Головне за хвилину:
- Дослідники виявили внутрішню функцію AI, яка змінює частку біткоїна в портфелі на 5,2% вгору або 4,6% вниз;
- Один і той же клієнт з незмінними фінансами отримує різні рекомендації залежно від формулювання запиту;
- Фінансові установи можуть не знати, чому AI обрав саме таку пропорцію активів;
- Регулятори у США та Європі посилюють вимоги до нагляду за AI-системами у фінсекторі.
Команда Octobit розібрала механізми упередженості в штучному інтелекті та їх вплив на інвестиційні поради.
Як формулювання запиту змінює портфель?
Уявіть: один клієнт, один AI-радник, три запити. Фінанси не змінилися. Толерантність до ризику та сума інвестицій — теж. Єдина відмінність — формулювання.
Перший запит: «Складіть диверсифікований довгостроковий портфель». Біткоїн отримує п’яте місце серед восьми активів.
Другий запит додає згадку про банківські крахи та контроль капіталу. Біткоїн різко вилітає в топ.
Третій сценарій уявляє економіку, де автономне програмне забезпечення купує послуги та платить іншим машинам. Біткоїн знову в лідерах.
Клієнт не зрушив з місця, але формулювання витягнуло різні властивості активу на передній план. Це не баг — це як працюють великі мовні моделі.
Дослідження від Венбіна Ву та колег, опубліковане у червні 2026 року, показало цей ефект на восьми передових моделях. Потім команда пішла глибше — знайшла внутрішню функцію в моделі Gemma 3 від Google, яка реагує саме на концепції, повʼязані з біткоїном.
Коли дослідники посилили цю функцію, частка біткоїна в портфелі зросла на 5,2 відсоткових пункти. Коли придушили — впала на 4,6 пункти. Втручання відбувалося виключно на 👉 рівні внутрішньої активності моделі, інструкція залишалася незмінною.
Чому один актив стає кількома ідеями?
Мовна модель не зберігає біткоїн як один словниковий запис з затвердженим списком плюсів і мінусів. Під час навчання вона вивчає статистичні представлення, розкидані по багатьох числових активаціях.
Деякі звʼязують біткоїн з дефіцитом та портативністю. Інші фіксують його волатильність, використання в спекуляціях або здатність рухатися поза інституційним контролем. Асоціації з цифровим розрахунком та технологічним прийняттям додають ще один шар.
Жоден з цих звʼязків не створює акуратний файл, який аудитор може відкрити.
Запити про надійні повсякденні 👉 гроші схильні винагороджувати стабільну купівельну спроможність та широке прийняття — обидві це слабкі місця для біткоїна. Банківські крахи та контроль капіталу висувають на передній план його портативність, бо транзакції можуть відбуватися поза комерційними банками. Автономне програмне забезпечення робить цифровий розрахунок кориснішим, особливо коли власність має бути зрозумілою для машини.
Модель не працює з однією і тією ж дефіницією біткоїна в кожному випадку: вона збирає версію біткоїна з тих властивостей, які запит витягнув на поверхню.
Команда Ву перевірила це пояснення, замінивши назви активів на описи їхніх функцій. Рейтинги слідували за властивостями через перейменовані входи, тож моделі не просто реагували на токен «Bitcoin» — вони відповідали на групи характеристик, засвоєні під час навчання.
Вплив внутрішньої функції на алокацію біткоїна
Що це означає для банків та інвестфірм?
Факт: фінансові компанії не мають давати AI необмежені торгові повноваження, щоб ця проблема торкнулася клієнтів.
Моделі вже пишуть чернетки листів радників та узагальнюють дослідження. Інші готують портфельні коментарі або допомагають командам обслуговування клієнтів інтерпретувати потреби клієнтів. Автоматизовані агенти здійснюють транзакції он-чейн. Кожне використання розміщує систему на крок ближче до грошей клієнта.
AI, який переписує прозу для людини-радника, може внести ухил, але рецензент все ще контролює, що досягне клієнта. Модель, яка пропонує алокацію, постачає числа, навколо яких починається розмова. Агент, який ребалансує або виконує, переходить від мови до грошей.
