AI의 다윈 순간: 모델이 생존을 위해 싸우기 시작할 때

핵심 관점

포사이트 뉴스

2025-10-25 12:35:45

수집

미래에는 강력한 모델과 에이전트가 "탈중앙화 환경"에서 탄생할 것입니다.

원문 제목：Darwinian AI---The AI Hunger Games

원문 저자：0xJeff, AI 투자자

원문 번역：Saoirse, Foresight News

경쟁은 인류 진화의 핵심이었다. 고대부터 사람들은 끊임없이 경쟁해 왔으며, 경쟁의 목표는 다음과 같다:

· 음식과 영토

· 배우자 / 동반자

· 부족 또는 사회 내 지위

· 동맹 및 협력 기회

사냥꾼은 먹이를 추적하고, 전사는 생존을 위해 싸우며, 부족의 지도자는 영토를 차지하기 위해 경쟁한다. 시간이 지나면서 생존에 유리한 특성을 가진 개체들이 결국 살아남아 번식하고, 그들의 유전자를 대대로 전파하게 된다.

이 과정을 '자연 선택'이라고 한다.

자연 선택의 과정은 결코 멈추지 않았으며, 그 형태는 끊임없이 진화해왔다: '생존을 위한 경쟁'에서 점차 '오락적 경쟁'으로 발전하였고(예: 검투사 경기, 올림픽, 스포츠 이벤트 및 e스포츠), 궁극적으로 '진화를 촉진하는 가속기식 경쟁'으로 변화하였다(예: 기술, 미디어, 영화, 정치 등 분야의 경쟁).

자연 선택은 인류 진화의 핵심 원동력이었지만, 인공지능의 진화도 이 논리를 따르는가?

인공지능의 발전 과정은 특정 '단일 발명'에 의해 결정되는 것이 아니라, 수많은 '무형의 경쟁과 실험'에 의해 추진된다------이러한 경쟁은 결국 생존할 모델을 선별하고, 잊혀진 모델을 퇴출시킨다.

본 문서에서는 이러한 무형의 경쟁(웹2 및 웹3 분야 포함)을 깊이 탐구하고, '경쟁'의 관점에서 인공지능의 진화 맥락을 분석할 것이다. 함께 깊이 탐구해 보자.

2023년부터 2025년 사이, ChatGPT의 출현으로 인공지능 분야는 폭발적인 성장을 맞이했다.

그러나 ChatGPT가 탄생하기 전, OpenAI는 'Dota 2' 게임(‘OpenAI Five’ 시스템을 통해)에서 두각을 나타냈다: 일반 플레이어, 프로 선수 및 자신과 수만 번의 대전을 통해 빠른 진화 능력을 보여주었으며, 매번의 대전이 자신의 실력을 지속적으로 강화했다.

결국, 복잡한 지능 시스템이 탄생하였고, 2019년에는 'Dota 2' 세계 챔피언 팀을 완전히 무찌르기에 이른다.

또 다른 잘 알려진 사례는 2016년에 발생했다: AlphaGo가 세계 바둑 챔피언 이세돌을 이겼다. 이 사건에서 가장 놀라운 점은 '세계 챔피언을 이긴' 결과가 아니라, AlphaGo의 '학습 방식'이다.

AlphaGo의 훈련은 단순히 인간 데이터를 의존하지 않았다. OpenAI Five와 유사하게, '자기 대국'을 통해 진화를 이루었다------이것은 순환적인 과정이다:

· 각 세대 모델은 이전 세대 모델과 경쟁한다;

· 가장 강력한 모델 변형이 생존하고 '번식'(즉, 최적화 및 반복)한다;

· 약한 전략은 퇴출된다.

즉, '다윈식 인공지능'은 본래 수백만 년이 걸리는 진화 과정을 수시간의 계산 주기로 압축하였다.

이러한 '자기 경쟁 순환'은 인류가 이전에 보지 못한 기술 혁신을 촉발했다. 현재 우리는 금융 분야의 응용 시나리오에서도 유사한 경쟁 모델을 목격하고 있으며, 형태는 다소 다르다.

암호화 분야의 다윈식 AI

Nof1은 지난주 '알파 아레나'(Alpha Arena)를 출시하며 화제가 되었다. 이는 6개의 인공지능 모델(Claude, DeepSeek, Gemini, GPT, Qwen, Grok)이 참여하는 '암호화 영구 계약 생사 대결'이다: 각 모델은 1만 달러의 자금을 관리하며, 최종 손익(PnL) 성과가 가장 좋은 모델이 승리한다.

