۱۰ مدل برتر هوش مصنوعی از جمله کلود و ChatGPT سودآورترین ارزهای دیجیتال تا پایان سال را معرفی کردند؛ کدام رمزارزها شانس بیشترین رشد را دارند؟
بازار ارز دیجیتال در ماه‌های پایانی سال شتاب فوق‌العاده‌ای گرفته و رقابت میان پروژه‌ها به اوج رسیده است. در حالی که رالی‌های قیمتی شگفت‌انگیز توجه معامله‌گران را به خود جلب کرده، این پرسش اساسی مطرح می‌شود که کدام دارایی‌ها تا پیش از پایان سال بیشترین پتانسیل رشد را دارند؟ برای یافتن پاسخ، از۱۰ مدل هوش مصنوعی برتر از جمله چت‌جی‌پی‌تی و کلود درخواست کردیم تا با ارزیابی شرایط فعلی بازار، ارزهای دیجیتالی را که بیشترین شانس رشد تا ۳۱ دسامبر دارند معرفی کنند.
در ادامه، با تکیه بر مطلبی از بیت کوین دات‌کام (Bitcoin.com)، بررسی می‌کنیم ۱۰ مدل هوش مصنوعی کدام ارزهای دیجیتال را برای بیشترین بازدهی تا پایان سال انتخاب کرده‌اند و روی چه نام‌هایی بیشترین اتفاق نظر وجود دارد.
ارزهای منتخب ۱۰ مدل هوش مصنوعی برای پایان سال
بازار ارزهای دیجیتال در سال ۲۰۲۶ شاهد رشدهای قابل‌توجهی بوده است. ارز ونیز (VVV) از ابتدای سال بیش از ۱٬۵۰۰ درصد رشد کرده و چند ارز دیگر از جمله هایپرلیکویید (HYPE)، نیر پروتکل (NEAR)، اورکا (ORCA) و زی کش (ZEC) نیز بازدهی سه‌رقمی ثبت کرده‌اند. در چنین شرایطی، از ۱۰ مدل مطرح هوش مصنوعی درخواست کردیم تا مشخص کنند از نظر آن‌ها کدام ارزها تا پایان سال هنوز بیشترین ظرفیت رشد را دارند.
در این آزمایش، مدل‌های گراک، چت‌جی‌پی‌تی آسترا، کلود سونت، کلود اوپوس، پای، کوئن، دیپ‌سیک، جمنای، ونیز و میسترال شرکت کردند. هر مدل باید فقط دو ارز انتخاب می‌کرد: یکی از میان ۱۰ ارز بزرگ بازار و دیگری از میان تمام ارزهای نقدشونده و قابل‌معامله بازار.
در این گزارش، از مدل‌ها خواسته شده برای انتخاب‌های خود عواملی مثل عملکرد قیمت از ابتدای سال، ارزش بازار، میزان پذیرش، قدرت روند، محرک‌های احتمالی رشد و ریسک‌ها را بررسی کنند. هر مدل همچنین موظف بود گزینه خود را با رقبای دیگر مقایسه کند و اگر شواهد به نفع ارز دیگری بود، انتخابش را تغییر دهد.
در نهایت، هر هوش مصنوعی باید بدون ارائه چند گزینه یا پاسخ مبهم، دو انتخاب مشخص معرفی می‌کرد و دلیل اصلی انتخاب هرکدام را هم توضیح می‌داد. هدف این آزمایش این بود که مشخص شود وقتی مدل‌ها مجبور باشند میان ده‌ها ارز فقط چند گزینه را انتخاب کنند، بیشترین اجماع روی کدام نام‌ها شکل می‌گیرد.
پاسخ هوش مصنوعی‌ها به این چالش چه بود؟
هر مدل با بررسی عواملی مثل عملکرد قیمت ارزهای دیجیتال، شرایط بازار و محرک‌های احتمالی رشد، دو ارز را انتخاب کرد. بعضی از انتخاب‌ها میان چند مدل تکرار شدند، اما استدلال و اعدادی که برای آن‌ها ارائه شد همیشه یکسان نبود.
