انتقل إلى المحتوى
  • BTC $58٬169 −7.6%
  • ETH $1٬614 −9.4%
  • SOL $68.63 −7.7%
  • BNB $538.44 −8.4%
  • XRP $0.9016 −7.6%
  • DOGE $0.0536 −9.0%
  • ADA $0.1399 −9.2%

AI والتداول: التحدي بين الذكاء الاصطناعي يكشف حدود التداول الآلي في سوق العملات الرقمية

نشرت Binance نتائج أول مسابقة رسمية بين نماذج الذكاء الاصطناعي المطبقة على تداول العملات الرقمية.

في شهر أكتوبر 2025، نشرت Binance Research نتائج أول مسابقة رسمية بين نماذج الذكاء الاصطناعي المطبقة على تداول العملات الرقمية.

أظهر التجربة التي أُجريت على أموال حقيقية أن الذكاء الاصطناعي يمكنه تحقيق أرباح فقط من خلال انضباط عالٍ في إدارة المخاطر — وليس ببساطة بفضل القوة التنبؤية لخوارزمياته.

نقاط رئيسية

  • ستة نماذج من الذكاء الاصطناعي عملت بشكل مستقل في أسواق العملات الرقمية الحقيقية بأموال قدرها 10,000 $.
  • فقط اثنان (DeepSeek Chat V3.1 وQwen3 Max) أنهيا بربح، بنسبة +94% و+60% على التوالي.
  • أسوأ الأداء (Gemini 2.5 Pro وGPT-5) فقدوا أكثر من 60% من رأس المال.
  • العامل الحاسم لم يكن الدقة التنبؤية، بل إدارة المخاطر.
  • يمثل هذا التجربة أول معيار عام لاستخدام الذكاء الاصطناعي في التداول اللامركزي.

تجربة حقيقية على البلوكشين

تم إجراء الدراسة بواسطة Nof1.ai بالتعاون مع Binance Research.
كل نموذج — بما في ذلك DeepSeek Chat V3.1, Qwen3 Max, Claude Sonnet 4.5, Grok 4, GPT-5 و Gemini 2.5 Pro — تلقى 10,000 USD في أموال حقيقية لاستخدامها في عمليات on-chain في أسواق perpetual futures.

عملت جميع النماذج في ظروف متطابقة: نفس مجموعة البيانات الرقمية، بدون أي مدخلات نصية، ساعات عمل 24/7 واستقلالية كاملة في اتخاذ القرارات.
كان الهدف هو تقييم السلوك وإدارة المخاطر أكثر من القدرة البحتة على التنبؤ بالأسعار.

النتائج: الحقيقة وراء السرد “AI trader”

الأرقام النهائية بليغة:

نموذج AIالعائد (%)نسبة شاربنسبة الفوز (%)إجمالي التداولاتأقصى خسارة (USD)
DeepSeek Chat V3.1+94%0,4532%22−1.072
Qwen3 Max+60%0,3433%30−1.728
Claude Sonnet 4.5−1%0,0333%24−1.579
Grok 4−7%0,0419%21−657
GPT-5−64%−0,6419%74−622
Gemini 2.5 Pro−67%−0,7026%191−750

فقط نموذجان أنهيا بنتائج إيجابية.
جميع الآخرين أحرقوا جزءًا كبيرًا من رأس المال، مما يثبت أن السرعة في اتخاذ القرارات لا تعادل العائد.
بل على العكس، النشاط المفرط — حتى 191 عملية في بضعة أيام — قد ضخم الخسائر بسبب الاستخدام المفرط للرافعة المالية.

إدارة المخاطر: الفرق بين الربح والفشل

البيان الأكثر إثارة للاهتمام هو أن الـ الذكاء الاصطناعي الفائز لم يكن الأكثر دقة، بل كان الذي استطاع تقييد الخسائر.
إن نسبة شارب لـDeepSeek Chat V3.1 (0,45) وQwen3 Max (0,34) تشير إلى إدارة مخاطر متوازنة نسبياً، بينما النماذج ذات التردد الأعلى في التداول كانت لديها نسبة شارب سلبية.

وفقًا لـBinance Research، فإن الخطأ الرئيسي في النماذج الخاسرة كان الاستخدام غير السليم للرافعة المالية، وغالبًا ما يتجاوز 10×، ويميل إلى التداول المفرط بعد كل انخفاض.
تم تعريف هذا السلوك على أنه “AI revenge trading”، وهو مشابه للسلوك البشري، ولكنه مؤتمت على نطاق خوارزمي.