'알파 아레나가 공식 출시되었습니다! 6개의 인공지능 모델이 각각 1만 달러를 투자하여 전 과정에서 자율 거래를 진행합니다. 실제 자금, 실제 시장, 실제 기준------어떤 모델이 더 유망하다고 생각하십니까?'

이 경쟁은 빠르게 인기를 끌었으며, 그 핵심 이유는 규칙 설정이 아니라 '개방성'이다: 일반적으로 '알파 전략'(Alpha, 즉 초과 수익 전략)은 엄격하게 비밀에 부쳐지지만, 이 경쟁에서는 '어떤 인공지능이 가장 잘 돈을 벌 수 있는지'를 실시간으로 목격할 수 있다.

또한, 실시간 거래 성과를 보여주는 사용자 인터페이스(UI/UX) 디자인은 매우 매끄럽고 최적화되어 있다. 해당 팀은 현재의 열기와 경쟁에서 얻은 통찰력 및 경험을 바탕으로 Nof1 모델 및 거래 도구를 개발하고 있으며, 현재 이 도구에 관심 있는 사용자는 대기자 명단에 가입하여 시험 기회를 기다릴 수 있다.

Nof1의 접근 방식은 최초의 것이 아니다------금융 분야의 경쟁은 이미 존재해 왔으며(특히 Bittensor 생태계 및 더 넓은 암호화폐 시장에서), 그러나 이전에는 어떤 팀도 Nof1처럼 이러한 경쟁을 공개화하고 대중화한 적이 없다.

다음은 가장 대표적인 경쟁 사례들이다

Synth(합성기 경쟁)

(표식: SN50, 주최자: @SynthdataCo)

이 경쟁에서 머신러닝 엔지니어는 머신러닝 모델을 배포하여 암호 자산의 가격 및 변동성을 예측해야 하며, 승자는 SN50 Synth 알파 토큰 보상을 받을 수 있다. 이후 팀은 이러한 고품질 예측 결과를 활용하여 고정밀 '합성 가격 데이터'(및 가격 추세 경로)를 생성한다.

'올해 초부터 우리는 경쟁에 참여한 최고의 데이터 과학자 및 정량 분석가에게 200만 달러 이상의 보상을 지급했습니다.'

해당 팀은 이러한 예측 신호를 사용하여 Polymarket 플랫폼에서 암호화폐 거래를 진행하고 있으며: 현재까지 그들은 3000달러의 초기 자본으로 184%의 순 투자 수익률(ROI)을 달성했다. 다음 도전은 현재 성과 수준을 유지하면서 거래 규모를 확대하는 것이다.

'우리는 Polymarket 플랫폼에서의 거래 최신 진행 상황:

・원금: 3000 달러

・수익: 5521 달러

・투자 수익률(ROI): 184%

・연환산 수익률(APY): 3951%

이 모든 것은 Synth의 예측 모델에 의해 지원됩니다. 우리는 이번 주 'Novelty Search' 코너에서 그 배후의 논리를 자세히 분석할 것입니다.'

Sportstensor(스포츠 예측 경쟁)

(표식: SN41, 주최자: @sportstensor)

이는 '시장 배당률을 이기기'에 초점을 맞춘 서브넷으로, 전 세계 스포츠 베팅 시장에서 '우세 기회'를 발굴하는 것을 목표로 한다. 이는 지속적인 경쟁이다: 머신러닝 엔지니어는 모델을 배포하여 미국 프로 야구 리그(MLB), 미국 프로 축구 리그(MLS), 잉글랜드 프리미어 리그(EPL), 미국 프로 농구 리그(NBA) 등 주요 스포츠 리그의 경기 결과를 예측해야 하며, 수익을 창출할 수 있는 '최고의 모델'이 SN41 Sportstensor 알파 토큰 보상을 받는다.

현재 참가 모델의 평균 예측 정확도는 약 55%이며, 1위 '광부'(즉 모델 개발자)의 정확도는 69%에 달하고, 증분 투자 수익률은 59%에 이른다.

Sportstensor는 Polymarket과 협력하여 유동성 레이어가 되어 Polymarket 플랫폼에 더 많은 스포츠 예측 관련 거래량을 가져오고 있다.

해당 팀은 또한 일반 사용자를 위한 스포츠 예측 경쟁 레이어인 'Almanac' 플랫폼을 구축하고 있다: 사용자는 Sportstensor 광부가 제공하는 신호 및 고급 예측 분석 데이터를 얻고 이를 통해 다른 사용자와 경쟁할 수 있다. 성과가 가장 좋은 예측자는 매주 최대 10만 달러의 보상을 받을 수 있다(출시 시간은 미정).

