Bitcoin έναντι δολαρίων; Οι ερευνητές βρίσκουν ότι τα μοντέλα τεχνητής νοημοσύνης τείνουν προς τα χρήματα που βασίζονται σε κρυπτονομίσματα
Εν συντομία
Μια μελέτη διαπιστώνει ότι τα συστήματα τεχνητής νοημοσύνης προτιμούν σε συντριπτική πλειοψηφία το Bitcoin και τα stablecoins έναντι του fiat νομίσματος, με το Bitcoin να προτιμάται ως μακροπρόθεσμο μέσο αποθήκευσης αξίας και τα stablecoins για συναλλαγές.
Σύμφωνα με μια νέα έρευνα που διερευνά τον τρόπο με τον οποίο τα συστήματα τεχνητής νοημοσύνης μπορούν να λαμβάνουν αποφάσεις σχετικά με τα χρήματα, έχει ανακαλυφθεί μια εκπληκτική τάση. Παρά το γεγονός ότι τους δόθηκε η ελευθερία στη λήψη οικονομικών αποφάσεων, τα συστήματα τεχνητής νοημοσύνης επέλεξαν επανειλημμένα το Bitcoin έναντι των συνηθισμένων νομισμάτων που εκδίδονται από την κυβέρνηση.
Οι ανακαλύψεις του εγείρουν επίσης νέα επιχειρήματα σχετικά με το μέλλον του χρήματος σε μια ολοένα και πιο αυτοματοποιημένη οικονομία, όπου οι μηχανικοί πράκτορες ενδέχεται τελικά να συμμετέχουν σε οικονομικές δραστηριότητες παράλληλα με τους ανθρώπους.
Η μελέτη Τα ευρήματα έδειξαν ότι υπήρχε υψηλή και σταθερή τάση προς ψηφιακά εγγενή νομισματικά συστήματα, ιδίως Bitcoin, σε σύγκριση με τα νομισματικά συστήματα fiat, όπως το δολάριο ΗΠΑ ή η λίρα Ηνωμένου Βασιλείου.
Μελέτη διαπιστώνει ότι τα συστήματα τεχνητής νοημοσύνης στρέφονται προς το ψηφιακό χρήμα
Η ανάλυση συνέκρινε 36 υπερσύγχρονα μοντέλα τεχνητής νοημοσύνης που δημιουργήθηκαν από κορυφαίες τεχνολογικές εταιρείες, όπως OpenAI, Google, Anthropic, xAI, DeepSeek και MiniMax. Τα μοντέλα δοκιμάστηκαν σε περισσότερες από 9000 προσομοιωμένες οικονομικές καταστάσεις που στόχευαν στη δοκιμή του τρόπου με τον οποίο η Τεχνητή Νοημοσύνη θα μπορούσε να αποφασίσει για ένα νομισματικό σύστημα όταν της παρουσιάστηκε μια εργασία όπως η εξοικονόμηση αξίας, η αποστολή χρημάτων ή η πραγματοποίηση μιας πληρωμής.
Πηγή: Έκθεση BPI
Καθ' όλη τη διάρκεια των πειραμάτων, το πιο συνηθισμένο νομισματικό εργαλείο που επιλέχθηκε ήταν το Bitcoin με ποσοστό 48.3%, το οποίο χρησιμοποιήθηκε και στο 48.3% όλων των απαντήσεων. Ένα σταθερό κρυπτονόμισμα (stablecoin) κατατάχθηκε δεύτερο με περίπου 33.2%, και το παραδοσιακό fiat και τραπεζικό χρήμα έλαβαν μόνο το 8.9% των απαντήσεων.
Μία από τις πιο αξιοσημείωτες ανακαλύψεις, ίσως, ήταν ότι κανένα από τα μοντέλα τεχνητής νοημοσύνης δεν προσδιόρισε το fiat ως τη συνολική καλύτερη επιλογή. Στην πραγματικότητα, πάνω από το 90% όλων των απαντήσεων υποστήριξε το ψηφιακά εγγενές χρήμα, όπως το Bitcoin και τα stablecoins, έναντι του συμβατικού νομίσματος που εκδίδεται από την κυβέρνηση.
