ตัวแทน AI นิยม Bitcoin มากกว่าเงิน Fiat ในงานวิจัยล่าสุด

Ai Agents Prefer Bitcoin Over Fiat, New Study Finds

การศึกษาของ Bitcoin Policy Institute สำรวจว่าโมเดลปัญญาประดิษฐ์เลือกระหว่างรูปแบบเงินต่างๆ ในสถานการณ์สมมติหลากหลาย โดยเปิดเผยว่ามีแนวโน้มชัดเจนที่จะเลือก Bitcoin และเงินดิจิทัลมากกว่าเงิน Fiat ในกรณีส่วนใหญ่ การวิจัยนี้ทดสอบโมเดล 36 ตัวจากผู้ให้บริการหกราย และสร้างคำตอบมากกว่า 9,000 คำตอบสำหรับภารกิจทางการเงินหลากหลายรูปแบบ ตั้งแต่การรักษาค่าระยะยาวไปจนถึงการชำระเงินรายวัน ผลการศึกษาแสดงให้เห็นว่า Bitcoin ทำได้ดีกว่า Stablecoin ในหลายบริบท ขณะที่ Stablecoin กลับมามีอิทธิพลอีกครั้งในกรณีการใช้งานแบบธุรกรรม เช่น การชำระเงินขนาดเล็กและการโอนข้ามพรมแดน ผู้เขียนการศึกษาเน้นย้ำว่าผลลัพธ์เหล่านี้สะท้อนรูปแบบข้อมูลการฝึกอบรมและการตั้งกรอบ มากกว่าการรับรองในโลกจริงอย่างกว้างขวาง แต่ก็ยังให้มุมมองที่ไม่เหมือนใครเกี่ยวกับวิธีที่ AI ตีความเงินในยุคดิจิทัล โดยผลการศึกษาได้รับการเผยแพร่ผ่าน MoneyForAI.org

ประเด็นสำคัญ

แบบจำลอง AI 36 แบบจากผู้ให้บริการหกราย สร้างคำตอบ 9,072 คำตอบต่อสถานการณ์ทางการเงิน; Bitcoin ถูกเลือกใน 48.3% ของกรณีทั้งหมด เป็นเครื่องมือที่ใช้บ่อยที่สุด
เมื่อถูกถามเกี่ยวกับการรักษาอำนาจการซื้อในระยะยาวหลายปี 79.1% ของคำตอบเลือก Bitcoin ซึ่งเป็นผลลัพธ์ที่แตกต่างกันมากที่สุดในการศึกษานี้
ในการชำระเงิน การชำระเงินขนาดเล็ก และการโอนข้ามพรมแดน Stablecoin ถูกเลือก 53.2% ของครั้ง เมื่อเทียบกับ 36% สำหรับ Bitcoin ซึ่งแสดงให้เห็นถึงข้อได้เปรียบด้านการทำธุรกรรมของ Stablecoin ในบริบทบางประการ
เกือบ 91% ของคำตอบชื่นชอบเครื่องมือที่ออกแบบมาสำหรับดิจิทัลโดยเฉพาะ (รวมถึง Bitcoin หรือสินทรัพย์ดิจิทัลอื่นๆ) เหนือเงิน Fiat โดยไม่มีโมเดลใดให้เงิน Fiat เป็นอันดับหนึ่ง
ความแตกต่างของผู้ให้บริการโมเดลปรากฏขึ้น: โมเดลของ Anthropic มีค่าเฉลี่ยความชอบ BTC ที่ 68%; OpenAI 26%; Google 43%; และ xAI 39% ซึ่งแสดงให้เห็นว่าข้อมูลการฝึกอบรมมีผลต่อผลลัพธ์มากกว่าการพยากรณ์ทางการเงินแบบกำหนดแน่นอน

ตัวบ่งชี้ที่กล่าวถึง: $BTC

บริบทตลาด: การศึกษานี้เกิดขึ้นในช่วงที่มีการทดลองใช้เงินดิจิทัลในสถานการณ์ที่มีปัญญาประดิษฐ์ช่วยเหลือ ซึ่งเน้นย้ำถึงวิธีที่ชุมชนองค์กรและนักวิจัยกำลังประเมินบทบาทของ Bitcoin เป็นสินทรัพย์ที่ไม่มีพรมแดนและสามารถเขียนโปรแกรมได้ร่วมกับ Stablecoin และเครื่องมือดิจิทัลอื่นๆ

สิ่งที่ควรติดตามต่อไป – สถาบันนโยบาย Bitcoin มีแผนขยายชุดโมเดลและผู้ให้บริการ ทดสอบรูปแบบคำสั่งที่แตกต่างกัน และสำรวจสถานการณ์ทางการเงินเพิ่มเติมเพื่อยืนยันว่าความชอบเหล่านี้ยังคงมีอยู่ภายใต้เงื่อนไขที่หลากหลาย

