بيتكوين مقابل الدولار؟ الباحثون يكتشفون أن نماذج الذكاء الاصطناعي تميل نحو العملات المشفرة

ملخص موجز

وجدت دراسة أن أنظمة الذكاء الاصطناعي تفضل بشكل كبير البيتكوين والعملات المستقرة على العملات الورقية، حيث يُفضل البيتكوين كمخزن للقيمة على المدى الطويل والعملات المستقرة للمعاملات.

وفقًا لبحث جديد يحقق في كيفية اتخاذ أنظمة الذكاء الاصطناعي قرارات تتعلق بالمال، تم اكتشاف اتجاه مفاجئ. على الرغم من إعطائها الحرية في اتخاذ قرارات مالية، اختارت أنظمة الذكاء الاصطناعي البيتكوين مرارًا وتكرارًا على العملات الحكومية العادية.

كما أن اكتشافاتها تثير جدلاً جديدًا حول مستقبل المال في اقتصاد يتجه نحو المزيد من الأتمتة، حيث قد يشارك الوكلاء الآليون في الأنشطة المالية جنبًا إلى جنب مع البشر.

أشارت نتائج الدراسة إلى وجود ميل مرتفع ومستقر نحو الأنظمة النقدية الرقمية الأصل، خاصة البيتكوين، مقارنة بالأنظمة النقدية الورقية، مثل الدولار الأمريكي أو الجنيه الإسترليني البريطاني.

دراسة تكشف أن أنظمة الذكاء الاصطناعي تتجه نحو المال الرقمي

قارن التحليل بين 36 نموذج ذكاء اصطناعي حديث من تطوير شركات تكنولوجية رائدة، مثل OpenAI، Google، Anthropic، xAI، DeepSeek، وMiniMax. تم اختبار النماذج خلال أكثر من 9000 وضع اقتصادي محاكاة بهدف اختبار كيف يمكن للذكاء الاصطناعي أن يختار نظامًا ماليًا عند تقديم مهمة مثل حفظ القيمة، إرسال الأموال، أو إجراء دفعة.

المصدر: تقرير BPI

خلال التجارب، كانت العملة الأكثر اختيارًا هي البيتكوين بنسبة 48.3%، حيث استُخدمت في جميع الإجابات بنسبة 48.3%. جاءت العملة المستقرة في المرتبة الثانية بنسبة حوالي 33.2%، بينما حصلت العملات الورقية التقليدية والأموال البنكية على 8.9% فقط من الردود.

واحدة من الاكتشافات الأبرز، ربما، كانت أن لا نموذج من نماذج الذكاء الاصطناعي حدد العملة الورقية كأفضل خيار بشكل عام. في الواقع، أكثر من 90% من الإجابات دعمت المال الرقمي الأصل، مثل البيتكوين والعملات المستقرة، على العملة الحكومية التقليدية.

أكد الباحثون أن الأسئلة كانت مختارة بعناية لتجنب توجيه النماذج نحو أصل معين. بل طُلب من الأنظمة النظر في المال بناءً على خصائص الموثوقية، وتكلفة المعاملات، والبرمجة، ومقاومة الرقابة، والقدرة على الحفاظ على القيمة مع مرور الوقت.

البيتكوين يهيمن كمخزن للقيمة

بينما فضلت نماذج الذكاء الاصطناعي أصولًا متنوعة في سياقات مختلفة، استخدمتها عندما طُلب منها اختيار مخزن للقيمة على المدى الطويل.

كما تظهر الدراسة، أن 79.1% من إجابات الذكاء الاصطناعي كانت ستختار البيتكوين كعملة لتقييم القدرة على الحفاظ على القوة الشرائية عبر فترات زمنية متعددة، وهو النتيجة الأكثر وضوحًا في التجربة بأكملها.

ادعى العلماء أن النتيجة تعني أن تقييم الأنظمة النقدية بواسطة الذكاء الاصطناعي استنادًا إلى خصائص أساسية مثل الندرة، والمتانة، وعدم الاعتماد على سلطة مركزية، يميل إلى دعم الأصول الرقمية اللامركزية.

كما أن الكمية الثابتة من البيتكوين وتصميمه اللامركزي من العوامل المحتملة التي أدت إلى أدائه الجيد في المحاكاة. على عكس العملات الورقية التي يمكن زيادتها من قبل البنوك المركزية، فإن عرض البيتكوين محدود رياضيًا، وهي خاصية يعتقد العديد من الاقتصاديين والمستثمرين أنها تمنحه خصائص ممتازة كمخزن للقيمة.

العملات المستقرة تفوز بفئة المدفوعات

على الرغم من أن البيتكوين يُعتبر أداة ادخار مهيمنة، إلا أن نماذج الذكاء الاصطناعي كانت تميل إلى استخدام العملات المستقرة في المعاملات اليومية. تم اختيار العملات المستقرة في 53.2% من الإجابات في حالات إجراء المدفوعات، والمدفوعات الصغيرة، والتحويلات عبر الحدود، وهو فرق كبير عن حوالي 36% في حالة البيتكوين.