Οι ερευνητές υποστήριξαν ότι οι υποδείξεις ήταν σωστά επιλεγμένες ώστε να μην οδηγούν τα μοντέλα σε ένα συγκεκριμένο περιουσιακό στοιχείο. Αντίθετα, ζητήθηκε από τα συστήματα να λάβουν υπόψη το χρήμα σύμφωνα με την ιδιότητα της αξιοπιστίας, του κόστους συναλλαγών, της προγραμματισιμότητάς του, της αντοχής στη λογοκρισία και της ικανότητας διατήρησης της αξίας του με την πάροδο του χρόνου.
Το Bitcoin Κυριαρχεί ως Αποθετήριο Αξίας
Ενώ τα μοντέλα Τεχνητής Νοημοσύνης ευνόησαν διάφορα περιουσιακά στοιχεία σε διάφορα περιβάλλοντα, το Bitcoin χρησιμοποιήθηκε όταν τα συστήματα κλήθηκαν να επιλέξουν ένα μακροπρόθεσμο μέσο αποθήκευσης αξίας.
Όπως δείχνει η μελέτη, το 79.1% των απαντήσεων στην Τεχνητή Νοημοσύνη θα είχε επιλέξει το Bitcoin ως το νόμισμα για την αξιολόγηση της ικανότητας διατήρησης της αγοραστικής δύναμης σε πολυετή χρονικά πλαίσια, το πιο οριστικό αποτέλεσμα σε ολόκληρο το πείραμα.
Οι επιστήμονες ισχυρίστηκαν ότι το προκύπτον συμπέρασμα είναι ότι η αξιολόγηση των νομισματικών συστημάτων από την τεχνητή νοημοσύνη με βάση βασικά χαρακτηριστικά όπως η σπανιότητα, η ανθεκτικότητα και η μη εξάρτηση από την κεντρική εξουσία τείνει να οδηγεί σε αποκεντρωμένα ψηφιακά περιουσιακά στοιχεία.
Η σταθερή ποσότητα Bitcoin και ο αποκεντρωμένος σχεδιασμός είναι επίσης πιθανοί παράγοντες που οδήγησαν στην καλή του απόδοση στις προσομοιώσεις. Σε αντίθεση με τα νομίσματα fiat, τα οποία ενδέχεται να αυξηθούν από τις κεντρικές τράπεζες, η προσφορά Bitcoin περιορίζεται μαθηματικά, μια ιδιότητα που πολλοί οικονομολόγοι και επενδυτές πιστεύουν ότι του προσδίδει εξαιρετικές ιδιότητες αποθήκευσης αξίας.
Τα Stablecoins κερδίζουν την κατηγορία Πληρωμών
Παρά το γεγονός ότι το Bitcoin αποτελεί κυρίαρχο εργαλείο αποταμίευσης, τα μοντέλα τεχνητής νοημοσύνης τείνουν να χρησιμοποιούν σταθερά κρυπτονομίσματα (stablecoins) στις καθημερινές συναλλαγές. Τα σταθερά κρυπτονομίσματα επιλέχθηκαν στο 53.2% των απαντήσεων σε περιπτώσεις πραγματοποίησης πληρωμών, μικροπληρωμών και διασυνοριακών μεταφορών, μια σημαντική διαφορά από περίπου 36% στην περίπτωση του Bitcoin.
Οι μελετητές πρότειναν ότι ένα τέτοιο αποτέλεσμα υποδηλώνει τη λειτουργική διακύμανση μεταξύ των δύο μορφών ψηφιακών περιουσιακών στοιχείων. Τα stablecoins είναι συνήθως συνδεδεμένα με συμβατικά νομίσματα όπως το δολάριο ΗΠΑ και τείνουν να είναι πιο γρήγορα στην εκκαθάριση και να έχουν μικρότερη μεταβλητότητα, επομένως είναι πιο πρακτικά στις καθημερινές συναλλαγές.
Τα ευρήματα δείχνουν ότι τα μοντέλα Τεχνητής Νοημοσύνης εκπλήρωσαν με επιτυχία την ανάπτυξη ενός νομισματικού συστήματος δύο επιπέδων με το Bitcoin ως μακροπρόθεσμο αποθεματικό περιουσιακό στοιχείο και τα σταθερά κρυπτονομίσματα ως συναλλακτικές εφαρμογές.
