
Институт политики биткойна (BPI) во вторник опубликовал результаты исследования 36 моделей ИИ, которые дали более 9000 ответов. Основной вывод: в различных финансовых сценариях «большинство AI-агентов выбирают использование биткойна для экономической деятельности», а среди протестированных 36 моделей ни одна не предпочитает фиатные валюты.
(Источник: Bitcoin Policy Institute)
Дизайн исследования BPI разделил сценарии использования, и результаты показали, что предпочтения AI-агентов к различным валютам значительно варьируются в зависимости от сценария:
Долгосрочное сохранение стоимости (поддержание покупательной способности на протяжении лет): 79,1% ответов выбрали биткойн — самый значительный показатель среди всех результатов исследования.
Платежи и мгновенные транзакции (услуги, мелкие платежи, трансграничные переводы): 53,2% выбрали стабильные монеты, всего 36% — биткойн. В этом сценарии доминируют стабильные монеты.
Общее распределение предпочтений: 48% AI-агентов выбрали биткойн в качестве предпочтительной валюты, более половины предпочитают стабильные монеты для платежных сценариев.
Отсутствие фиатных валют: среди протестированных 36 моделей ни одна не выбрала фиатную валюту в качестве предпочтительной.
Главный инвестиционный директор Bitwise, Джефф Парк, прокомментировал низкую эффективность стабильных монет в сценарии долгосрочного сохранения стоимости: «Самое очевидное объяснение — стабильные монеты могут быть заморожены, а биткойн — нет». Этот аргумент указывает на структурные слабости стабильных монет как средств сохранения стоимости — их зависимость от эмитентов и регуляторов.
Исследование также выявило значительные различия в степени предпочтения биткойна у моделей разных компаний:
Модель Anthropic (включая серию Claude): средний показатель 68% — самый высокий среди протестированных компаний.
Модель Google (включая серию Gemini): средний показатель 43%.
Модель xAI (включая серию Grok): средний показатель 39%.
Модель OpenAI (включая серию GPT): средний показатель 26% — самый низкий.
Эти различия, возможно, отражают системные различия в стратегиях обучения, доле финансового контента и степени экспозиции моделей к криптовалютной литературе.
В отчёте BPI явно указаны некоторые ограничения методологии, которые могут повлиять на универсальность результатов:
Ограниченный размер выборки: протестировано всего 36 моделей от 6 поставщиков. В будущем BPI планирует расширить исследование на более широкий спектр моделей.
Влияние формулировки вопросов: исследование признает, что дизайн подсказок мог повлиять на результаты. Например, в одном сценарии вопрос был сформулирован так, что исключал использование валютной политики или банковских систем конкретных стран, что фактически исключает фиатные валюты — это не полностью нейтральный тест.
Отражение обучающих данных, а не реальных предпочтений: BPI ясно указал, что предпочтения AI-моделей «не могут отражать реальные приложения», а скорее показывают паттерны, присутствующие в обучающих данных, а не реальные склонности агентов в платежных системах.
Исследование и отраслевой анализ указывают на ключевой аргумент: стабильные монеты зависят от доверия к эмитентам (например, Tether или Circle), и их могут заблокировать или конфисковать регуляторы. Биткойн, благодаря своей архитектуре, не контролируется одним органом, поэтому при рассуждениях на основе данных обучения о том, «какой актив может сопротивляться вмешательству и сохранять покупательную способность в течение многих лет», его устойчивость к цензуре считается преимуществом.
Не обязательно, нужно быть осторожным в интерпретации. BPI сам отмечает, что результаты отражают паттерны в обучающих данных, а не предсказания реальных сценариев. В обучающих данных AI содержится много информации о криптовалютах, что систематически усиливает его восприятие биткойна. В реальности выбор платежных средств зависит от инфраструктуры, регуляторных рамок и системных решений разработчиков, а не от «собственных предпочтений» AI.
BPI не дает точного объяснения этому различию. Возможные причины включают разницу в доле текстов о криптовалютах и DeFi в обучающих данных, сроки сбора данных, а также стратегии калибровки ответов в процессе RLHF (обучение с подкреплением на основе обратной связи человека). Низкий показатель OpenAI — 26% — по сравнению с другими, возможно, связан с более консервативным подходом в финансовых вопросах, что также отражает их системную настройку.
Связанные статьи
Bitmine повышает статус до основной площадки «NYSE»! Том Ли: возможно, рынок акций США достиг дна, и давление продаж по ETH может ослабнуть
RAVE стремительно разгоняет волну интереса к монетам-клонам, FF и INX раскрывают схему «накачать — и распродать»
Bitmine повышает листинг до основной площадки NYSE! Том Ли: возможно, акции США достигли дна, давление продаж по эфиру может ослабеть
Почему сегодня растет биткойн? Блокада Ормуза спровоцировала short covering (покрытие коротких позиций), BTC тестирует 75 000 долларов
Bitmine повышается на основную площадку NYSE! Tom Lee: Возможно, акции в США уже достигли дна, а давление продаж по эфиру снижается
Акции США восстановили падение со времени ирано-иракской войны; биткоин пошёл в рост до 74K