انتخاب گراک
گراک، زی کش را به‌عنوان گزینه برتر خود در میان ۱۰ ارز بزرگ بازار انتخاب کرد. این مدل در پاسخ خود اعلام کرد زی کش از ابتدای سال حدود ۱۶۳ درصد رشد کرده و با وجود معامله در محدوده ۱٬۳۵۰ دلار، همچنان با سقف تاریخی ۳٬۱۹۲ دلاری فاصله دارد. گراک رشد توجه به ارزهای حریم خصوصی و محصول سرمایه‌گذاری زی کش گری‌اسکیل با ارزشی حدود ۹۰۰ میلیون دلار را از مهم‌ترین محرک‌های احتمالی آن دانست.
انتخاب دوم گراک، ارکا (ORCA) بود. این مدل به رشد حدود ۱۴۰ درصدی قیمت ارکا از ابتدای سال، ارزش بازار نسبتاً پایین و حجم معاملات آن اشاره کرد. به باور گراک، ارتقای آلپنگلو در شبکه سولانا و ادامه رشد فعالیت در اکوسیستم این شبکه می‌تواند به نفع ارکا باشد.
انتخاب کلود سونت ۵.۵
کلود سونت، هایپرلیکویید را انتخاب اول خود در میان ارزهای بزرگ بازار دانست و هدف ۱۴۰ دلار را برای پایان سال مطرح کرد. این مدل اعلام کرد HYPE از ابتدای سال حدود ۲۷۰ درصد رشد کرده و نزدیک به سقف تاریخی خود معامله می‌شود. مهم‌ترین محرک از نگاه کلود، احتمال دسترسی قانونی‌تر هایپرلیکویید به بازار معاملات دائمی در آمریکا بود.
برای انتخاب دوم، کلود سراغ نیر پروتکل (NEAR) رفت و هدف ۹ دلار را مطرح کرد. این مدل به رشد قیمت نیر پروتکل از حدود ۱.۶۰ دلار به بالای ۵ دلار اشاره کرد و تأیید ETF اسپات نیر شرکت بیت‌وایز را مهم‌ترین محرک احتمالی آن دانست.
انتخاب پای
پای در میان ارزهای بزرگ بازار، اتریوم (ETH) را انتخاب کرد. این مدل رشد حدود ۴۵ درصدی قیمت اتریوم از ابتدای سال و احتمال گسترش دسترسی سرمایه‌گذاران نهادی از طریق ETFها را مهم‌ترین نقاط قوت آن دانست.
انتخاب دوم پای، سولانا (SOL) بود. این مدل معتقد است راه‌اندازی کامل فایردنسر می‌تواند سرعت و پایداری شبکه سولانا را افزایش دهد و آن را برای معامله‌گران حرفه‌ای و پرتعداد جذاب‌تر کند. در زمان نگارش گزارش، قیمت سولانا در محدوده ۱۱۴ دلار در نوسان است.
انتخاب کوئن ۳.۷ پلاس
کوئن در میان ۱۰ ارز بزرگ، بایننس کوین (BNB) را انتخاب کرد. دلیل اصلی آن، عملکرد قوی BNB و رشد قابل‌توجه حجم معاملات صرافی‌های غیرمتمرکز روی بی‌ان‌بی چین بود که طبق پاسخ این مدل، از ابتدای سال حدود ۱۶۴ درصد افزایش یافته است. در حال حاضر، قیمت بایننس کوین در حوالی ۷۶۶ دلار در نوسان است.
انتخاب دوم کوئن، هایپرلیکویید بود. این مدل به رشد حدود ۱۴۶ درصدی قیمت هایپرلیکویید و سهم بالای آن در معاملات دائمی غیرمتمرکز اشاره کرد و این فعالیت معاملاتی را مهم‌ترین نقطه قوت پروژه دانست.
