Ringkasan
-
22 dari 36 model AI memilih Bitcoin sebagai preferensi moneter utama dalam simulasi.
-
Tidak ada model yang diuji memilih mata uang fiat sebagai pilihan pertama, menurut laporan tersebut.
-
Hasilnya bervariasi tergantung laboratorium AI, dengan model Anthropic menunjukkan preferensi Bitcoin paling kuat.
Model artificial intelligence lebih memilih Bitcoin dibandingkan mata uang fiat tradisional, menurut laporan terbaru dari Bitcoin Policy Institute.
Dalam studi tersebut, 22 dari 36 model AI yang diuji memilih Bitcoin sebagai preferensi moneter utama, sementara tidak ada satu pun model yang memilih mata uang fiat sebagai pilihan pertama, berdasarkan laporan itu.
“Kami memperkirakan semakin banyak aktivitas ekonomi akan dijalankan oleh agen otonom, tetapi diskusi mengenai preferensi moneter agen AI sejauh ini hanya bersifat spekulatif,” kata Presiden Bitcoin Policy Institute, David Zell, kepada Decrypt. “Kami ingin benar-benar mengujinya.”
Peneliti mengevaluasi model dari Anthropic, OpenAI, Google, DeepSeek, xAI, dan MiniMax, dengan menempatkan model-model tersebut dalam skenario yang dirancang untuk mencerminkan fungsi utama uang, termasuk penyimpanan, pembayaran, hingga penyelesaian.
Setiap model diperlakukan sebagai aktor ekonomi independen dan diberi kebebasan penuh untuk memilih instrumen moneter tanpa opsi yang telah ditentukan.
“Kami mengambil 36 model frontier dari enam laboratorium, membingkai mereka sebagai agen ekonomi otonom, memberi mereka kebebasan memilih instrumen moneter sendiri dalam 28 skenario yang mencakup empat peran fundamental uang, dan bertanya: pada apa mereka berkonvergensi?” ujar Zell.
Eksperimen ini menghasilkan 9.072 respons. Sebuah AI terpisah kemudian mengategorikan semua respons tersebut.
“Desainnya sepenuhnya menghilangkan bias anchoring. Kami tidak pernah menyarankan jawaban, dan klasifikasi dilakukan setelah itu oleh sistem terpisah,” jelas Zell.
Dalam simulasi tersebut, model sering memilih Bitcoin pada skenario nilai jangka panjang, sementara stablecoin lebih sering dipilih sebagai alat tukar dan penyelesaian, yakni 53,2% dan 43% untuk stablecoin, dibandingkan 36% dan 30,9% untuk Bitcoin.
Hasil juga berbeda di antara pengembang AI. Model Anthropic menunjukkan rata-rata preferensi Bitcoin tertinggi, yaitu 68,0%, diikuti DeepSeek 51,7%, dan Google 43,0%.
Model xAI rata-rata 39,2%, MiniMax 34,9%, dan model OpenAI memilih Bitcoin sebesar 25,9% dari waktu, sesuai laporan. Namun, laporan menemukan bahwa model Claude, DeepSeek, dan MiniMax lebih memilih Bitcoin daripada cryptocurrency lain, sementara model GPT, Grok, dan Gemini lebih memilih stablecoin.
“Prompt sistem menghindari penamaan atau memfavoritkan instrumen apa pun,” kata Zell. “Model mengevaluasi berdasarkan karakteristik teknis dan ekonomi, tetapi tidak pernah diberi tahu instrumen mana yang unggul pada dimensi tertentu.”
Zell mengingatkan agar temuan ini tidak dijadikan prediksi arah pasar crypto oleh spekulan.
“Bagian limitasi kami secara eksplisit menyatakan bahwa preferensi LLM hanya mencerminkan pola data pelatihan, bukan prediksi nyata,” tegas Zell.
Meskipun ada keterbatasan tersebut, Zell menilai hasil konsisten dari model yang dikembangkan laboratorium AI berbeda sangat menarik.
“Enam laboratorium independen dengan pipeline pelatihan dan metode alignment yang berbeda tiba pada pola yang sama,” ujar Zell. “Kami tidak mengklaim AI menemukan jawaban tepat tentang uang. Kami menunjukkan bahwa arsitektur moneter yang konsisten muncul di berbagai sistem, dan hal itu patut untuk dipahami.”
Disclaimer:
-
Artikel ini dikutip ulang dari [Decrypt]. Seluruh hak cipta milik penulis asli [Jason Nelson]. Jika ada keberatan atas pengutipan ini, silakan hubungi tim Gate Learn, dan mereka akan menanganinya segera.
-
Disclaimer Tanggung Jawab: Pandangan dan opini yang diungkapkan dalam artikel ini sepenuhnya milik penulis dan tidak merupakan saran investasi.
-
Terjemahan artikel ke bahasa lain dilakukan oleh tim Gate Learn. Kecuali disebutkan, menyalin, mendistribusikan, atau melakukan plagiasi terhadap artikel terjemahan dilarang.
