Агент ИИ превратил 50 долларов США в 3000 долларов США, торгуя на Polymarket, утверждает его создатель

• Агент ИИ был создан с использованием платформы Openclaw.
• Полученная прибыль составила почти 6000%.

Пользователь X, известный как Argona, заявил, что агент искусственного интеллекта (ИИ) превратил 50 долларов США в 2980 долларов США за 48 часов, что является доходностью, близкой к 6000%, торгуя на Polymarket.

Создатель этого бота ИИ установил явно определенное условие: "Оплати себя сам или умри", то есть, если баланс достигал нуля, система этого агента отключалась.

Согласно публикации от 10 февраля, агент работал как автономный трейдер на рынках прогнозов Polymarket, то есть на платформах, где участники покупают и продают контракты, привязанные к будущим событиям, таким как спортивные результаты или климатические данные.

Однако CriptoNoticias не смогла подтвердить, была ли это среда с реальными деньгами или симуляция.

Бот должен был генерировать достаточную прибыль не только для выживания, но и для покрытия собственных операционных расходов, включая использование моделей искусственного интеллекта и инфраструктуры, на которой он работал.

Сообщение Argona гласит, что каждые десять минут система анализировала "от 500 до 1000 активных рынков", формировала разумную оценку стоимости и совершала сделки, когда обнаруживала отклонения более 8%.

Следующее изображение - скриншот из видео, опубликованного Argona, демонстрирующего полученную прибыль:

Человек заработал почти 3000 долларов, используя агента ИИ. Источник: Argona / X.

Как работал агент ИИ?

По словам самого пользователя, агент использовал интерфейс программирования приложений (API) Claude (модель языка, разработанная компанией Anthropic) для рассуждений. То есть, система обращалась к внешней модели ИИ для оценки вероятностей, а затем оплачивала эту услугу частью своей прибыли.

Кроме того, алгоритм применял критерий Келли, математическую формулу управления рисками, которая рассчитывает, какую долю капитала целесообразно ставить, исходя из предполагаемого преимущества. На практике это ограничивало каждую позицию 6% от доступного капитала, что снижает вероятность банкротства в случае неблагоприятной серии.

Агент, используемый компанией Argona, функционировал как периодический сканер, выявляющий локальные неэффективности. По его словам, в климатических рынках, например, бот анализировал данные Национальной метеорологической службы США до того, как они были полностью отражены в ценах на Polymarket.

Кроме того, на спортивных рынках он анализировал отчеты о травмах, чтобы предвидеть изменения, а на рынках, связанных с криптовалютами, он сочетал метрики on-chain с анализом настроений, как сообщила компания Argona.

Полезность этой практики заключается в том, что, если информация поступает раньше, чем к среднему рынку, можно зафиксировать разницу в ценах.

В связи с этим, CriptoNoticias сообщила в конце января, что в сети Ethereum внедрение стандарта ERC-8004 позволило агентам искусственного интеллекта взаимодействовать друг с другом для выполнения, среди прочего, торговых операций, подобных тем, о которых говорила Argona.

Инфраструктура и ограничения эксперимента

Пользователь указал, что разработал агента на языке Rust, языке программирования, ориентированном на производительность, и что он работал на «виртуальном частном сервере (VPS) стоимостью 4,5 доллара США в месяц». Это означает, что техническим барьером была не стоимость инфраструктуры, а качество прогнозной модели и управление рисками.

Для управления системой он использовал Openclaw, платформу, которая позволяет развертывать автономных агентов, которые взаимодействуют с моделями искусственного интеллекта и выполняют внешние задачи, такие как операции на финансовых API.

На практике Openclaw является средой, в которой агент принимает решения и выполняет торговые ордера.

Однако на ликвидных и конкурентных рынках устойчивые неэффективности, как правило, быстро корректируются, что затрудняет поддержание такой прибыли в течение длительного времени.

Следовательно, хотя эксперимент иллюстрирует, как агент может автоматизировать анализ, управление рисками и исполнение, реальной задачей будет проверка того, можно ли воспроизвести эти результаты во времени или являются ли они результатом специфических рыночных условий.

Теги: Искусственный интеллект (AI) Лотереи и ставки Важные

У вас есть важная информация для наших репортеров? Свяжитесь с нами