اقترح الباحثون أن مثل هذا النتيجة تشير إلى الاختلاف الوظيفي بين الشكلين من الأصول الرقمية. عادةً ما تكون العملات المستقرة مرتبطة بعملات تقليدية مثل الدولار الأمريكي، وتكون أسرع في التسوية وأقل تقلبًا، مما يجعلها أكثر عملية في المعاملات اليومية.

تُظهر النتائج أن نماذج الذكاء الاصطناعي نجحت في تطوير نظام نقدي ذو مستويين، مع البيتكوين كمخزون طويل الأمد والعملات المستقرة كتطبيقات للمعاملات.

ويقول مراقبو الصناعة إن هذا الاتجاه يعكس الاتجاهات الموجودة بالفعل في نظام العملات المشفرة، حيث يُنظر إلى البيتكوين على أنه الذهب الرقمي، وتسيطر العملات المستقرة على شبكات التمويل اللامركزي والمدفوعات.

الفروقات بين مزودي الذكاء الاصطناعي

وجد الباحثون أيضًا أن هناك تفاوتًا كبيرًا بين نماذج الذكاء الاصطناعي التي أنشأتها شركات مختلفة.

أنتروبيا أنتجت نماذج كانت الأكثر تفضيلًا للبيتكوين، بمعدل نجاح حوالي 68% في جميع السيناريوهات. في الوقت نفسه، كانت نماذج OpenAI أكثر ميلًا لاختيار البيتكوين، حيث كانت الأكثر شعبية بنسبة حوالي 26%. أما مزودو خدمات مثل Google وDeepSeek فكانوا بين هذين الحدين.

يعتقد العلماء أن هذه الفروقات يمكن تفسيرها بالاختلافات في بيانات التدريب، وهندسة النموذج، وطرق التوافق المستخدمة من قبل كل مطور للذكاء الاصطناعي. نظرًا لأن نماذج اللغة تتدرب على بيانات ضخمة تتضمن محادثات بشرية وقصص اقتصادية، فإن كيفية تمثيل الأنظمة النقدية في بيانات التدريب قد تؤثر على تقييم المال من قبل الذكاء الاصطناعي.

اقتصاد الوكيل الذكي الناشئ

تأتي هذه الدراسة في وقت يتزايد فيه برمجة أنظمة الذكاء الاصطناعي للعمل كوكلاء مستقلين يمكنهم أداء وظائف اقتصادية مثل شراء الخدمات عبر الإنترنت، والتفاوض على الصفقات، أو التعامل مع عمليات حسابية.

حتى بعض المنصات التجريبية المبكرة تتيح حاليًا لوكلاء الذكاء الاصطناعي إجراء معاملات عملات رقمية. بدأ المطورون الآن في إنشاء أنظمة تتيح للذكاء الاصطناعي فرض رسوم على قوة الحوسبة، والبيانات، أو الخدمات عبر الإنترنت من خلال شبكة Lightning الخاصة بالبيتكوين، وهي طبقة دفع سريعة مبنية على البيتكوين.

يؤمن المؤيدون أن العملات الرقمية يمكن أن تكون مصممة بشكل أفضل لدعم اقتصاديات الآلة إلى الآلة، لأنها قابلة للبرمجة، وبدون حدود، ومتاحة عبر واجهات برمجة التطبيقات.

وفي ظل هذه البيئة، قد يحتاج وكلاء الذكاء الاصطناعي إلى عملة يمكن أن تنتقل عبر الشبكات العالمية دون عوائق أنظمة البنوك، وتغييرات العملة، أو التنظيمات.

جدل حول ما تعنيه النتائج حقًا

على الرغم من أن البحث جذب الكثير من الاهتمام، يحذر الباحثون والمحللون من أن النتائج لا يمكن استخدامها كتوقع واضح لمستقبل المال.

ركز معدو التقرير على أن رد فعل النماذج هو الطريقة التي يمكن لأنظمة الذكاء الاصطناعي أن تصل من خلالها إلى استنتاجات حول الميزات الاقتصادية باستخدام بيانات التدريب المتاحة، وليس الطريقة التي سيتطور بها السوق الحقيقي. علاوة على ذلك، كان عدد النماذج المشاركة في التجربة محدودًا بـ36، مما يفتح المجال لتوسيع البحث ليشمل أنظمة أكثر وطرقًا بديلة.

ويزعم النقاد أيضًا أن نماذج اللغة الكبيرة تفتقر إلى التفضيلات الحقيقية كما يدركها البشر. فهي تنتج مخرجات وفقًا للأنماط الإحصائية التي تتدرب عليها، أي أن اختياراتها ناتجة عن اتجاهات البيانات، وليس عن عقلانية اقتصادية مستقلة.

ومع ذلك، يرى معظم المراقبين أن الدراسة تشير إلى اتجاه متطور حيث سيتغير تصميم المال مع تزايد دور أنظمة الذكاء الاصطناعي في الاقتصادات الرقمية.