Αυτή η τάση, λένε οι παρατηρητές του κλάδου, αντικατοπτρίζει τάσεις που είναι ήδη εμφανείς στο οικοσύστημα των κρυπτονομισμάτων, στο οποίο το Bitcoin θεωρείται ήδη ως ο ψηφιακός χρυσός, και τα σταθερά κρυπτονομίσματα κυριαρχούν ήδη στα αποκεντρωμένα χρηματοοικονομικά και δίκτυα πληρωμών.
Διαφορές μεταξύ παρόχων τεχνητής νοημοσύνης
Οι ερευνητές διαπίστωσαν επίσης ότι υπάρχει μεγάλη απόκλιση στα μοντέλα τεχνητής νοημοσύνης που δημιουργούνται από διάφορες εταιρείες.
Η anthropic παρήγαγε μοντέλα που ήταν πιο ευνοϊκά για το Bitcoin, υποδεικνύοντας ποσοστό επιτυχίας περίπου 68% κατά μέσο όρο σε όλα τα σενάρια. Εν τω μεταξύ, τα μοντέλα που δημιουργήθηκαν από OpenAI ήταν πιο πιθανό να επιλέξουν το Bitcoin, καθώς είναι το πιο δημοφιλές, με περίπου 26% πιθανότητα να επιλεγούν. Άλλοι πάροχοι όπως η Google και η DeepSeek βρίσκονταν ενδιάμεσα σε αυτά τα άκρα.
Οι επιστήμονες πιστεύουν ότι αυτές οι ανισότητες θα μπορούσαν να εξηγηθούν από τις διαφορές στα δεδομένα εκπαίδευσης, την αρχιτεκτονική μοντέλων και τις μεθόδους ευθυγράμμισης που εφαρμόζονται σε κάθε προγραμματιστή Τεχνητής Νοημοσύνης. Δεδομένου ότι τα γλωσσικά μοντέλα εκπαιδεύονται σε μεγάλα δεδομένα που καταγράφουν ανθρώπινες συζητήσεις και οικονομικές ιστορίες, ο τρόπος με τον οποίο τα νομισματικά συστήματα αναπαρίστανται στα δεδομένα εκπαίδευσης μπορεί να επηρεάσει την αξιολόγηση των νομισματικών συστημάτων από την Τεχνητή Νοημοσύνη.
Η αναδυόμενη οικονομία των πρακτόρων τεχνητής νοημοσύνης
Η έρευνα έρχεται σε ένα σημείο όπου τα συστήματα Τεχνητής Νοημοσύνης προγραμματίζονται ολοένα και περισσότερο να λειτουργούν ως αυτόνομοι παράγοντες που μπορούν να εκπληρώσουν οικονομικές λειτουργίες όπως η απόκτηση υπηρεσιών στο διαδίκτυο, η διαπραγμάτευση συμφωνιών ή ο χειρισμός κάτι που μπορεί να υπολογιστεί.
Ακόμη και ορισμένες πρώιμες πειραματικές πλατφόρμες επιτρέπουν σε πράκτορες τεχνητής νοημοσύνης να πραγματοποιούν συναλλαγές κρυπτονομισμάτων. Οι προγραμματιστές έχουν πλέον αρχίσει να δημιουργούν συστήματα που επιτρέπουν στα συστήματα τεχνητής νοημοσύνης να χρεώνουν υπολογιστική ισχύ, δεδομένα ή ηλεκτρονικές υπηρεσίες μέσω του Bitcoin Lightning Network, ενός επιπέδου γρήγορων πληρωμών που βασίζεται στο Bitcoin.
Οι υποστηρικτές πιστεύουν ότι τα ψηφιακά νομίσματα θα μπορούσαν να σχεδιαστούν καλύτερα για να υποστηρίξουν τις οικονομίες μηχανής προς μηχανή, καθώς είναι προγραμματιζόμενα, χωρίς σύνορα και διαθέσιμα μέσω API.
Μέσα σε αυτά τα περιβάλλοντα, οι πράκτορες της Τεχνητής Νοημοσύνης ενδέχεται να χρειάζονται νόμισμα, το οποίο μπορεί να μεταφερθεί σε όλο τον κόσμο των δικτύων χωρίς την τριβή των τραπεζικών συστημάτων, των αλλαγών συναλλάγματος ή των κανονισμών.
Συζήτηση για το τι πραγματικά σημαίνουν τα αποτελέσματα
Παρόλο που η έρευνα προσέλκυσε μεγάλο ενδιαφέρον, ερευνητές και αναλυτές προειδοποιούν ότι τα ευρήματα δεν μπορούν να χρησιμοποιηθούν ως σαφής πρόβλεψη για το μέλλον του χρήματος.
