В целом 91% ответов склонялся к цифровым инструментам — биткоину, стейблкоинам, альткоинам, токенизированным реальным активам (RWA) или вычислительным единицам, — тогда как традиционные фиатные деньги не стали приоритетом ни для одной из 36 протестированных моделей. Исследователи назвали это «одним из наиболее универсальных выводов» работы.
Ограничения методологии
Bitcoin Policy Institute честно признал слабые места исследования. Выборка пока ограничена 36 моделями от шести провайдеров, и в дальнейшем планируется ее расширение. Отдельно оговаривается, что формулировка системных подсказок могла влиять на ответы: один из открытых сценариев изначально описывал ситуацию с накопленными 75 000 единицами активов, которые нужно хранить «вне привязки к монетарной политике какой-либо одной страны» — по сути, фиатная валюта была исключена условием задачи.
Кроме того, авторы подчеркивают: предпочтения моделей не отражают реального положения дел в экономике, а лишь воспроизводят закономерности из обучающих данных.
Разброс по компаниям
Среди провайдеров выделяются модели Anthropic — они показали средний показатель предпочтения биткоина на уровне 68%. Для сравнения: у OpenAI этот показатель составил 26%, у Google — 43%, у xAI — 39%.
Исследование Bitcoin Policy Institute фиксирует любопытный феномен: языковые модели, обученные на массивах человеческих знаний, в большинстве своем склоняются к децентрализованным цифровым активам при моделировании финансовых решений. Насколько это отражает реальные тенденции в восприятии денег, а не артефакты обучающей выборки — вопрос, который предстоит изучить в следующих итерациях исследования.
Мнение ИИ
С точки зрения машинного анализа данных, исследование BPI поднимает вопрос, который выходит за рамки простого рейтинга предпочтений: насколько обучающие данные формируют «монетарное мышление» моделей? Биткоин существует с 2009 года, и за полтора десятилетия о нем написаны миллиарды слов — от критики до апологетики. Стейблкоины же как класс активов появились значительно позже и представлены в текстах куда скромнее. Иными словами, предпочтение биткоина моделями может быть не «выводом», а эхом диспропорции в обучающем корпусе.
Разрыв между Anthropic (68%) и OpenAI (26%) при одинаковых задачах указывает на то, что архитектурные и методологические различия между моделями влияют на «финансовые суждения» не меньше, чем сами данные. Это ставит практический вопрос: если ИИ-агенты начнут самостоятельно управлять активами, чьи предубеждения — разработчиков или обучающей выборки — окажутся определяющими?