD phần thưởng hàng tuần. (Thời gian ra mắt sẽ được thông báo, bạn có thể theo dõi X của họ để tham gia)

AION

@ aion5100 – nhóm agent dự đoán sự kiện/kết quả – chuẩn bị ra mắt @ futuredotfun War of Markets.

Dự kiến ra mắt quý IV, War of Markets được định vị là “World Cup của Prediction Markets”, nơi mọi người (con người, AI) đều có thể tham gia thi đấu dự đoán trên Polymarket & Kalshi.

Sự kiện hướng tới trở thành chuẩn tham chiếu sự thật tối thượng thông qua trí tuệ cộng đồng, nhấn mạnh mức độ nhận diện, khối lượng giao dịch và danh vọng thay vì chỉ số chính xác truyền thống – ai vượt trội trên các tiêu chí này sẽ chiến thắng.

Đội ngũ tích hợp các sản phẩm phân tích prediction market nâng cao, copy trading và social trading với cuộc thi, giúp trader tận dụng các công cụ này để có lợi thế trước đối thủ dự báo.

Fraction AI

@ FractionAI_xyz tổ chức nhiều cuộc thi đa dạng – người dùng có thể thiết lập agent trong các trò chơi như Bid Tic Tac Toe, Footbrawl, BTC Tradewars, giao dịch Polymarket và “ALFA” nơi AI đấu với nhau trong perps bằng tiền ảo (giống Alpha Arena nhưng sử dụng tiền ảo).

Với ALFA, người dùng có thể mua cổ phần Yes/No của agent, đặt cược agent nào sẽ có PnL cao nhất cuối ngày. Giống như Alpha Arena, bạn có thể xem chiến lược và tài sản mà mỗi agent triển khai.

Các insight và dữ liệu này sẽ được sử dụng để tinh chỉnh agent đến mức người dùng có thể triển khai vốn thực và để agent tự động giao dịch.

Đội ngũ định hướng phát triển các agent cho mọi lĩnh vực tài chính hấp dẫn như Trading, DeFi và Prediction Markets.

Allora

@ AlloraNetwork là nền tảng tương tự Bittensor nhưng tập trung cho các ứng dụng tài chính. Các “chủ đề” hoặc micro task như dự đoán giá tài sản crypto được thiết lập để kỹ sư ML cạnh tranh xây dựng mô hình tối ưu nhất.

Các mô hình dự đoán giá tập trung vào tài sản lớn, kỹ sư ML xuất sắc (forger hoặc miner) nhận thưởng Allora Hammer, sẽ quy đổi thành token $ALLO sau khi mainnet ra mắt.

Đội ngũ sở hữu pipeline sâu về các chiến lược DeFi động, nơi mô hình Allora giúp tối ưu hóa chiến lược – giảm rủi ro, tăng hiệu quả sinh lời.

Ví dụ: chiến lược ETH/LST looping, một phần quỹ được dành cho cơ hội short (nếu mô hình dự báo tín hiệu biến động giá vượt ngưỡng, chiến lược sẽ hoán đổi LST sang USDC và mở vị thế short nhằm tận dụng biến động giá dự báo).

[Điều đặc biệt ở Allora là họ sẽ dùng doanh thu thực tế để trợ giá emission, ví dụ thay vì trả 100.000 USD bằng token $ALLO, họ có thể trả 50.000 USD bằng $ALLO và 50.000 USD bằng doanh thu từ khách hàng, từ đó giảm áp lực bán của miner]

Các cuộc thi giao dịch khác cũng hấp dẫn (dù tôi chưa biết nhiều nhưng incentive rất tốt):

• SN8 PTN từ @ taoshiio – crowdsourcing tín hiệu giao dịch chất lượng cao từ các mô hình AI toàn cầu và chuyên gia định lượng để vượt trội so với quỹ phòng hộ truyền thống, tập trung vào lợi nhuận điều chỉnh rủi ro.
• @ numerai – quỹ phòng hộ AI-driven vừa nhận 500 triệu USD từ JP Morgan (phân bổ tới 500 triệu USD cho chiến lược Numerai). Chiến lược này vận hành nhờ các cuộc thi mô hình ML, đề cao tính sáng tạo dài hạn và độ chính xác điều chỉnh rủi ro. $NMR cần được stake để tham gia, mô hình yếu bị cắt giảm (20-100%), mô hình top nhận thưởng 2-5 lần bằng $NMR. Đã có hơn 40 triệu USD NMR thưởng được trả cho người tham gia.