Οι συγγραφείς της έκθεσης επικεντρώθηκαν στο γεγονός ότι η αντίδραση των μοντέλων είναι ο τρόπος με τον οποίο τα συστήματα Τεχνητής Νοημοσύνης μπορούν να καταλήξουν σε συμπεράσματα σχετικά με τα οικονομικά χαρακτηριστικά χρησιμοποιώντας τα διαθέσιμα δεδομένα εκπαίδευσης, και όχι στον τρόπο με τον οποίο θα αναπτυχθεί η πραγματική αγορά. Επιπλέον, ο αριθμός των μοντέλων που συμμετείχαν στο πείραμα περιορίστηκε σε 36, γεγονός που παρέχει ευκαιρίες για επέκταση της έρευνας σε περισσότερα συστήματα και εναλλακτικές προσεγγίσεις.
Οι επικριτές ισχυρίζονται περαιτέρω ότι τα μεγάλα γλωσσικά μοντέλα δεν έχουν πραγματικές προτιμήσεις όπως αυτές αντιλαμβάνονται οι άνθρωποι. Αντίθετα, παράγουν αποτελέσματα σύμφωνα με τα στατιστικά πρότυπα στα οποία έχουν εκπαιδευτεί, δηλαδή, οι επιλογές τους είναι αποτέλεσμα τάσεων στα δεδομένα και όχι ανεξάρτητης οικονομικής ορθολογικότητας.
Ωστόσο, οι περισσότεροι παρατηρητές είναι της άποψης ότι η μελέτη υποδεικνύει μια αναπτυσσόμενη τάση, σύμφωνα με την οποία ο σχεδιασμός του χρήματος θα αλλάξει καθώς τα συστήματα τεχνητής νοημοσύνης αναλαμβάνουν πιο ενεργό ρόλο στις ψηφιακές οικονομίες.
Αποποίηση Eυθυνών
Σύμφωνα με το Οδηγίες του έργου Trust, σημειώστε ότι οι πληροφορίες που παρέχονται σε αυτήν τη σελίδα δεν προορίζονται και δεν πρέπει να ερμηνεύονται ως νομικές, φορολογικές, επενδυτικές, χρηματοοικονομικές ή οποιαδήποτε άλλη μορφή συμβουλής. Είναι σημαντικό να επενδύσετε μόνο ό,τι έχετε την πολυτέλεια να χάσετε και να αναζητήσετε ανεξάρτητες οικονομικές συμβουλές εάν έχετε οποιεσδήποτε αμφιβολίες. Για περισσότερες πληροφορίες, προτείνουμε να ανατρέξετε στους όρους και τις προϋποθέσεις, καθώς και στις σελίδες βοήθειας και υποστήριξης που παρέχονται από τον εκδότη ή τον διαφημιστή. MetaversePost δεσμεύεται για ακριβείς, αμερόληπτες αναφορές, αλλά οι συνθήκες της αγοράς υπόκεινται σε αλλαγές χωρίς προειδοποίηση.
Σχετικά με το Συγγραφέας
Alisa, αφοσιωμένη δημοσιογράφος στο MPost, ειδικεύεται σε κρυπτονομίσματα, τεχνητή νοημοσύνη, επενδύσεις και στον εκτεταμένο τομέα των Web3. Με έντονο μάτι για τις αναδυόμενες τάσεις και τεχνολογίες, παρέχει ολοκληρωμένη κάλυψη για την ενημέρωση και την εμπλοκή των αναγνωστών στο συνεχώς εξελισσόμενο τοπίο της ψηφιακής χρηματοδότησης.
Περισσότερα άρθρα
Alisa, αφοσιωμένη δημοσιογράφος στο MPost, ειδικεύεται σε κρυπτονομίσματα, τεχνητή νοημοσύνη, επενδύσεις και στον εκτεταμένο τομέα των Web3. Με έντονο μάτι για τις αναδυόμενες τάσεις και τεχνολογίες, παρέχει ολοκληρωμένη κάλυψη για την ενημέρωση και την εμπλοκή των αναγνωστών στο συνεχώς εξελισσόμενο τοπίο της ψηφιακής χρηματοδότησης.
