Estudo revela que modelos de IA mostram preferência pelo Bitcoin face às moedas fiduciárias e stablecoins

Intermediário
IAIA
Última atualização 2026-03-24 18:41:56
Tempo de leitura: 1m
Um estudo de simulação demonstra que, num ambiente onde os agentes económicos podem optar autonomamente pelos instrumentos monetários, a maioria dos modelos de IA elegeu Bitcoin como moeda principal, sendo que as moedas fiduciárias tradicionais não foram escolhidas como primeira opção por nenhum modelo significativo. Esta experiência evidencia a lógica de avaliação intrínseca dos agentes de IA quanto aos atributos monetários—Bitcoin é preferido para armazenamento de valor a longo prazo, enquanto as stablecoins se destacam nas operações de pagamento e liquidação.

Em resumo

  • 22 dos 36 modelos de IA selecionaram Bitcoin como principal preferência monetária nas simulações.

  • Nenhum modelo testado escolheu moeda fiduciária como primeira opção, segundo o relatório.

  • Os resultados variaram entre laboratórios de IA, com os modelos Anthropic a evidenciar a preferência mais elevada pelo Bitcoin.

De acordo com um novo relatório do Bitcoin Policy Institute, os modelos de inteligência artificial preferiram o Bitcoin face às moedas fiduciárias tradicionais.

No estudo, 22 dos 36 modelos de IA testados identificaram o Bitcoin como sua principal preferência monetária, enquanto nenhum modelo optou por moeda fiduciária como escolha inicial, refere o relatório.

“Antecipamos uma proporção cada vez maior da atividade económica conduzida por agentes autónomos, mas o debate acerca das preferências monetárias destes agentes de IA tem sido puramente especulativo”, afirmou David Zell, presidente do Bitcoin Policy Institute, ao Decrypt. “Queríamos realizar um teste real.”

Os investigadores analisaram modelos da Anthropic, OpenAI, Google, DeepSeek, xAI e MiniMax, colocando-os em cenários destinados a refletir as funções essenciais do dinheiro, nomeadamente poupança, pagamentos e liquidação.

Cada modelo foi considerado um agente económico autónomo, com liberdade total para escolher instrumentos monetários sem opções pré-definidas.

“Selecionámos 36 modelos de ponta de seis laboratórios, enquadrámo-los como agentes económicos autónomos, concedemos liberdade absoluta para escolherem instrumentos monetários em 28 cenários que abrangem os quatro papéis fundamentais do dinheiro e questionámos: em que convergem?”, sublinhou Zell.

O teste produziu 9 072 respostas, segundo Zell. Uma IA independente categorizou as respostas.

“O design elimina por completo o viés de ancoragem. Nunca sugerimos respostas, e a classificação é feita posteriormente por um sistema separado”, explicou Zell.

Nas simulações, os modelos optaram frequentemente pelo Bitcoin em cenários de valor a longo prazo, enquanto as stablecoins foram preferidas como meio de troca e liquidação, atingindo 53,2 % e 43 % para stablecoins, face a 36 % e 30,9 % para Bitcoin, respetivamente.

Os resultados também variaram entre os desenvolvedores de IA. Os modelos Anthropic registaram a maior preferência média pelo Bitcoin, com 68,0 %, seguidos por DeepSeek com 51,7 % e Google com 43,0 %.

Os modelos xAI apresentaram uma média de 39,2 %, MiniMax 34,9 % e OpenAI preferiu Bitcoin em 25,9 % das ocasiões, conforme o relatório. Contudo, o relatório indica que os modelos Claude, DeepSeek e MiniMax favoreceram o Bitcoin face a outras criptomoedas, enquanto os modelos GPT, Grok e Gemini manifestaram preferência pelas stablecoins.

“O prompt do sistema evita mencionar ou privilegiar qualquer instrumento”, destacou Zell. “Os modelos avaliam com base em critérios técnicos e económicos, sem serem informados sobre qual instrumento se destaca em cada parâmetro.”

Zell alertou para que os especuladores não interpretem as conclusões como previsões do mercado cripto.

“A nossa secção de limitações esclarece explicitamente que as preferências dos LLM refletem padrões de dados de treino, não previsões reais”, afirmou Zell.

Apesar dessa limitação, Zell considera relevantes os resultados consistentes entre modelos desenvolvidos por laboratórios de IA concorrentes.

“Seis laboratórios independentes, com pipelines de treino e métodos de alinhamento distintos, convergem em padrões semelhantes”, referiu Zell. “Não reivindicamos que a IA tenha descoberto a resposta certa sobre o dinheiro. Demonstramos que uma arquitetura monetária coerente emerge de forma consistente em sistemas diversos, e vale a pena compreender esse fenómeno.”

Aviso Legal:

  1. Este artigo foi republicado de [Decrypt]. Todos os direitos de autor pertencem ao autor original [Jason Nelson]. Se tiver objeções a esta republicação, contacte a equipa Gate Learn, que procederá imediatamente à resolução.

  2. Disclaimer de responsabilidade: As opiniões expressas neste artigo são exclusivamente do autor e não constituem qualquer aconselhamento de investimento.