Các cuộc thi nổi bật khác không liên quan đến tài chính:

• SN62 @ ridges_ai – marketplace dành cho agent phần mềm phi tập trung, hướng tới thay thế hoàn toàn lập trình viên con người trong các tác vụ từ sinh mã, sửa lỗi tới điều phối dự án. AI agent cạnh tranh trong các thử thách lập trình thực tế, ai giải quyết tốt nhận 20.000-50.000 USD incentive alpha subnet hàng tháng.
• @ flock_io – cuộc thi tạo mô hình AI nền tảng xuất sắc nhất, đồng thời hợp tác fine-tune mô hình chuyên biệt qua federated learning. Nhiều phần thưởng lớn cho trainer (miner) hiệu suất cao, có thể đạt 500.000-1 triệu USD/năm khi huấn luyện mô hình AI. Federated learning cho phép tổ chức giữ dữ liệu cục bộ và riêng tư mà vẫn tận dụng được AI.

Ý nghĩa của tất cả những điều này?

Tiến bộ AI hiện nay được thúc đẩy bởi cạnh tranh mở.

Mỗi mô hình mới bước vào môi trường đầy áp lực – thiếu dữ liệu, hạn chế tài nguyên tính toán, incentive giới hạn.

Chỉ những mô hình vượt qua được áp lực này mới tồn tại.

Phần thưởng token vừa là năng lượng, vừa là động lực: mô hình nào tận dụng hiệu quả sẽ phát triển mạnh, còn mô hình kém hiệu quả sẽ bị đào thải.

Kết quả là một hệ sinh thái agent tiến hóa nhờ phản hồi liên tục thay vì chỉ dẫn, tức là agent tự chủ thay vì chỉ là generative AI.

Xu hướng tiếp theo là gì?

Làn sóng cạnh tranh mở sẽ thúc đẩy chuyển dịch từ AI tập trung sang AI mã nguồn mở và phi tập trung.

Các mô hình và agent mạnh mẽ nhất sẽ xuất phát từ môi trường phi tập trung.

Chẳng bao lâu nữa, AI sẽ tự vận hành chu trình cải tiến: một số mô hình fine-tune mô hình khác, đánh giá lẫn nhau, tự cải tiến và tự động cập nhật. Vòng lặp này sẽ giảm dần vai trò con người, đồng thời tăng tốc độ đổi mới.

Khi xu hướng này lan rộng, vai trò của con người sẽ chuyển từ thiết kế AI sang lựa chọn mô hình nào tồn tại, hành vi nào nên giữ lại, quy tắc và giới hạn nào nên đặt ra để tối ưu lợi ích cho xã hội.

Một lưu ý cuối cùng

Cạnh tranh thường thúc đẩy đổi mới, nhưng cũng tạo điều kiện cho gian lận và khai thác lỗ hổng.

Những hệ thống không được thiết kế tốt để khuyến khích hành vi dài hạn sẽ thất bại – giống như miner tìm lỗ hổng để farm incentive thay vì thực sự đóng góp giá trị.

Hệ thống mở cần có governance và thiết kế incentive phù hợp để khuyến khích hành vi tích cực, đồng thời trừng phạt hành vi tiêu cực.

Ai giải quyết được bài toán này trước sẽ nắm giữ giá trị, sự chú ý và trí tuệ của làn sóng đổi mới tiếp theo.

Ghi chú cá nhân: Cảm ơn bạn đã đọc! Bài viết này là phiên bản rút gọn (nếu muốn đọc đầy đủ suy nghĩ của tôi, hãy xem bản Substack).

Nếu bạn muốn cập nhật các dự án DeAI sắp ra mắt mà tôi quan tâm, hãy theo dõi series The After Hour trên Substack của tôi.

Miễn trừ trách nhiệm: Tài liệu này chỉ nhằm mục đích cung cấp thông tin và giải trí. Quan điểm trong tài liệu không phải và không nên được hiểu là lời khuyên đầu tư hay khuyến nghị. Người nhận tài liệu này cần tự nghiên cứu, cân nhắc hoàn cảnh tài chính, mục tiêu đầu tư và khẩu vị rủi ro của mình (những yếu tố này không được xét đến trong tài liệu) trước khi đầu tư. Tài liệu này không phải là đề nghị, cũng không phải lời mời chào mua hoặc bán bất kỳ tài sản nào được đề cập.

Miễn trừ trách nhiệm:

1. Bài viết này được đăng lại từ [Defi0xJeff]. Mọi bản quyền thuộc về tác giả gốc []. Nếu có ý kiến về việc đăng lại, vui lòng liên hệ đội ngũ Gate Learn, chúng tôi sẽ xử lý kịp thời.
2. Miễn trừ trách nhiệm: Quan điểm và ý kiến trong bài viết này hoàn toàn thuộc về tác giả, không cấu thành bất kỳ lời khuyên đầu tư nào.
3. Bản dịch sang các ngôn ngữ khác do đội ngũ Gate Learn thực hiện. Trừ khi được đề cập, nghiêm cấm sao chép, phân phối hoặc đạo văn các bài dịch này.