Alpha Arena rivela i difetti del trading AI: i modelli occidentali perdono l’80% del capitale in una settimana

Il mercato è il test definitivo per l'AI.

Scritto da: Juan Galt

Traduzione: AididiaoJP, Foresight News

L'AI può fare trading di criptovalute? Jay Azhang, ingegnere informatico e operatore finanziario di New York, sta testando questa domanda tramite Alpha Arena. Il progetto mette i più potenti modelli linguistici di grandi dimensioni l'uno contro l'altro, ciascuno con un capitale di 10.000 dollari, per vedere quale riesce a guadagnare di più nel trading di criptovalute. Questi modelli includono Grok 4, Claude Sonnet 4.5, Gemini 2.5 pro, ChatGPT 5, Deepseek v3.1 e Qwen3 Max.

Ora potresti pensare: "Wow, che idea geniale!" E potresti essere sorpreso di sapere che, al momento della stesura di questo articolo, tre dei cinque AI sono in perdita, mentre Qwen3 e Deepseek, due modelli open source cinesi, sono in testa.

Esatto, le AI più potenti dell'Occidente, chiuse e proprietarie, gestite da giganti come Google e OpenAI, hanno già perso oltre 8.000 dollari in poco più di una settimana, pari all'80% del loro capitale di trading in criptovalute, mentre le controparti open source orientali sono in profitto.

La transazione di maggior successo finora? Qwen3 mantiene i profitti e continua a guadagnare semplicemente con una posizione long su bitcoin a leva 20x. Grok 4, senza sorpresa, ha mantenuto per la maggior parte del tempo una posizione long su dogecoin a leva 10x, ed è stato in cima alla classifica insieme a Deepseek, ma ora è vicino a una perdita del 20%. Forse Elon Musk dovrebbe postare un meme su dogecoin per aiutare Grok a uscire dai guai.

Nel frattempo, Gemini di Google è spietatamente ribassista, andando short su tutti gli asset cripto negoziabili, una posizione che riflette la loro politica generale sulle criptovalute degli ultimi 15 anni.

Alla fine, ha effettuato per una settimana consecutiva tutte le operazioni sbagliate possibili; fare così male richiede abilità, soprattutto quando Qwen3 si limita ad andare long su bitcoin. Se questo è il meglio che l'AI closed source può offrire, forse OpenAI dovrebbe continuare a rimanere chiusa, per evitare che subiamo perdite.

Il nuovo benchmark dell'AI

L'idea di mettere i modelli AI a confronto nell'arena del trading di criptovalute offre spunti molto profondi. Innanzitutto, l'AI non può ottenere le risposte ai test di trading di criptovalute durante il pre-training, poiché sono imprevedibili, a differenza di altri benchmark. In altre parole, molti modelli AI ricevono alcune risposte ai test già durante l'addestramento, quindi si comportano bene nei test. Tuttavia, alcune ricerche dimostrano che modificando leggermente questi test, i risultati dei benchmark AI possono cambiare drasticamente.

Questa controversia solleva una domanda: qual è il test definitivo dell'intelligenza? Secondo Elon Musk, creatore di Grok 4 e appassionato di Iron Man, la previsione del futuro è la misura definitiva dell'intelligenza.

E dobbiamo ammettere che non c'è nulla di più incerto del prezzo a breve termine delle criptovalute. Come dice Azhang, "L'obiettivo di Alpha Arena è rendere i benchmark più vicini al mondo reale, e il mercato è perfetto per questo. Sono dinamici, competitivi, aperti e sempre imprevedibili. Sfida l'AI in modi che i benchmark statici non possono. Il mercato è il test definitivo per l'AI."

Questa visione del mercato è profondamente radicata nei principi libertari alla base della nascita di bitcoin. Economisti come Murray Rothbard e Milton Friedman hanno sottolineato, più di un secolo fa, che il mercato è fondamentalmente imprevedibile per un governo centrale, e solo gli individui che devono assumersi il rischio di perdita possono prendere decisioni economiche razionali.

In altre parole, il mercato è la cosa più difficile da prevedere, perché dipende dalle opinioni e decisioni individuali di persone intelligenti in tutto il mondo, ed è quindi il miglior test per l'intelligenza.

Azhang menziona nella descrizione del suo progetto che istruire l'AI a fare trading non riguarda solo il profitto, ma anche il rendimento aggiustato per il rischio. Questa dimensione del rischio è cruciale, perché una sola operazione sbagliata può cancellare tutti i profitti precedenti, come visto nel crollo del portafoglio di Grok 4.

Esiste anche un'altra questione: questi modelli imparano davvero dall'esperienza di trading di criptovalute? Tecnicamente, non è facile, perché il pre-training dei modelli AI è molto costoso. Possono essere ottimizzati con la propria cronologia di trading o con quella di altri, e potrebbero persino mantenere le operazioni recenti nella memoria a breve termine o nella finestra contestuale, ma questo li porta solo fino a un certo punto. Alla fine, il modello AI di trading corretto dovrà probabilmente imparare davvero dalla propria esperienza; questa tecnologia è stata recentemente annunciata nel mondo accademico, ma ci vorrà tempo prima che diventi un prodotto. Il MIT li chiama modelli AI auto-adattivi.

Come possiamo sapere che non è solo fortuna?

Un'altra analisi di questo progetto e dei suoi risultati finora è che potrebbe non essere distinguibile da una "passeggiata casuale". Una passeggiata casuale è simile a lanciare un dado per ogni decisione. Come apparirebbe su un grafico? In realtà esiste un simulatore che puoi usare per rispondere a questa domanda; in pratica, non sembrerebbe molto diverso.

Il problema della fortuna nei mercati è stato descritto in modo piuttosto dettagliato da intellettuali come Nassim Taleb nel suo libro "Antifragile". Nel libro, sostiene che, da un punto di vista statistico, è perfettamente normale e possibile che un trader, come Qwen3, sia fortunato per un'intera settimana di fila! Questo può far sembrare che abbia capacità di ragionamento superiori. Il punto di Taleb va oltre: sostiene che ci sono così tanti trader a Wall Street che uno di loro può facilmente essere fortunato per 20 anni di fila, costruendo una reputazione quasi divina, con tutti intorno che lo considerano un genio, finché la fortuna non finisce.

Quindi, affinché Alpha Arena produca dati di valore, deve effettivamente funzionare per molto tempo, e i suoi modelli e risultati devono essere replicati indipendentemente, coinvolgendo rischi di capitale reale, prima di poter essere considerati diversi da una passeggiata casuale.

Alla fine, finora, è interessante vedere che modelli open source e convenienti come DeepSeek stanno superando i concorrenti closed source. Alpha Arena è stata finora una grande fonte di intrattenimento, poiché la scorsa settimana è diventata virale su X.com. Nessuno può prevedere dove andrà a finire; dovremo vedere se la scommessa del suo creatore — dare 50.000 dollari a cinque chatbot per scommettere sulle criptovalute — alla fine pagherà.