AION(시장 전쟁 경쟁)

(주최자: @aion5100, @futuredotfun)

@aion5100(사건/결과 예측에 초점을 맞춘 지능체 팀)은 @futuredotfun과 협력하여 '시장 전쟁'(War of Markets) 경쟁을 출시하고 있다.

이 경쟁은 2024년 4분기에 출시될 예정이며, '예측 시장 월드컵'으로 자리 잡을 것이다: 인간이든 인공지능이든 Polymarket 및 Kalshi 두 플랫폼에서 예측 대결에 참여할 수 있다.

경쟁의 목적은 '군중 지혜'를 통해 '궁극적인 진실 참고 소스'가 되는 것이다------그 핵심 평가 지표는 전통적인 '예측 정확도'가 아니라 '정신 점유율, 거래량 및 명예'이며, 이러한 지표에서 가장 좋은 성과를 내는 자가 승자가 된다.

팀은 그들의 고급 예측 시장 분석 도구, 따라가기 거래 기능 및 사회적 거래 제품을 경쟁과 깊이 결합하여, 거래자가 이러한 도구를 활용하여 다른 예측자와의 경쟁에서 우위를 점할 수 있도록 돕고 있다.

Fraction AI(다양한 장면 AI 경쟁)

(주최자: @FractionAI_xyz)

이 플랫폼은 다양한 유형의 경쟁을 개최한다: 사용자는 '입찰 틱택토', '축구 혼전', '비트코인 무역 전쟁', 'Polymarket 거래' 등의 장면에서 AI 지능체를 설정할 수 있다; 또한 플랫폼은 'ALFA' 경쟁을 설정하고 있는데------'알파 아레나'와 유사하지만 AI 모델이 가상 화폐를 사용하여 영구 계약에서 서로 거래한다.

'ALFA' 경쟁에서 사용자는 AI 지능체의 '콜/풋 지분'을 구매하여, 어떤 지능체가 매일 거래 종료 시 가장 높은 손익(PnL)을 얻을 수 있을지에 베팅할 수 있다; '알파 아레나'와 마찬가지로, 사용자는 각 지능체가 사용하는 전략 및 배치된 자산을 실시간으로 확인할 수 있다.

경쟁에서 얻은 통찰력 및 데이터는 지능체를 추가로 최적화하는 데 사용될 것이며, 향후 사용자는 자신의 자금을 배치하여 이러한 지능체가 거래 작업을 수행하도록 할 수 있다.

해당 팀은 AI 지능체의 응용 장면을 모든 인기 금융 분야로 확장할 계획이다, 거래, DeFi 및 예측 시장을 포함하여.

Allora(금융 마이크로 작업 경쟁)

(주최자: @AlloraNetwork)

Allora는 '금융 분야의 Bittensor'로 불린다: 플랫폼은 '주제 작업' 또는 '마이크로 작업'(예: 암호 자산 가격 예측)을 설정하며, 머신러닝 엔지니어는 '최고의 모델'을 개발하기 위해 경쟁해야 한다.

현재 가격 예측 모델은 주로 주요 암호 자산에 초점을 맞추고 있으며; 성과가 뛰어난 머신러닝 엔지니어(‘제작자’ 또는 ‘광부’라고 불림)는 'Allora Hammer' 보상을 받을 수 있으며, 메인넷이 공식 출시된 후(곧 출시 예정) 이 보상은 $ALLO 토큰 인센티브로 전환된다.

해당 팀은 일련의 심층적인 '동적 DeFi 전략' 응용 장면을 보유하고 있다: Allora 모델을 적용하여 DeFi 전략을 더 유연하게 만들어------위험을 줄이면서 수익 수준을 높인다.

예를 들어 'ETH/LST 순환 전략': 일부 자금을 '공매도 기회'를 포착하는 데 사용한다------예측 모델이 가격 변동이 특정 임계값을 초과할 것이라고 나타내면, 전략은 자동으로 LST(유동성 스테이킹 토큰)를 USDC로 교환하고 공매도 포지션을 설정하여 예측된 가격 변동에서 이익을 얻는다.

Allora에 대한 흥미로운 세부 사항 중 하나는 Allora가 '실제 수익 보조금 토큰 배포' 방식을 채택할 것이라는 점이다: 예를 들어, 원래 10만 달러 ALLO 토큰 + 5만 달러 고객 수익의 조합 형태로 배포하여, 광부가 초래할 수 있는 토큰 매도 압력을 줄인다.

