عوامل هوش مصنوعی در بازارهای پیش بینی

در سال ۲۰۰۴، جیمز سوروویکی، که در نیویورکر به عنوان یک ستون نویس تجاری کار می کرد، مفهوم “خرد جمعیت” را در کتاب خود با همین عنوان رایج کرد. از آن زمان تاکنون، مطالعات متعددی تأثیر عملکرد بهتر جمعیت بزرگ نسبت به افراد یا گروه‌های کوچکتر را بررسی کرده‌اند.

یک مطالعه در سال ۲۰۱۴ که در مجله اقتصاد کسب و کار منتشر شد، نشان داد که نتایج سرمایه گذاری سالانه ۰٫۵۹ درصد بهتر از مشاوره اینترنتی نسبت به کارگزاران و تحلیلگران حرفه ای است. بزرگترین مطالعه استنفورد در مورد حکمت تأثیر جمعیت در میان نیم میلیون پاسخ نشان داد که جمعیت با اختلاف زیادی از مؤلفه‌ها بهتر عمل می‌کنند.

به عبارت دیگر، زمانی که از شرکت کنندگان یک سری سؤالات مرتبط پرسیده می شود، تأثیر ازدحام بیشتر می شود. چنین مطالعاتی به وجود نگرش های مختلف برای جبران سوگیری های فردی اشاره می کند. به طور مشابه، ناشناس بودن فشار اجتماعی را کاهش می دهد که باعث ایجاد خطا می شود، در حالی که نشان دادن اجماع معمولاً منجر به “گله داری” می شود – کاهش دقت.

یکی از پیامدهای اثر خرد جمعیت، پتانسیل بازخورد است. اساساً، هر چه تعداد افراد بیشتری یک دارایی را در گوگل جستجو کنند، احتمال پیش‌بینی حرکت بازار بیشتر می‌شود.

همچنین یافته های تجربی قبلی را تأیید می کند که افزایش نوسانات توجه سرمایه گذاران را به خود جلب می کند.

همه اینها به چه معناست؟

احساسات جمعی می تواند بینش واقعی ارائه دهد، اما این یک شمشیر دو لبه است. همانطور که توجه بازار منعکس کننده جریان اطلاعات است، نوسانات را نیز افزایش می دهد. به عبارت دیگر، مجموعه‌ای از افراد که به آنها «جمعیت» می‌گویند، می‌توانند روندها را قبل از واکنش نهادها روشن کنند، اما حباب‌ها را قبل از ترکیدن نیز تغذیه کنند.

با توجه به اینکه زمان بندی بازار همه چیز در مورد معاملات سودآور است، آیا عوامل هوش مصنوعی می توانند احساسات بازار را رمزگشایی کنند و تأثیر خرد جمعیت را به روشی خودکار تکمیل کنند؟

مشکل زمینه عمیق برای عوامل هوش مصنوعی

معمول است که پیشرفت هوش مصنوعی را به عنوان خطری برای بشریت توصیف کنیم که به شدت از داستان های علمی تخیلی وام گرفته شده است. با این حال، این تصویر نمی تواند واقعیت ساده ای را توضیح دهد که احتمال وقوع این سناریو را بسیار بعید می کند: انسان ها به عنوان موجودات بیولوژیکی، یک وضعیت وجودی پیوسته دارند، در مقابل حالت نمونه ای از هوش مصنوعی.

به نوبه خود، هوش مصنوعی با تداوم متنی مشکل دارد، که توانایی حفظ حس تجسم یافته تجربه است که ادراک را آگاه می کند. بنابراین، مدل‌های هوش مصنوعی فاقد توانایی جمع‌آوری نشانه‌های محیطی ظریفی هستند که بر تصمیم‌گیری تأثیر می‌گذارند.

این برای پیش بینی بسیار مهم است زیرا به شدت بر چنین زمینه عمیقی متکی است. به هر حال، چگونه می توان یک هوش مصنوعی را برای رویدادهای آینده که هنوز اتفاق نیفتاده اند آموزش داد؟

از سوی دیگر، این یک فرآیند ساده برای تعیین دقت هوش مصنوعی است – یا پیش‌بینی اتفاق افتاده است یا نشد. به همین ترتیب، جریان ثابتی از داده ها از سیستم عامل هایی مانند Polymarket برای آزمایش وجود دارد. ترکیب با استدلال های به دست آمده از اخبار، هوش مصنوعی می تواند حسی از زمینه عمیق قابل استفاده برای پیش بینی به دست آورد.

به عنوان مثال، هنگامی که فدرال رزرو تصمیمی برای نرخ بهره اتخاذ می کند، یک مدل هوش مصنوعی دارای یک سکوی پرتاب محکم برای پیگیری تأثیر بالقوه آن بر بازارها خواهد بود.

