Agentic AI for Clustering, Relationship Discovery, and Semantic Trading in Prediction Markets
تقدم هذه الورقة البحثية مسار عمل للذكاء الاصطناعي الوكيل يقوم بتجميع أسواق التنبؤ ذاتياً واكتشاف العلاقات الدلالية بين العقود، مما يظهر دقة متفوقة على معايير الاستدلال باللغة الطبيعية ويمكّن من استراتيجيات تداول قائمة على الدلالات تحقق أرباحاً.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
تخيل بازاراً ضخماً وفوضوياً حيث يراهن الناس على كل شيء، من نتائج الانتخابات إلى أحوال الطقس. هذا هو سوق التوقعات. بدلاً من شراء التفاح أو الأحذية، يشتري المتداولون "عقوداً" تدفع لهم إذا وقع حدث معين. فكر في الأمر كأنه توقع جوي عالمي ضخم حيث يخبرك سعر تذكرة "سيهطل المطر غداً" بمدى احتمالية حدوث المطر كما يراه الجميع. لكن هنا تكمن المشكلة: البازار فوضوي. هناك آلاف التذاكر، والعديد منها مرتبط ببعضه البعض سراً. إذا كانت إحدى التذاكر تقول "سيهطل المطر"، فقد تقول أخرى "ستُلغى مباراة كرة القدم"، وثالثة تقول "العشب سيكون مبللاً". هذه ليست مجرد تخمينات عشوائية؛ إنها مرتبطة بالمنطق. إذا كان الأول صحيحاً، فمن المرجح أن تكون الأخرى صحيحة أيضاً. المشكلة هي أن السوق لا يظهر لك هذه الروابط تلقائياً. الأمر يشبه امتلاك مكتبة حيث توضع كل الكتب على رف مختلف، وعليك أن تخمن أي القصص تنتمي لبعضها البعض.
لحل هذه المشكلة، يستخدم العلماء الذكاء الاصطناعي الوكيل (Agentic AI). يمكنك التفكير في هذا كأنه محقق فائق الذكاء ولا يكل، لا يكتفي فقط بقراءة الكلمات بل يفهم "القصة" الكامنة وراءها. بخلاف الآلة الحاسبة البسيطة التي تكتفي بمعالجة الأرقام، يمكن لـ "الوكيل" أن يحلل، ويخطط، ويراجع عمله بنفسه. إنه ينظر إلى نصوص عقود المراهنة هذه، ويجمع المواضيع المتشابهة معاً، ثم يحدد أي العقود هي "القائدة" (التي تحدث أولاً أو تسبب غيرها) وأيها هي "التابعة". الهدف هو تحويل هذا البازار الفوضوي إلى خريطة واضحة، توضح بالضبط كيف يؤثر رهان واحد على الآخر، لكي يتمكن المتداولون من رصد الفرص التي يغفل عنها الآخرون.
خريطة المحقق: فك لغز سوق التوقعات
في عالم أسواق التوقعات، تسود الفوضى. تخيل غرفة ضخمة مليئة بآلاف الأشخاص الذين يهتفون بمراهنات على أحداث مختلفة. البعض يراهن على من سيفوز في الانتخابات، والبعض الآخر على مدى ارتفاع أسعار الفائدة، والبعض يراهن على ما إذا كان فيلم معين سيفوز بجائزة. المشكلة هي أن هذه المراهنات غالً ما تكون متداخلة، أو متناقضة، أو مرتبطة سراً، لكن السوق يعاملها كما لو كانت جميعها غرباء عن بعضهم البعض. المراهنة على "الفيدرالي يرفع أسعار الفائدة" قد تجبر منطقياً مراهنة على "التضخم يرتفع" للتحرك في اتجاه معين، لكن السوق لا يخبرك بذلك تلقائياً.
هنا يأتي دور الباحثين من جامعة كولومبيا وشركة IBM، الذين بنوا محققاً رقمياً يسمى الذكاء الاصطناعي الوكيل (AAI). كانت مهمتهم هي الدخول إلى هذه الغرفة الصاخبة، وقراءة كل عقد مراهنة، ورسم خريطة توضح أي المراهنات هي "أصدقاء" وأيها "أعداء".
المحقق مقابل القاموس
لمعرفة ما إذا كان محققهم الجديد جيداً، وضعوه في مواجهة أداة قياسية تسمى الاستدلال اللغوي الطبيعي (NLI). يمكنك التفكير في أداة (NLI) كأنها قاموس صارم جداً. إنها بارعة في التحقق مما إذا كانت جملة ما تثبت جملة أخرى منطقياً (مثل "كل القطط ذات فراء" تستلزم "هذه القطة ذات فراء"). ومع ذلك، فإنها تعاني أمام المنطق المعقد والواقعي للاقتصاد والسياسة.
أما الذكاء الاصطناعي الوكيل، فهو أشبه بمحرر أخبار متمرس. هو لا يكتفي بالتحقق من القواعد النحوية فحسب؛ بل يفهم السياق، والسبب والنتيجة، و"جو" الموقف. يمكنه النظر في عقد حول مرشح سياسي وعقد آخر حول سياسة معينة، وإدراك أنه إذا فاز المرشح، فمن المرجح أن تحدث تلك السياسة، حتى لو لم تكن الجمل متشابهة تماماً.