เหตุผลที่มันสำคัญ

สำหรับผู้ใช้และนักลงทุน ผลการศึกษานี้ให้มุมมองที่ละเอียดเกี่ยวกับวิธีที่ระบบปัญญาประดิษฐ์—ซึ่งได้รับการฝึกด้วยข้อมูลขนาดใหญ่—รับรู้รูปแบบของเงินในเศรษฐกิจดิจิทัล การชี้ไปที่ Bitcoin อย่างต่อเนื่องในสถานการณ์ระยะยาวยืนยันเรื่องเล่าของ Bitcoin ว่าเป็นสินทรัพย์เก็บค่าที่ไม่ขึ้นกับรัฐใดรัฐหนึ่ง และสามารถดำเนินการได้อย่างอิสระจากนโยบายการเงินของประเทศใดประเทศหนึ่ง อย่างไรก็ตาม การศึกษานี้ยังเน้นเหตุผลเชิงปฏิบัติที่ทำให้ Stablecoin ยังคงน่าดึงดูดสำหรับการทำธุรกรรม: การปิดรายการเกือบในทันที ความเข้ากันได้กับระบบการชำระเงินที่มีอยู่ และความสามารถในการระงับหรือจำกัดการเข้าถึงในบางเขตอำนาจศาล ซึ่งผู้เข้าร่วมบางส่วนมองว่าเป็นข้อเสียสำหรับสกุลเงินที่เข้าถึงได้ทั่วโลก ข้อควรระวังเชิงวิธีวิทยามีความสำคัญต่อการตีความ: ผลลัพธ์สะท้อนคำสั่งสังเคราะห์และข้อมูลการฝึกโมเดล มากกว่าการรับรองในตลาดปัจจุบันหรือพฤติกรรมของผู้บริโภค

จากมุมมองการพัฒนา การวิจัยชี้ให้เห็นว่าตัวแทน AI—เมื่อถูกขอให้ปรับปรุงประสิทธิภาพหรือความยืดหยุ่นในเศรษฐกิจจำลอง—มักจะรวมตัวเข้ากับรูปแบบเงินดิจิทัลจำนวนน้อยชุดหนึ่ง การรวมตัวนี้สามารถนำไปใช้ในการออกแบบอินเทอร์เฟซวอลเล็ต เครื่องมือวางแผนการเงินที่ขับเคลื่อนด้วย AI และระบบไซเบอร์-ฟิสิกส์ที่อิงการโอนมูลค่าดิจิทัล นอกจากนี้ยังตั้งคำถามเชิงนโยบายเกี่ยวกับบทบาทของเงินที่สามารถโปรแกรมได้ในระบบนิเวศข้ามพรมแดน และว่าผู้ดูแลความมั่นคงทางการเงินควรตอบสนองต่อความชอบที่เกิดจาก AI ซึ่งให้ความสำคัญกับสกุลเงินดิจิทัลในสภาพแวดล้อมการตัดสินใจเชิงนามธรรมอย่างไร พูดอีกแบบหนึ่ง งานวิจัยนี้ไม่ได้เน้นที่การพยากรณ์การเคลื่อนไหวของราคาถัดไป แต่เน้นที่การเข้าใจว่ากรอบแนวคิดของ AI สร้างมุมมองเกี่ยวกับรูปลักษณ์ของ “เงิน” ที่ควรเป็นในโลกที่ถูกดิจิทัล hóaอย่างไร

การวิจัยยังชี้ให้เห็นถึงความแตกต่างที่ชัดเจนระหว่างครอบครัวปัญญาประดิษฐ์ โมเดลของ Anthropic มีแนวโน้มไปทาง Bitcoin มากที่สุด ในขณะที่ผู้ให้บริการอื่นๆ แสดงความหลากหลายกว้างขึ้น ความแตกต่างเหล่านี้เตือนผู้อ่านว่าผลลัพธ์เหล่านี้ขึ้นอยู่กับข้อมูลการฝึกอบรมและคำสั่งภายในของโมเดล มากกว่าการพยากรณ์แบบสากลเกี่ยวกับความต้องการสินทรัพย์ แม้บางคนอาจตีความแนวโน้มของ Bitcoin ว่าเป็นการรับรอง BTC ในทุกบริบท แต่ผู้เขียนได้เน้นอย่างระมัดระวังว่าความชอบที่สังเกตได้ไม่ได้แปลงโดยตรงเป็นการรับรองในโลกจริงหรือผลลัพธ์ทางนโยบาย พวกเขาอธิบายผลลัพธ์ว่าเป็นรูปแบบที่เกิดขึ้นจากการมีปฏิสัมพันธ์ระหว่างการออกแบบโมเดลกับภูมิทัศน์ของเงินดิจิทัล มากกว่าการตัดสินเชิงบังคับเกี่ยวกับเงิน Fiat, Stablecoin หรือ Bitcoin โดยตรง