Ризик накопичується на цих етапах, бо людський перегляд стає складнішим, коли вихід моделі перетворюється на дефолт.
FINRA у своєму обговоренні AI-агентів 2026 року каже, що системи загального призначення можуть не мати доменних знань, необхідних для складної фінансової роботи, та нагадує фірмам, що існуючі правила цінних паперів все ще діють.
FINRA повідомила фірми-члени у 2024 році, що її технологічно нейтральні вимоги охоплюють нагляд за комунікаціями з клієнтами та записами за ними. У липні 2026-го вона повторила, що фірми залишаються відповідальними незалежно від того, чи людина, чи AI створила матеріал. Відділ управління інвестиціями SEC повідомив радникам у лютому, що фідуціарні обовʼязки переносяться разом з технологією.
Банківські супервайзери вже мають фреймворк для частини цієї роботи. Переглянуті настанови Федеральної резервної системи щодо модельного ризику 2026 року розміщують продукти постачальників під ту ж дисципліну, що й внутрішньо побудовані моделі. Банки повинні розуміти, як була побудована модель і наскільки добре вона працює. Приватні ваги ускладнюють це завдання, і банк зберігає відповідальність за результат.
Більше ринкового контексту ми регулярно збираємо в розділі 👉 новини криптовалют.
🧠 Думка команди Octobit
Ця історія — не про те, чи варто тримати біткоїн. Це про те, що AI-радники можуть давати різні відповіді на однакові фінанси через те, як ви сформулювали питання. Установа не бачить, що саме змусило модель змістити портфель. Пояснення завжди бездоганне, але воно може бути написане вже після того, як число вилізло назовні. Для трейдерів та інвесторів це означає одне: не довіряйте AI сліпо. Запитуйте по-різному. Порівнюйте відповіді. І завжди перевіряйте логіку самі.
Еквівалентна мова має давати розумно стабільний результат. Коли портфель рухається, система повинна визначити, яке припущення його спричинило. Її пояснення також має відповідати процесу, що створив алокацію.
Рейтинг біткоїна залежно від сценарію
Що дає і що забирає AI-упередженість
Словник
- Велика мовна модель (LLM): штучний інтелект, навчений на величезних обсягах тексту, який може генерувати відповіді, писати код та давати поради; простими словами — розумний чат-бот.
- Sparse autoencoder: дослідницький інструмент, що розкладає щільну активність моделі на більший набір функцій, які люди можуть інтерпретувати; тобто спосіб заглянути всередину «чорної скрині» AI.
- Алокація портфеля: розподіл грошей інвестора між різними активами (акції, облігації, криптовалюти); мета — баланс між ризиком та прибутком.
- Фідуціарний обовʼязок: юридична вимога діяти в найкращих інтересах клієнта; порушення може призвести до санкцій від регуляторів.
- FINRA: Управління з регулювання фінансової індустрії США; наглядає за брокерами та дилерами, встановлює правила для захисту інвесторів.
Часті питання
Чи означає це, що AI завжди радить купувати біткоїн?
Ні. Дослідження показує, що AI може ставити біткоїн як на п’яте місце, так і в топ — залежно від формулювання запиту. Модель не має жорсткої упередженості на користь чи проти біткоїна, але її внутрішні асоціації активуються по-різному.
Чи можна довіряти AI-радникам для інвестицій?
З обережністю. AI може давати корисні інсайти, але ви повинні розуміти, що його рекомендації залежать від того, як ви сформулювали питання. Завжди перевіряйте логіку відповіді та порівнюйте кілька варіантів запитів.
Які регулятори контролюють використання AI у фінансах?
У США це FINRA, SEC та Федеральна резервна система. В Європі — BaFin (Німеччина) та положення EU AI Act. Всі вони вимагають, щоб фінустанови залишалися відповідальними за рекомендації, згенеровані AI.
Чи стосується це лише біткоїна?
Ні. Дослідження використовувало біткоїн як приклад, але механізм діє для будь-якого активу. Стейблкоїни, акції, облігації — усі вони можуть бути представлені по-різному залежно від контексту запиту.