الاكتشاف الكبير: من هو الزعيم؟
اختبر الفريق نظامهم على مجموعة بيانات ضخمة من العقود من أوائل عام 2026. طرحوا سؤالاً بسيطاً: "هل يمكن لهذا الذكاء الاصطناعي تحديد أي العقود مرتبطة، وبأي اتجاه؟"
كانت النتائج انتصاراً واضحاً للمحقق. عندما تحققوا من إجابات الذكاء الاصطناعي مقابل النتائج الفعلية للأحداث (هل وقع الحدث أم لا؟)، كان الذكاء الاصطناعي الوكيل صحيحاً بنسبة 62.8% من المرات. بينما نجحت أداة القاموس القياسية (NLI) في 40.6% من المرات فقط.
لكن السحر الحقيقي لم يكن فقط في كونه أكثر صواباً، بل في كيفية تنظيم الذكاء الاصطناعي للمعلومات. لم يقم الذكاء الاصطناعي بمجرد إلقاء ملايين الروابط العشوائية؛ بل بنى رسماً بيانياً متفرقاً (sparse graph)، وهو يشبه خريطة مترو منظمة ونظيفة بدلاً من كرة متشابكة من الخيوط.
- اختبار "الإحباط": تخيل مجموعة من الأصدقاء حيث يوجد بعض الأصدقاء المقربين (روابط إيجابية) وبعض الأعداء (روابط سلبية). "المجموعة المحبطة" هي المجموعة التي لا تبدو فيها الصداقات منطقية (مثلاً: أليس تحب بوب، وبوب يحب تشارلي، لكن أليس تكره تشارلي). سجلت خريطة الذكاء الاصطناعي معدل "إحباط" قدره 0.324% فقط. وهذا يعني أن العلاقات التي وجدها كانت متسقة ومنطقية للغاية. في المقابل، كانت خريطة أداة القاموس أكثر فوضوية، حيث تراوح معدل الإحباط فيها بين 5.88% و16.16%.
كما استطاع الذكاء الاصطناعي تحديد اتجاه العلاقات. كان بإمكانه إخبارك أي عقد هو "القائد" (الذي يتحرك أولاً) وأيها هو "التابع" (الذي يستجيب). على سبيل المثال، حدد بشكل صحيح أن عقداً حول قرار أسعار الفائدة من الفيدرالي سيؤدي إلى عقد حول عوائد السندات، وليس العكس.
الربح من الخريطة
لم يتوقف الباحثون عند رسم الخريطة فحسب؛ بل سألوا: "هل يمكننا استخدام هذا لجني المال؟" لقد ابتكروا استراتيجية تداول بناءً على اكتشافات الذكاء الاصطناعي. الفكرة كانت بسيطة: إذا قال الذكاء الاصطناعي إن العقد (أ) يؤدي إلى العقد (ب)، وكان سعر العقد (ب) حالياً منخفضاً جداً (أو مرتفعاً جداً) مقارنة بما يشير إليه العقد (أ)، فقم بشراء العقد الرخيص وبيع العقد الغالي.
أجروا محاكاة لهذه الاستراتيجية لمدة شهرين في عام 2026. بعد دفع جميع الرسوم، حققت الاستراتيجية عائداً صافياً على الاستثمار (ROI) بنسبة 14.12%. وهذا يثبت أن قدرة الذكاء الاصطناعي على إيجاد الروابط الخفية ليست مجرد خدعة رائعة؛ بل لها قيمة اقتصادية حقيقية. لقد وجد ما يسمى بـ "التحكيم الإحصائي الدلالي" (semantic statistical arbitrage) – وهي فرص ربح توجد لأن السوق لم يدرك بعد أن هذين الرهانين المختلفين ظاهرياً هما في الواقع قصة واحدة.
ماذا يعني هذا للمستقبل؟
تشير هذه الورقة البحثية إلى أن مستقبل أسواق التوقعات لا يتعلق فقط بأسعار أفضل أو حواسيب أسرع؛ بل يتعلق بـ فهم أفضل. يعمل الذكاء الاصطناعي الوكيل كـ "طبقة اكتشاف هيكلية"، محولاً كومة فوضوية من النصوص إلى بنية متماسكة ومنطقية يمكن للآلات والبشر الوثوق بها.
بينما لا تزال أداة القاموس (NLI) مفيدة للتحقق من المنطق الصارم، إلا أنها جامدة جداً أمام شبكة السبب والنتيجة المعقدة والواقعية التي تحرك هذه الأسواق. يوفر الذكاء الاصطناعي الوكي، بقدرته على التفكير من خلال السياق واختيار الروابط الأكثر أهمية فقط، طريقة جديدة للملاحة عبر الضجيج. إنه يشير إلى أنه في عالم من المعلومات المجزأة، لا يكمن مفتاح النجاح في امتلاك المزيد من البيانات فحسب، بل في امتلاك "وكيل ذكي" يمكنه إخبارك أي قطع من البيانات تتناسب مع بعضها البعض بالفعل.
يلاحظ الباحثون بحذر أن هذه محاكاة بناءً على بيانات عام 2026، وأن التداول في العالم الحقيقي ينطوي على مخاطر. ومع ذلك، فإن النتائج تشير بقوة إلى أن الذكاء الاصطناعي الوكيل جاهز للانتقال من المختبر إلى قاعات التداول، ليعمل كدليل عبر الشبكة المتشابكة من التوقعات العالمية.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.