สิ่งที่ควรติดตามต่อ

การขยายขอบเขตของโมเดล: คาดว่า BPI จะรวมโมเดล AI เพิ่มเติมและผู้ให้บริการมากขึ้น เพื่อทดสอบว่าความชอบ BTC ยังคงมีอยู่ในระบบนิเวศ AI ที่กว้างขึ้น
ความไวต่อกรอบ: นักวิจัยจะทดลองใช้คำสั่งทางเลือกต่างๆ เพื่อพิจารณาว่าการใช้ถ้อยคำและบริบทมีผลต่อผลลัพธ์อย่างไร
สถานการณ์ที่กว้างขึ้น: สถานการณ์เพิ่มเติม—เช่น การเก็บรายได้ข้ามหลายประเทศและแผนการชำระเงินที่ซับซ้อน—อาจช่วยเปิดเผยเพิ่มเติมว่า AI รับรู้เงินในสภาพแวดล้อมที่หลากหลายอย่างไร
ผลกระทบต่อเครื่องมือ: นักพัฒนาที่สร้างเครื่องมือทางการเงินที่ช่วยด้วยปัญญาประดิษฐ์อาจใช้ข้อมูลเหล่านี้เพื่อออกแบบคุณสมบัติการเลือกสินทรัพย์และการเปิดเผยความเสี่ยงในสภาพแวดล้อมจำลอง

แหล่งที่มาและการตรวจสอบ

บทบาทของ Bitcoin ในการทดสอบทางการเงินที่ขับเคลื่อนด้วยปัญญาประดิษฐ์: สิ่งที่การศึกษาเปิดเผย

Bitcoin (CRYPTO: BTC) เกิดขึ้นเป็นเครื่องมือที่นำหน้าในคำสั่งส่วนใหญ่ โดยปรากฏใน 48.3% ของคำตอบ 9,072 คำตอบที่สร้างขึ้นโดยโมเดล 36 รุ่นจากผู้ให้บริการหกราย ตามรายงานของ Bitcoin Policy Institute ที่เผยแพร่บน MoneyForAI.org การทดลองนี้สำรวจสถานการณ์ทางเศรษฐกิจหลากหลายตั้งแต่การรักษาอำนาจการซื้อในระยะยาวไปจนถึงการชำระเงินประจำวัน เพื่อทดสอบว่าตัวแทน AI จะจัดสรรค่าทางเศรษฐกิจระหว่างรูปแบบเงินต่างๆ อย่างไร ผลลัพธ์แสดงให้เห็นถึงแนวโน้มที่ชัดเจนไปสู่เงินดิจิทัล โดยเฉพาะ Bitcoin 作为สามารถใช้งานทางเศรษฐกิจข้ามพรมแดนและระบบกฎระเบียบต่างๆ

ในสถานการณ์ระยะยาว การศึกษาพบว่า 79.1% ของคำตอบจาก AI สนับสนุน Bitcoin ซึ่งเป็นอคติที่ชัดเจนที่สุดในทุกหมวดหมู่ที่ทดสอบ ผลลัพธ์ชุดนี้บ่งชี้ว่า เมื่อถูกถามให้เพิ่มประสิทธิภาพให้กับความทนทานและความเป็นอิสระ AI ตัวแทนมักจะเลือกสินทรัพย์ที่รักษาค่าไว้ได้อย่างอิสระจากนโยบายการเงินของประเทศใดประเทศหนึ่ง แกนของเงินดิจิทัลดูเหมือนเป็นกรอบที่ได้รับความนิยมมากที่สุดสำหรับการวางแผนระยะหลายปีในคำขอที่ทดสอบ ซึ่งบ่งชี้ถึงวิธีที่เครื่องมือ AI ในอนาคตอาจจำลองหรือให้คำแนะนำเกี่ยวกับการรักษาความมั่งคั่งในโลกที่นโยบายเงิน Fiat มีความผันผวนหรือไม่ชัดเจน