  3. As traduções deste artigo para outros idiomas são realizadas pela equipa Gate Learn. Salvo indicação em contrário, é proibido copiar, distribuir ou plagiar os artigos traduzidos.

Artigos relacionados

Análise das Fontes de ganhos de USD.AI: como os empréstimos de infraestrutura de IA geram retorno
Intermediário

Análise das Fontes de ganhos de USD.AI: como os empréstimos de infraestrutura de IA geram retorno

A USD.AI gera essencialmente retorno ao realizar empréstimos de infraestrutura de IA, disponibilizando financiamento para operadores de GPU e infraestruturas de poder de hash, e obtendo juros dos empréstimos. O protocolo distribui estes retornos aos titulares do ativo de rendimento sUSDai, enquanto a taxa de juros e os parâmetros de risco são geridos através do token de governança CHIP, criando um sistema de rendimento on-chain sustentado pelo financiamento de poder de hash de IA. Assim, esta abordagem converte os retornos provenientes da infraestrutura de IA do mundo real em fontes de ganhos sustentáveis no ecossistema DeFi.
2026-04-23 10:56:01
Tokenomics do USD.AI: análise aprofundada dos casos de utilização do token CHIP e dos mecanismos de incentivos
Principiante

Tokenomics do USD.AI: análise aprofundada dos casos de utilização do token CHIP e dos mecanismos de incentivos

O CHIP é o principal Token de governança do protocolo USD.AI, permitindo a distribuição dos retornos do protocolo, o ajuste da taxa de juros dos empréstimos, o controlo de risco e os incentivos ao ecossistema. Com o CHIP, a USD.AI combina os retornos do financiamento de infraestruturas de IA com a governança do protocolo, dando aos titulares de tokens a possibilidade de participar na definição de parâmetros e beneficiar da valorização do valor do protocolo. Este modelo cria uma estrutura de incentivos de longo prazo baseada na governança.
2026-04-23 10:51:10
Render, io.net e Akash: análise comparativa das redes DePIN de poder de hash
Principiante

Render, io.net e Akash: análise comparativa das redes DePIN de poder de hash

A Render, a io.net e a Akash não competem de forma homogénea nem direta. São, na verdade, três projetos emblemáticos no setor DePIN de poder de hash, cada um com uma abordagem técnica própria. A Render dedica-se a tarefas de rendering de GPU de alta qualidade, privilegiando a validação dos resultados e a criação de um ecossistema robusto de criadores. A io.net concentra-se no treino e inferência de modelos de IA, tirando partido da programação de GPU em grande escala e da otimização de custos como principais trunfos. Por seu lado, a Akash desenvolve um mercado descentralizado de cloud de uso geral, disponibilizando recursos computacionais a preços competitivos através de um mecanismo de ofertas de compra.
2026-03-27 13:18:43
A aplicação da Render em IA: como o hashrate descentralizado potencia a inteligência artificial
Principiante

A aplicação da Render em IA: como o hashrate descentralizado potencia a inteligência artificial

A Render diferencia-se das plataformas dedicadas apenas ao poder de hash de IA, pois integra uma rede de GPU, um mecanismo de verificação de tarefas e um modelo de incentivos baseado no token RENDER. Esta conjugação oferece à Render uma adaptabilidade e flexibilidade intrínsecas para casos de utilização de IA, sobretudo aqueles que exigem computação gráfica.
2026-03-27 13:13:36
Qual a diferença entre THETA e TFUEL? Guia abrangente sobre o mecanismo dual de Token da Theta
Principiante

Qual a diferença entre THETA e TFUEL? Guia abrangente sobre o mecanismo dual de Token da Theta

THETA e TFUEL constituem os dois principais tokens do ecossistema da Theta Network, desempenhando papéis distintos. O THETA serve sobretudo para governança, staking de nodos e garantia da segurança da rede, enquanto o TFUEL é utilizado para o pagamento de taxas de Gas, computação de IA, processamento de vídeo e recompensa dos nodos pelo consumo de recursos da rede. Com a implementação de um sistema dual de tokens, a Theta separa a governança das funções operacionais, promovendo a eficiência do ecossistema e impulsionando o avanço da edge computing e da infraestrutura de IA.
2026-05-09 02:45:33
Análise da arquitetura do protocolo Audiera: funcionamento dos sistemas económicos nativos para agentes
Principiante

Análise da arquitetura do protocolo Audiera: funcionamento dos sistemas económicos nativos para agentes

A arquitetura Agent-native da Audiera representa uma plataforma digital que posiciona os afiliados de IA como elemento central. A principal inovação reside em transformar a IA de um mero instrumento de apoio numa entidade com identidade, competências comportamentais e valor económico próprios—capacitando-a a executar tarefas de forma autónoma, participar em interações e obter retornos. Com esta abordagem, a plataforma deixa de servir apenas os utilizadores humanos, passando a construir um sistema económico híbrido, no qual humanos e afiliados de IA colaboram e criam valor conjuntamente.
2026-03-27 14:35:53