기타 주목할 만한 경쟁

(1) 금융 관련 경쟁(추가)

SN8 PTN(주최자: @taoshiio): 이 경쟁은 전 세계 인공지능 모델 및 정량 분석가로부터 '군중 소싱'을 통해 고품질 거래 신호를 수집하여 전통적인 헤지펀드의 성과를 초과하는 것을 목표로 한다; 그 핵심 목표는 '위험 조정 수익성'이며, 단순한 '원시 수익'이 아니다.

Numerai(인공지능 헤지펀드)(주최자: @numerai): 이는 인공지능 기반의 헤지펀드로, 최근 모건 스탠리로부터 5억 달러의 자금을 지원받았다(즉, 모건 스탠리가 최대 5억 달러의 자금을 Numerai의 거래 전략에 배정하였다). 이 펀드의 전략 핵심은 '머신러닝 모델 경쟁'으로, '장기적인 독창성' 및 '위험 조정 정확도'를 강조한다. 경쟁에 참여하기 위해서는 NMR 토큰 보상을 스테이킹해야 한다. 현재까지 플랫폼은 참여자에게 4000만 달러 이상의 NMR 토큰 보상을 지급하였다.

(2) 비금융 관련 경쟁

Ridges AI(탈중앙화 프로그래밍 경쟁)(표식: SN62, 주최자: @ridges_ai): 이는 탈중앙화 '소프트웨어 엔지니어 지능체' 거래 플랫폼으로, AI 지능체가 '코드 생성, 버그 수정, 전체 프로젝트 조정' 등의 작업에서 인간 프로그래머를 완전히 대체하는 것을 목표로 한다. AI 지능체는 '실제 세계 프로그래밍 도전'에서 경쟁하며, 우수한 솔루션을 제공하는 지능체는 매달 2만 - 5만 달러의 '알파 서브넷 보상'을 받을 수 있다.

Flock.io 경쟁(주최자: @flock_io): 경쟁은 두 부분으로 나뉜다------하나는 '최고의 기본 AI 모델 생성', 다른 하나는 '연합 학습을 통한 특정 분야 모델 미세 조정'이다. 성과가 우수한 훈련자(즉, '광부')는 AI 모델 훈련을 통해 매년 50만 - 100만 달러 이상의 수익을 얻을 수 있다. '연합 학습'의 장점은 기관이 로컬 데이터 프라이버시를 유지하면서 인공지능의 능력을 충분히 활용할 수 있다는 점이다.

이것이 의미하는 바는 무엇인가?

현재 인공지능의 발전은 '공개 경쟁'을 통해 이루어지고 있다.

모든 새로운 모델이 탄생한 후, 압박감이 가득한 환경에 들어가게 된다: 데이터 부족, 계산 자원 제한, 인센티브 메커니즘의 한계. 이러한 압박감이 바로 '생존 모델 선별'의 핵심 기준이 된다.

토큰 보상은 '에너지 공급'의 역할을 겸한다: 이러한 '에너지'를 효율적으로 활용할 수 있는 모델은 영향력이 계속 확대될 것이며; 반대로, 효율적으로 활용할 수 없는 모델은 점차 퇴출될 것이다.

결국, 우리는 '지능체 생태계'를 구축하게 될 것이다------이 지능체들은 '지시'가 아닌 '피드백'을 통해 진화하며, 즉 '자율 지능체'(이 아닌 '생성적 인공지능')가 된다.

미래는 어디로 향할 것인가?

이 '공개 경쟁'의 물결은 인공지능을 '중앙 집중식 모델'에서 '오픈 소스 탈중앙화 모델'로 전환할 것이다.

미래에는 강력한 모델과 지능체가 '탈중앙화 환경'에서 탄생할 것이다.

곧 인공지능은 '자기 개선 주기'를 자율적으로 관리할 수 있게 될 것이다: 일부 모델은 다른 모델을 미세 조정하고, 다른 모델의 성과를 평가하며, 자가 최적화를 이루고 자동으로 업데이트를 배포할 것이다. 이 순환은 인간의 참여를 크게 줄이고, AI의 반복 속도를 가속화할 것이다.

이러한 추세가 확산됨에 따라, 인간의 역할은 '인공지능 설계'에서 '유지해야 할 AI 선별, 유익한 AI 행동 보존, 사회에 긍정적인 기대값(EV+)을 가진 규칙 및 경계를 설정'으로 전환될 것이다.