و همانطور که معیارهایی برای هوش مصنوعی وجود دارد که ریاضی را انجام می دهند، معیارهایی برای اندازه گیری قدرت پیش بینی هوش مصنوعی مانند FutureBench وجود خواهد داشت. مهمتر از همه، با انجام پیش‌بینی‌های مکرر، هوش مصنوعی می‌تواند بهبود یابد و مشکل بافت عمیق را جبران کند.

از ادغام عوامل هوش مصنوعی چه انتظاری باید داشت

پلتفرم Polytrader.ai اولین عاملی بود که در اواخر سال ۲۰۲۴ یک عامل هوش مصنوعی را بر روی پروتکل مجازی راه اندازی کرد. عامل هوش مصنوعی که به عنوان $POLY توکن شده است، داده های رسانه های اجتماعی مانند X را بررسی می کند، اخبار و سایر بازارهای پیش بینی را دنبال می کند تا معاملات ارزشمند را شناسایی کند.

نقشه راه این پلتفرم این است که عوامل هوش مصنوعی این عملکردها را ۲۴/۷ انجام دهند، حتی ربات را به حساب X کاربران برای دریافت به‌روزرسانی‌ها و مدیریت کیف پول متصل می‌کنند. برای این پلتفرم، درآمد اصلی از طریق توکن $POLY انجام می شود که عامل هوش مصنوعی از آن برای تولید تجزیه و تحلیل احساسات استفاده می کند.

با این حال، این توکن Virtuals را نباید با $POLY آینده برای بزرگترین پلتفرم بازار پیش بینی – Polymarket مبتنی بر Polygon اشتباه گرفت. همین هفته گذشته، متیو مدبر، مدیر ارشد مالی Polymarket تایید کرد که “یک نشانه وجود دارد، یک airdrop” در پادکست Degenz Live وجود خواهد داشت.

Polymarket در حال حاضر بزرگترین پلتفرم پیش‌بینی است که بر اساس داده‌های Dune Analytics اخیراً به رکورد جدیدی با بیش از ۲ میلیارد دلار در حجم معاملات هفتگی دست یافته است. پلتفرم رقیب Kalshi نیمی از حجم هفتگی را به دست آورد.

در مجموع، Polymarket 21.4 میلیارد دلار در حجم معاملات جمع آوری کرد که به طور قابل توجهی جلوتر از Kalshi با ۱۳٫۷ میلیارد دلار بود و SX با تنها ۱۵۸ میلیون دلار در جایگاه سوم قرار گرفت و Kalshi تحت نظارت CFTC و Polymarket را به مراکز بازارهای پیش بینی تبدیل کرد.

با توجه به رشد سریع علاقه به شرط‌بندی آنلاین، می‌توان گفت که پیش‌بینی مبتنی بر هوش مصنوعی Polytrader به همان اندازه که پلتفرم با ایردراپ‌های توکن جذابیت بیشتری پیدا می‌کند، در عرصه DeFi نیز تقاضای زیادی خواهد داشت.

یک پروژه جالب که تکمیل کننده اجرای یک عامل هوش مصنوعی است، چند زنجیره ای PredX.ai است. برخلاف Polytrader، PredX به کاربران اجازه می‌دهد تا تأثیر اینفلوئنسرها را بر بازارها و جوامع پیش‌بینی کنند.

این بدان معنی است که کاربران می توانند به طور موثر اعتبار پیشنهادات هوش مصنوعی را در پلتفرم تأیید کنند. همانطور که هوش مصنوعی PredX رویدادهای خبری را غربال می‌کند تا پیش‌بینی‌هایی درباره رویدادها ارائه دهد – روند بازار، تأثیر تأثیرگذاران، انتخابات – تعامل کاربر تعیین می‌کند که آیا ارزش شرط‌بندی را دارند یا خیر.

این به طور موثر نتیجه گیری های هوش مصنوعی را به چالش می کشد و به محدود کردن مخدوشات بدنام هوش مصنوعی کمک می کند.

خط پایین

یک خواننده دقیق ممکن است متوجه شده باشد که اوباش در حال حاضر شبیه هوش مصنوعی هستند. مدت ها قبل از شبکه های عصبی، بازارها میلیون ها قضاوت فردی را به یک نتیجه احتمالی تبدیل کردند. در این پرتو، عوامل هوش مصنوعی به سادگی آماده هستند تا این فرآیند را رسمی کنند و به طور موثر شهود جمعیت را به کد فشرده کنند.

همراه با رفتار انبوه رسانه‌های اجتماعی موجود، ما به دنبال یک حلقه بازخورد یکپارچه از احساسات انسانی و استدلال ماشینی هستیم. از این نظر، هوش مصنوعی جایگزین خرد جمعیت نمی شود. در عوض، یاد می گیرد که یکی شود.