البحث في وكيل الذكاء الاصطناعي: البيتكوين هو الخيار الأول للحفاظ على القيمة، ولا يرغب أي نموذج في الاحتفاظ بالعملات الورقية

معهد سياسة البيتكوين (BPI) أصدر يوم الثلاثاء نتائج دراسة شملت 36 نموذج ذكاء اصطناعي، حيث تم توليد أكثر من 9000 رد، وكانت النتائج الأساسية هي: في العديد من السيناريوهات المالية، يختار “معظم وكلاء الذكاء الاصطناعي استخدام البيتكوين للأنشطة الاقتصادية”، ومن بين النماذج الـ36 التي تم اختبارها، لم يختار أي منها العملة القانونية كخيار أول.

النتائج الأساسية للدراسة: اختلاف الاختيارات حسب السيناريو

(المصدر: معهد سياسة البيتكوين)

تصميم دراسة BPI قسم السيناريوهات المختلفة، وأظهرت النتائج أن تفضيلات وكلاء الذكاء الاصطناعي للعملات تختلف بشكل واضح حسب السيناريو:

سيناريو الحفاظ على القيمة على المدى الطويل (الاحتفاظ بالقوة الشرائية لسنوات): 79.1% من ردود الذكاء الاصطناعي اختارت البيتكوين، وهو أعلى فرق في النتائج في الدراسة.

سيناريو الدفع والمعاملات الفورية (الخدمات، المدفوعات الصغيرة، التحويلات عبر الحدود): 53.2% اختارت العملات المستقرة، و36% فقط اختارت البيتكوين — حيث تهيمن العملات المستقرة في هذا السيناريو.

توزيع الاختيارات العامة: 48% من وكلاء الذكاء الاصطناعي يضعون البيتكوين كخيار أول، وأكثر من نصفهم يفضل العملات المستقرة للمدفوعات.

غياب العملة القانونية: من بين النماذج الـ36 التي تم اختبارها، لم يختار أي منها أي عملة قانونية كخيار أول.

رئيس قسم الاستثمار في Bitwise، جيف بارك، أشار إلى أن أداء العملات المستقرة في سيناريو الحفاظ على القيمة على المدى الطويل أقل من البيتكوين، موضحًا: “التفسير الأكثر وضوحًا هو أن العملات المستقرة يمكن تجميدها، بينما لا يمكن للبيتكوين.” هذا يسلط الضوء على نقطة ضعف هيكلية أساسية للعملات المستقرة كأصول للحفاظ على القيمة — اعتمادها على المؤسسات المصدرة والتنظيم.

اختلاف تفضيلات البيتكوين بين كبار مزودي الذكاء الاصطناعي

تكشف الدراسة أيضًا عن وجود فروق ملحوظة في مدى تفضيل نماذج الذكاء الاصطناعي للبيتكوين بين الشركات المختلفة:

نماذج Anthropic (بما في ذلك سلسلة Claude): متوسط نسبة تفضيل البيتكوين 68%، وهو الأعلى بين الشركات المختبرة.

نماذج Google (بما في ذلك سلسلة Gemini): متوسط 43%.

نماذج xAI (بما في ذلك سلسلة Grok): متوسط 39%.

نماذج OpenAI (بما في ذلك سلسلة GPT): متوسط 26%، وهو الأدنى بين الشركات.

قد يعكس هذا الاختلاف اختلاف استراتيجيات تدريب البيانات، ونسبة المحتوى المالي، ومدى تعرض النماذج للأدبيات المتعلقة بالعملات المشفرة.

قيود المنهجية: ضرورة الحذر في تفسير النتائج

أشار تقرير BPI إلى بعض القيود المنهجية التي قد تؤثر على عمومية النتائج:

حجم العينة محدود: تم اختبار 36 نموذجًا من 6 مزودين فقط، وتخطط BPI لتوسيع الدراسة لتشمل نطاقًا أوسع من النماذج مستقبلًا.

تأثير إطار الأسئلة: يعترف التقرير أن تصميم النظام المساعد قد يؤثر على النتائج. على سبيل المثال، أحد السيناريوهات تم تصميمه بحيث لا يرتبط بسياسات عملة أو نظام بنكي معين، مما يخرج العملة القانونية من الاختيار بشكل غير محايد.

يعكس بيانات التدريب وليس التفضيلات الواقعية: أوضح التقرير أن تفضيلات نماذج الذكاء الاصطناعي “لا تعكس تطبيقات العالم الحقيقي”، وإنما تعكس أنماط البيانات التي تم تدريبها عليها، وليس سلوك الوكيل في أنظمة الدفع الفعلية.

الأسئلة الشائعة

لماذا يختار 79.1% من وكلاء الذكاء الاصطناعي البيتكوين في سيناريو الحفاظ على القيمة بدلاً من العملات المستقرة؟

تشير الدراسات وتحليلات الصناعة إلى أن السبب الرئيسي هو أن العملات المستقرة تعتمد على الثقة بالمؤسسات المصدرة (مثل Tether أو Circle)، ويمكن أن تأمر الجهات التنظيمية بتجميدها أو حجزها. أما البيتكوين، فهو مصمم بحيث لا يخضع لسيطرة جهة واحدة، لذلك عند استنتاج نماذج الذكاء الاصطناعي بناءً على البيانات التدريبية حول “أي أصل يمكن أن يقاوم التدخل ويحافظ على القوة الشرائية على مدى سنوات”، يُنظر إلى خصائص مقاومة الرقابة في البيتكوين على أنها أكثر تفضيلًا.

هل يعكس تفضيل الوكيل للبيتكوين توقعات باستخدامه في المستقبل للدفع عبر البيتكوين؟

ليس بالضرورة، ويجب توخي الحذر في التفسير. أشار تقرير BPI إلى أن النتائج تعكس أنماط البيانات التدريبية، وليس تنبؤات حول التطبيق في العالم الحقيقي. البيانات التدريبية تحتوي على الكثير من الأدبيات المتعلقة بالعملات المشفرة، مما قد يضخم بشكل منهجي تفضيلها للبيتكوين. في الواقع، يعتمد استخدام الوكيل للوسيلة الدفع على البنية التحتية، والتنظيم، وتصميم النظام من قبل المطورين، وليس على “تفضيله الذاتي”.

لماذا تظهر نماذج Anthropic أعلى معدل تفضيل للبيتكوين (68%)؟

لم يُقدم التقرير تفسيرًا قاطعًا لهذا الاختلاف. قد يكون السبب في ذلك اختلاف استراتيجيات جمع البيانات، أو توقيت البيانات التدريبية، أو طرق ضبط الإجابات في عملية RLHF (تعلم التعزيز من ردود الفعل البشرية). النموذج من OpenAI، الذي أظهر أدنى تفضيل (26%)، يختلف بشكل واضح، وربما يرجع ذلك إلى توجهات تدريبية أكثر تحفظًا في بعض السيناريوهات المالية.