StableEval Arena: A Cost-Aware Agentic Benchmark for Stablecoin Price Stability Prediction
تُعد StableEval Arena إطار عمل تقييمي مراعٍ للتكلفة، حيث يعمل على تقييم الأنظمة الوكيلية المدعومة بالنماذج اللغوية الكبيرة في التنبؤ بمخاطر استقرار العملات المستقرة عبر قياس طيف مشترك من جودة التوقعات، والموثوقية التشغيلية، والتكلفة الحوسبية، كاشفاً أنه بينما تنتج الوكلاء مخرجات مهيكلة بشكل موثوق، إلا أنها تعاني في التنبؤ بدقة بأحداث الإجهاد الشديد النادرة وأحداث فقدان الارتباط المستمر.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://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 أنك قائد أسطول ضخم من السفن الفضائية، وحجرات الشحن لديك مليئة بـ "الذهب الرقمي" الذي يُفترض أن تبلغ قيمته دائماً دولاراً واحداً بالضبط. ليس هذا ذهباً عادياً؛ بل هو نوع خاص من المال يسمى "العملة المستقرة" (stablecoin)، المصممة لتبقى ثابتة تماماً حتى يتمكن الناس من شراء القهوة، أو دفع الإيجار، أو تداول الأصول دون القلق من أن أموالهم قد تختفي فجأة أو تتضاعف قيمتها بين عشية وضحاها. لكن هنا تكمن العقبة؛ فعلى الرغم من أن هذه العملات من المفترض أن تكون مملة ومستقرة، إلا أنها قد تصاب بالذعر أحياناً. فعندما يصبح السوق مخيفاً، يمكن أن يتذبذب السعر، أو ينخفض عن الدولار، أو حتى ينهار تماماً. وهذا ما يسمى بـ "فقدان الارتباط" (de-pegging)، وإذا حدث ذلك، فكأن مقياس الوقود في سفينتك الفضائية بدأ يكذب عليك فجأة.
وللحفاظ على سلامة الأسطول، نحتاج إلى مراقب يمكنه رصد المشاكل قبل وقوعها. في الماضي، كنا نستخدم الرياضيات البسيطة أو الخبراء البشر. ولكن الآن، لدينا "الذكاء الاصطناعي الوكيل" (Agentic AI) — وهي برامج حاسوبية فائقة الذكاء يمكنها التفكير، والتعليل، واتخاذ القرارات من تلقاء نفسها، تماماً مثل مساعد طيار رقمي. السؤال الكبير هو: هل يمكن لهؤلاء الطيارين من الذكاء الاصطناعي القيام بمهمة أفضل من مجرد اتباع كتاب قواعد بسيط لرصد العاصفة قبل هبوبها؟ نحن بحاجة لمعرفة ما إذا كانوا موثوقين حقاً، وليس مجرد قدرة على اتباع التعليمات. فإذا قال الذكاء الاصطناعي: "الوضع آمن!" قبل لحظات من تحطم السفينة، فلا يهم مدى سرعته أو مدى جمال تقريره؛ فهذا يعتبر فشلاً.
هذا هو بالضبط ما تسعى ورقة "StableEval Arena" لاختباره. فقد أنشأ الباحثون ساحة تدريب ضخمة تراعي التكلفة (Arena) ليروا ما إذا كان وكلاء الذكاء الاصطناعي يمكنهم التنبؤ بالوقت الذي توشك فيه العملة المستقرة أن تفقد ارتباطها بالدولار. لم يكتفوا بطلب تخمين السعر المستقبلي من الذكاء الاصطناعي، بل طلبوا منه أن يعمل كمدير للمخاطر. كان على الذكاء الاصطناعي النظر في تاريخ الأسعار لآخر 30 يوماً ونقاشات السوق، ثم التنبؤ بما سيحدث في الأيام السبعة التالية. هل ستظل العملة "مستقرة" (Stable)؟ أم ستدخل في حالة "مراقبة" (Watch) (أي مهتزة قليلاً)؟ أم ستدخل في حالة "إجهاد" (Stress) (أي أزمة شاملة)؟
أجرى الباحثون نوعين مختلفين من الاختبارات. أولاً، أنشأوا نسخة "اختبار جهد" تحتوي على 120 حالة كانت فيها المشاكل أكثر شيوعاً، وذلك فقط لمعرفة ما إذا كان بإمكان الذكاء الاصطناعي رصد علامات الخطر عندما تكون واضحة أمامه مباشرة. ثم أجروا نسخة "واقعية" تحتوي على 507 حالة تشبه العالم الطبيعي، حيث تكون العملات المستقرة هادئة عادةً وتواجه مشاكل نادرة فقط. اختبروا ستة وكلاء مختلفين من الذكاء الاصطناعي مقابل نماذج أساسية بسيطة للغاية (مثل قاعدة تقول "افترض أن كل شيء على ما يرام" أو نموذج رياضي أساسي).
جاءت النتائج مزيجاً من الأخبار الجيدة والواقع الصادم. من الجانب الإيجابي، كان وكلاء الذكاء الاصطناعي موثوقين للغاية في اتباع القواعد؛ فقد أنتجوا تقارير ذات تنسيق مثالي، ولم يتعطلوا، وفعلوا كل ذلك بتكلفة منخفضة جداً. كما كانوا بارعين في قول: "مهلاً، الأمور تبدو مهتزة اليوم". ومع ذلك، عندما تعلق الأمر بالمهمة الأكثر أهمية — وهي رصد الانهيار الكارثي النادر — فقد أخفق وكلاء الذكاء الاصطناعي في تحقيق هدفهم في معظم الأحيان. ففي الاختبار الكبير المكون من 507 حالة، فاتهم 19 حالة من أصل 21 من حالات الإجهاد الفعلية. لقد كانوا بارعين جداً في اتباع البروتوكول لدرجة إنتاج تقارير صالحة، لكن تلك التقارير غالباً ما كانت تقول "الوضع آمن" بينما كانت العملة تنهار بالفعل.
في الواقع، في الاختبار الواقعي، حتى البرنامج الحاسوبي البسيط الذي يكتفي بالنظر في الاتجاهات الماضية عانى أيضاً في التنبؤ بالانهيارات النادرة، وفشل في رصد معظمها تماماً مثل الذكاء الاصطناعي. لم تكن وكلاء الذكاء الاصطناعي المتطورة تهيمن أو تتفوق على هذه الطرق الكلاسيكية؛ بل في الواقع، لم يتمكن أي من الوكلاء من اكتشاف حالات الإجهاد النادرة وعالية المخاطر بشكل موثوق. وتخلص الورقة إلى أنه على الرغم من أن وكلاء الذكاء الاصطناعي هؤلاء ممتازون في الطاعة والكفاءة، إلا أنهم ليسوا موثوقين بما يكفي بعد ليكونوا الحراس الوحيدين لأموالنا الرقمية. يمكنهم اتباع السيناريو بدقة، لكنهم لا يزالون يجدون صعوبة في رؤية العواصف النادرة والمخيفة التي تهمنا أكثر من غيرها. ويقترح الباحثون أنه ما لم يصبح الذكاء الاصطناعي أفضل في رصد هذه الأحداث النادرة وعالية المخاطر، فلا ينبغي لنا أن نتركهم يقودون السفينة وحدهم.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.