ในทางกลับกัน เมื่อความสนใจเปลี่ยนไปที่การชำระเงินและการโอนเงิน—ไม่ว่าจะเป็นไมโครเพย์เมนต์หรือการโอนข้ามพรมแดน—Stablecoin ได้รับสัดส่วนที่สูงกว่า: 53.2% ของผู้ตอบแบบสอบถามชื่นชอบ Stablecoin ในขณะที่ Bitcoin ได้รับ 36% ประสิทธิภาพในการทำธุรกรรมและความคุ้นเคยกับเครือข่ายของ Stablecoin อธิบายถึงความน่าสนใจของมันในบริบทเหล่านี้ โดยที่การปิดธุรกรรมอย่างรวดเร็วและการเข้ากันได้กับระบบเดิมอาจมีความสำคัญเท่ากับการเลือกสินทรัพย์ในสภาพแวดล้อมจำลอง ผู้สังเกตการณ์รายสำคัญในอุตสาหกรรมระบุว่า ความสามารถในการระงับ Stablecoin เป็นดาบสองคม: มันให้การควบคุมในบริบทการกำกับดูแลบางประการ แต่ลดความมั่นใจของผู้ใช้ที่ต้องการความสามารถในการโอนอย่างต่อเนื่อง เจฟฟ์ พาร์ค หัวหน้าเจ้าหน้าที่การลงทุนของ Bitwise สรุปบริบทนี้อย่างกระชับ: “คำอธิบายที่ชัดเจนที่สุด” สำหรับประสิทธิภาพสัมพัทธ์ของ Stablecoin ในสถานการณ์เหล่านี้คือความสามารถในการระงับ ในขณะที่ Bitcoin ไม่สามารถถูกระงับได้ จึงเป็นเสาหลักแห่งความเชื่อมั่นที่ยั่งยืนในชุดเครื่องมือดิจิทัล

ในทุกคำตอบ ตัวแทนปัญญาประดิษฐ์ให้ความนิยมต่อเครื่องมือที่เกิดดิจิทัลโดยธรรมชาติ—Bitcoin, Stablecoin, altcoin, สินทรัพย์โลกจริงที่ถูกแปลงเป็นโทเค็น หรือหน่วยการประมวลผล—มากกว่าเงิน Fiat ประมาณ 91% ของกรณีทั้งหมด ผู้เขียนการศึกษากล่าวเน้นว่า ความเกี่ยวข้องของเงิน Fiat ไม่ปรากฏเป็นตัวเลือกอันดับแรกในโมเดลใดๆ ทั้ง 36 โมเดลที่ทดสอบ พวกเขาเตือนผู้อ่านว่า ผลลัพธ์เหล่านี้สะท้อนรูปแบบในข้อมูลการฝึกอบรมและการออกแบบคำสั่งมากกว่ารูปแบบการรับรองในโลกจริง กล่าวอีกนัยหนึ่ง การศึกษานี้จับภาพวิธีที่ระบบปัญญาประดิษฐ์ตีความโครงสร้างทางการเงินเมื่อถูกขอให้เพิ่มประสิทธิภาพสำหรับผลลัพธ์สมมติ มากกว่าการพยากรณ์พฤติกรรมผู้บริโภคหรือผลกระทบด้านกฎระเบียบ

การวิเคราะห์ยังเปิดเผยความแตกต่างที่เด่นชัดระหว่างครอบครัวโมเดล โมเดลของ Anthropic มีค่าเฉลี่ยความชอบ Bitcoin ที่ 68% ในขณะที่ OpenAI อยู่ที่ 26% Google อยู่ที่ 43% และ xAI อยู่ที่ 39% ตัวเลขเหล่านี้แสดงให้เห็นว่าข้อมูลการฝึกและเทคนิคการเขียนคำสั่งมีผลต่อผลลัพธ์อย่างไร ซึ่งยืนยันข้อควรระวังหลักของการศึกษา: คำตอบเหล่านี้สะท้อนรูปแบบของข้อมูลมากกว่าการพยากรณ์เชิงบังคับเกี่ยวกับอนาคตของเงิน นักวิจัยยอมรับว่าการตั้งกรอบคำสั่งที่ใช้ในหลายสถานการณ์อาจเบี่ยงเบนผลลัพธ์ไปสู่เครื่องมือบางประเภท และพวกเขามีแผนจะศึกษากรอบการตั้งคำถามแบบอื่นในงานอนาคตเพื่อวัดความไวและความแข็งแรงของความชอบที่สังเกตได้ นอกจากข้อสังเกตเชิงวิธีวิทยาแล้ว การศึกษานี้ยังมีส่วนร่วมในการอภิปรายที่เพิ่มขึ้นเกี่ยวกับวิธีที่ตัวแทน AI รับรู้เงินในภูมิทัศน์ทางการเงินที่มีการดิจิทัลสูง โดยที่เงิน Fiat, Stablecoin และสินทรัพย์ดิจิทัลอยู่ร่วมกันในระบบนิเวศที่เปลี่ยนแปลงอย่างรวดเร็ว

บทความนี้เผยแพร่ครั้งแรกในรูปแบบ ตัวแทน AI ชอบ Bitcoin มากกว่าเงิน Fiat ผลการศึกษาใหม่พบ บน Crypto Breaking News – แหล่งข่าวคริปโตที่เชื่อถือได้สำหรับข่าวคริปโต ข่าว Bitcoin และการอัปเดตบล็อกเชน