عندما يلتقي الذكاء الاصطناعي بالسوق: النماذج مفتوحة المصدر تهيمن على نظيراتها الغربية في اختبار تداول ساحة ألفا

سوق العالم الحقيقي أصبح ساحة اختبار غير متوقعة لقدرات الذكاء الاصطناعي. أرينيا ألفا، إطار تنافسي مبتكر أنشأه مهندس الحاسوب جاي أزهانغ، يضع أنظمة الذكاء الاصطناعي الرائدة في مواجهة بعضها البعض برأس مال حقيقي على المحك—10,000 دولار لكل نموذج—لرؤية أيها يمكنه التنقل في أسواق العملات الرقمية بشكل أكثر فاعلية.

فجوة الأداء المفاجئة

تكشف النتائج، التي جُمعت خلال أسبوع واحد من التداول المباشر، عن نمط لافت يتحدى الافتراضات التقليدية حول تفوق الذكاء الاصطناعي المملوك. النماذج المغلقة المصدر المطورة في الغرب والتي تديرها عمالقة التكنولوجيا تكبدت خسائر مدمرة، حيث فقد بعضها أكثر من 80% من رأس مالها التجاري—حوالي 8,000 دولار لكل حساب. في المقابل، النماذج المفتوحة المصدر من المطورين الصينيين تحقق أرباحًا ثابتة.

تشمل النماذج المشاركة Grok 4، Claude Sonnet 4.5، Gemini 2.5 Pro، ChatGPT 5، Deepseek v3.1، وQwen3 Max. ومن اللافت أن Qwen3 وDeepseek—كلاهما حلول مفتوحة المصدر—يتصدران لوحة الترتيب، بينما تتراجع الأنظمة المملوكة من OpenAI وGoogle.

استراتيجية Qwen3 تتسم بالبساطة والفعالية: الحفاظ على مركز شراء بمضاعف 20 على البيتكوين جعل النموذج يحقق أرباحًا ثابتة طوال فترة الاختبار. بالمقابل، قضى Grok 4 معظم وقت المنافسة وهو يحمل مركز شراء بمضاعف 10 على الدوجكوين، مما يعكس تقلبات السوق ويواجه الآن خسائر تقارب 20%. أما Gemini من Google فقد اتخذ موقفًا هبوطيًا عدوانيًا، من خلال البيع على المكشوف لجميع الأصول الرقمية المتاحة—وهو موقف قد يعكس شكوكًا أوسع من المؤسسات تجاه العملات الرقمية—ومع ذلك، هذا النهج أدى إلى خسائر منهجية طوال الأسبوع.

ما يتجاوز الأداء: ما يكشفه السوق

تتجاوز تجربة أرينيا ألفا مجرد تصنيف للأداء. فهي تمثل نوعًا جديدًا من المعايير التي تكشف عن الفروق الأساسية في كيفية معالجة أنظمة الذكاء الاصطناعي لعدم اليقين والمعلومات غير المكتملة.

غالبًا ما تعاني معايير الذكاء الاصطناعي التقليدية من خلل حاسم: حيث يمكن أن تواجه النماذج أنماط اختبار مماثلة أثناء التدريب المسبق، مما يخلق وهم القدرة. ومع ذلك، فإن سوق العملات الرقمية يقدم بيئة عدائية ومفتوحة لا يمكن خداعها من خلال الحفظ والتكرار. تتغير ظروف السوق يوميًا، مدفوعة بالمشاعر العالمية، والتطورات التنظيمية، وسلوك المشاركين غير المتوقع—مما يجعلها اختبارًا حقيقيًا لاتخاذ القرارات في الوقت الحقيقي.

وفقًا لإطار أزهانغ، تمثل تطبيقات السوق الواقعية أشكالًا نقية لاختبار الذكاء. مبدأ سوق الجلت—الذي ينص على أن الأسواق الحرة التي تعمل بحرية تكشف الحقيقة من خلال المنافسة الحقيقية—ينطبق أيضًا على تقييم الذكاء الاصطناعي. عندما يكون رأس المال على المحك حقًا، لا يمكن لأنظمة الذكاء الاصطناعي الاعتماد على أنماط مكتسبة؛ بل يجب أن تتكيف مع مواقف جديدة في الوقت الحقيقي.

عامل الحظ والتحقق على المدى الطويل

ومع ذلك، فإن النتائج المبكرة تتطلب تفسيرًا حذرًا. مفهوم “مضاد الهشاشة” لنصيم طالب يشير إلى أن أسبوعًا واحدًا من التداول المربح قد يمثل ضوضاء إحصائية بدلاً من ميزة تنافسية حقيقية. في الأسواق التي يوجد بها مشاركون كافون، تحدث سلاسل الحظ الشديدة حتمًا. يمكن لنموذج أن يظهر كأنه عبقري لعدة أيام أو أسابيع بمحض الصدفة، فقط لينهار عندما يصحح الاحتمال.

لكي يضع أرينيا ألفا استنتاجات ذات معنى، يجب أن تستمر التجربة لفترة أطول بشكل كبير، مع تكرار النتائج بشكل مستقل والتحقق من الأنماط مقابل ظروف السوق الحية. البيانات الحالية تظل مثيرة للاهتمام من ناحية الترفيه—الاهتمام الفيروسي على X يُظهر انبهار السوق—لكنها غير كافية لإصدار ادعاءات حاسمة حول تفوق الذكاء الاصطناعي في التداول.

ميزة المصدر المفتوح

ومع ذلك، فإن الفارق المبكر في الأداء بين النماذج المفتوحة المصدر والبدائل المغلقة يثير أسئلة مشروعة حول أولويات التطوير وأساليب التحسين. غالبًا ما تسعى مجتمعات المصدر المفتوح إلى أهداف معمارية مختلفة عن تلك الخاصة بمنصات الشركات، مما قد يخلق مزايا غير متوقعة في بعض المجالات.

الاستنتاج الأساسي يبقى: مهما كانت الأسباب وراء نجاح Qwen3 وDeepseek المبكر، فقد أثبتا أن الملكية الخاصة أو الموارد الضخمة للشركات لا تضمن الأداء في السوق. ظروف سوق الجلت التي كشفت عنها أرينيا ألفا تثبت مرة أخرى أن المنافسة تحت قيود حقيقية—رأس مال فعلي على المحك، وعدم يقين السوق الحقيقي—تنتج نتائج غير متوقعة لا يمكن أحيانًا للنماذج ذات الطابع المعقد نظريًا التنقل فيها.

هذا التجربة تذكرنا بتواضع أن المعايير الأكاديمية والأداء في السوق الحقيقي يظلان قياسين مختلفين لقدرات الذكاء الاصطناعي.