انتخاب دیپ‌سیک
دیپ‌سیک نیز هایپرلیکویید را یکی از گزینه‌های اصلی خود معرفی کرد. این مدل تلاش پروژه برای ورود به بازار قانون‌گذاری‌شده معاملات دائمی آمریکا و بازخرید توکن‌ها با استفاده از درآمد پروتکل را دو عامل مهم برای ادامه رشد HYPE دانست.
انتخاب دیگر دیپ‌سیک، زی کش بود. این مدل به رشد بیش از ۱۷۰ درصدی قیمت زی کش و درخواست‌های مربوط به راه‌اندازی ETF اسپات آن اشاره کرد. البته دیپ‌سیک در کنار عوامل صعودی، ریسک فنی مربوط به بخش اورچارد را نیز یکی از مواردی دانست که باید زیر نظر گرفته شود.
انتخاب ونیز
ونیز در میان ارزهای بزرگ بازار، سولانا را انتخاب کرد. این مدل اگرچه عملکرد سولانا از ابتدای سال را حدود ۳.۳ درصد منفی اعلام کرد، اما به رشد ۶۴ درصدی آن از کف ماه اوت اشاره داشت و ورود سرمایه به ETFهای سولانا و ارتقای آلپنگلو را مهم‌ترین محرک‌های احتمالی آن دانست.
انتخاب دوم ونیز، چین لینک (LINK) بود. این مدل معتقد است گسترش توکنیزه‌سازی دارایی‌ها در بانک‌ها و مؤسسات مالی می‌تواند تقاضا برای اوراکل‌های این پروتکل را افزایش دهد و به یکی از مهم‌ترین محرک‌های قیمت چین لینک تبدیل شود.
هایپرلیکویید و سولانا؛ محبوب‌ترین انتخاب‌های هوش مصنوعی
در جمع‌بندی پاسخ‌ها، هایپرلیکویید با ۶ انتخاب و سولانا با ۵ انتخاب بیشترین توجه را از سوی مدل‌های هوش مصنوعی دریافت کردند. دلایل انتخاب هایپرلیکویید بیشتر حول درآمد پروتکل، بازخرید توکن و رشد بازار معاملات دائمی بود. درباره سولانا نیز ارتقاهای فنی شبکه، ETFها و افزایش فعالیت در اکوسیستم آن از مهم‌ترین دلایل مطرح‌شده بودند. زی کش هم با ۳ انتخاب در جایگاه بعدی قرار گرفت.
با این وجود، پاسخ مدل‌ها بدون ایراد نبود؛ تفاوت و حتی تناقض میان بعضی اعداد مربوط به بازده سالانه ارزها و وضعیت ETFها یکی از نکاتی است که باید به آن توجه کرد. این موضوع نشان می‌دهد حتی زمانی که چند مدل هوش مصنوعی روی یک ارز اتفاق نظر دارند، داده‌ها و استدلال‌های آن‌ها همچنان باید جداگانه بررسی و راستی‌آزمایی شوند.
آیا می‌توان به انتخاب‌های هوش مصنوعی اعتماد کرد؟
این آزمایش نشان داد چند مدل مختلف روی نام‌هایی مثل هایپرلیکویید و سولانا اتفاق نظر بیشتری دارند، اما چنین اجماعی به معنی درست بودن پیش‌بینی‌ها نیست. مدل‌های هوش مصنوعی با استفاده از داده‌ها و اطلاعات موجود سناریو می‌سازند و ممکن است در محاسبات، اطلاعات به‌روز یا حتی تفسیر بعضی رویدادها دچار خطا شوند.
بنابراین بهتر است این انتخاب‌ها را نه به‌عنوان پیشنهاد خرید، بلکه به‌عنوان نقطه شروعی برای بررسی بیشتر بازار در نظر گرفت. حتی محبوب‌ترین گزینه میان مدل‌ها هم می‌تواند تحت تأثیر تغییر شرایط بازار، اخبار تازه یا اشتباه در داده‌های اولیه عملکرد متفاوتی داشته باشد.