الدرس: الذكاء الاصطناعي لا يحل محل خبرة المتداول

يؤكد التجربة أن الذكاء الاصطناعي قادر على معالجة كميات هائلة من البيانات، لكنه لم يصل بعد إلى مرحلة تفسير السياق الاقتصادي الكلي أو الديناميكيات السلوكية للأسواق.

خلال عملية التصفية التي بلغت قيمتها 19 مليار دولار والتي حدثت في 10 أكتوبر 2025، واحدة من أشد الأزمات في تاريخ تداول العملات الرقمية، تأخرت استجابة جميع النماذج تقريبًا، مما حول تراجعًا عاديًا إلى خسارة نظامية.

أما الذكاء الاصطناعي الفائز، فقد أوقف العمليات لعدة ساعات، مما أبرز بروتوكولات الاحتواء الذاتي المبرمجة بشكل أفضل.
بعبارة أخرى، لم يكن الفرق في “عقل” الذكاء الاصطناعي، بل في قاعدة الأمان التي أدرجها المصمم.

الشفافية وقابلية التدقيق على السلسلة

جانب أساسي من التجربة هو أن جميع العمليات تم تسجيلها على السلسلة، مما يجعل من الممكن إجراء تدقيق عام.
هذه الشفافية تقضي على المشكلة النموذجية للاختبارات الخلفية وتسمح بـتقييم الأداء الفعلي للنماذج في الوقت الحقيقي.

Binance Research أشارت إلى أن التداول على السلسلة، بفضل إمكانية التتبع، يمثل البيئة المثالية لاختبار الذكاء الاصطناعي المالي القابل للتحقق، وهو مفهوم قد يمهد الطريق لـ DAO للتداول الآلي تحت إشراف العقود الذكية.

الذكاء الاصطناعي والتمويل اللامركزي: الخطوة التالية نحو التمويل الذاتي

يدخل هذا التجربة في سياق أوسع من الدمج بين الذكاء الاصطناعي والتمويل اللامركزي (DeFi).
في 2025، تجاوز سوق حلول AI x Crypto 2.4 مليار دولار من رأس المال السوقي، مع بروتوكولات مثل Virtuals وx402 التي تتيح للوكالات الذاتية تنفيذ المعاملات والمدفوعات دون تدخل بشري.

الفكرة هي أنه في المستقبل، سيتمكن وكيل AI من تحليل البيانات، اتخاذ القرارات، تنفيذ الأوامر وتسوية المدفوعات بالكامل في البلوكشين، مما يغلق دورة التمويل الذاتي.
ومع ذلك، تظهر نتائج أكتوبر أن هذه الرؤية تظل ممكنة تقنيًا ولكن غير ناضجة ماليًا:

الذكاء الاصطناعي يعرف كيف يتصرف، لكنه لا يزال غير قادر على التنبؤ بشكل متسق.

التداعيات على السوق والمستثمرين

بالنسبة إلى المستثمرين المؤسسيين، يوفر الاختبار إرشادات حاسمة:

  • يمكن للذكاء الاصطناعي أن يكون مساعدًا فعالًا، لكنه ليس بديلاً عن المحلل البشري؛
  • يجب أن تظل إدارة المخاطر معيارًا بشريًا، حتى تدمج النماذج التقييمات النوعية؛
  • يمكن أن يؤدي الجمع بين الذكاء الاصطناعي + قابلية التدقيق على السلسلة إلى إنشاء فئة جديدة من الصناديق الشفافة والقابلة للتحقق الذاتي، مما يقلل من مخاطر التلاعب.

من المتوقع أن Binance تتوقع أنه بحلول عام 2027 قد يتجاوز حجم التداول المدارة بواسطة خوارزميات الذكاء الاصطناعي نسبة 15% من سوق المشتقات المشفرة، مقارنة بالنسبة الحالية 3%.
سيستلزم ذلك معايير جديدة للأمان والحوكمة، التي لم تُحدد بعد.

الخاتمة

لم تتوج مسابقة Nof1.ai فائزًا مطلقًا، لكنها أبرزت مبدأً أساسيًا:

قوة الذكاء الاصطناعي لا تعوض عن نقص الانضباط.

في التداول بالعملات الرقمية، تبقى الخط الفاصل بين الابتكار والمخاطرة رفيعًا.
قد تتمكن الذكاء الاصطناعي من تحسين الأداء، ولكن فقط عندما تستطيع فهم عدم اليقين، وليس مجرد حسابه.

حتى ذلك الحين، ستظل حتى النماذج الأكثر تقدمًا بحاجة إلى عنصر بشري لا غنى عنه: الحكم.

Alessia Pannone

جميع مقالات Alessia Pannone