آیا ساتوشی یک نابغهٔ تنها بود یا یک تیم مخفی؟ چت‌جی‌پی‌تی، گروک و کلود تصمیم می‌گیرند

از ۵ مدل هوش مصنوعی پرسیدیم آیا ساتوشی تنها کار می‌کرد

یک خالق منفرد که بیش از یک دهه سکوت کرده، روایت و وزن بازار متفاوتی نسبت به یک تیم کوچک دارد که ممکن است همچنان فعال باشد، هماهنگ عمل کند، یا کلیدها را تحت چند ساختار کنترلی نگه دارد. الگوهای آن‌چین مانند اثرانگشت پاتوشی، پرونده وجود یک نهاد غالب در استخراج‌های اولیه را تقویت کرده‌اند، اما هنوز به‌طور کامل روشن نکرده‌اند که آن نهاد یک نفر بوده یا چند نفر که به‌صورت هماهنگ همکاری می‌کرده‌اند.

برای بررسی اینکه مدل‌های پیشرو هوش مصنوعی (AI) این پرسش را با استدلال احتمالاتیِ ساختارمند چگونه ارزیابی می‌کنند، همان پرامپت را در میان یک پنل از سامانه‌های پیشرو اجرا کردیم؛ از جمله Grok 4.3، Claude Fable 5، ChatGPT 5.6 Sol، Gemini Pro و Kimi K26. از هر مدل خواسته شد یک درخت سناریویی بیزیِ ساده بسازد، برای محتمل‌ترین توضیح‌ها احتمال تعیین کند، و شانس اینکه ساتوشی به‌تنهایی عمل کرده یا به‌عنوان بخشی از یک گروه را برآورد کند.

پرامپتی که به هر مدل هوش مصنوعی داده شد این بود:

“با استفاده از یک درخت سناریویی بیزی ساده، سه سناریوی محتملِ اصلی را درباره اینکه آیا ساتوشی ناکاموتو یک فرد منفرد بوده یا بخشی از یک گروه (مثل یک تیم کوچک هماهنگ یا یک جمع/کلکتیو) شناسایی کنید و به هرکدام احتمال بدهید. مطمئن شوید این سه سناریو به‌علاوه یک دسته «سناریوهای دیگر» در مجموع ۱۰۰٪ شوند. بر اساس این وزن‌دهی‌ها، احتمال کلی اینکه ساتوشی یک فرد منفرد بوده در برابر اینکه بخشی از یک گروه بوده را برآورد کنید. در یک پاراگراف حداکثر ۱۰۰ کلمه پاسخ دهید، و در یک جمله فرض‌های مبتنی بر شواهد را از حدس‌وگمان جدا کنید.”

علاوه بر این، از هر مدل هوش مصنوعی خواستیم منطق پشت نتیجه‌گیری مشخص خود را در یک پاراگراف حداکثر ۱۰۰ کلمه توضیح دهد. و آن پرامپت مشخص این بود:

“منطق پشت پیش‌بینی مشخص خود را در یک پاراگراف حداکثر ۱۰۰ کلمه توضیح دهید و عوامل اصلی، فرض‌ها، و گام‌های منطقی‌ای را که شما را به این نتیجه رسانده‌اند ذکر کنید.”

پاسخ تفکری Kimi K26:

استدلال Kimi K26:

من احتمال نویسندگی/خالقیتِ انفرادی را ۴۵٪ وزن دادم، چون وایت‌پیپر و کد یک لحن یکپارچه، سبک ثابت C++ و بازه تخصصیِ محدودِ معمول برای یک چنددانشی را نشان می‌دهند؛ بااین‌حال فعالیت شبانه‌روزیِ ۲۰۰۸ تا ۲۰۱۰ در فروم‌ها و تسلط هم‌زمان بر رمزنگاری، اقتصاد و کدنویسی، وجود یک تیم کوچک هماهنگ را القا می‌کند (۳۵٪). یک کلکتیو نهادی (۱۵٪) با توجه به نبودِ افشاگری‌ها یا نشانه‌های بوروکراتیک کمتر محتمل است، و «سایر» ناشناخته‌های ناشناخته را پوشش می‌دهد (۵٪). این پیش‌فرض‌ها با شواهدِ پنهان‌کاریِ پایدار و انسجامِ سبک به‌روزرسانی می‌شوند و به احتمال ۴۵٪ برای انفرادی در برابر ۵۰٪ برای گروه می‌رسند.

پاسخ Claude Fable 5 (هوش بالا):

استدلال Claude Fable:

من بر شواهد سبک‌سنجی و رفتاری تکیه کردم: نوشته‌های ساتوشی یک صدا، قراردادهای املایی و ویژگی‌های خاصِ ثابت را نشان می‌دهند (املاهای بریتانیایی، دو فاصله بعد از نقطه)، و کدبیس اولیه بازتاب‌دهنده سبک یک برنامه‌نویس واحد است — که به نفع یک نویسنده منفرد است. با این حال، پهنای پروژه (رمزنگاری، اقتصاد، مهندسی C++، شبکه‌های همتا‌به‌همتا) از تخصص معمول یک فرد فراتر می‌رود و وقفه‌های فعالیت احتمال مشاوره را نشان می‌دهد، پس برای همکاری غیررسمی وزن معناداری کنار گذاشتم. فرض کردم آثار عمومی (ایمیل‌ها، پست‌های فروم، کد) نماینده‌اند و عمدی برای فریب مخدوش نشده‌اند. ترکیب این‌ها با قضاوت‌های تقریبیِ درست‌نمایی — نه پیشین‌های رسمی — به تقسیم ۵۰/۲۵/۱۵/۱۰ رسید.

پاسخ Grok 4.3 (حالت کارشناس):

استدلال Grok 4.3:

این پیش‌بینی از یک به‌روزرسانی بیزی ساده ناشی می‌شود: یک پیشینِ حدود ۶۰٪ برای خالقیت انفرادی، بر اساس سابقه‌های تاریخیِ رمزنگاران منفرد که سامانه‌های پیچیده و منسجم مانند پروتکل‌ها یا وایت‌پیپرهای اولیه را تولید کرده‌اند، سپس با عوامل مخالف کمی به پایین تعدیل شد. شواهد اصلی شامل تحلیل‌های سبک‌سنجی است که صدای ثابت و ساختار منسجم در وایت‌پیپر بیت‌کوین را نشان می‌دهد، به‌علاوه الگوی آن‌چین پاتوشی که کنترل یکپارچه استخراج اولیه توسط یک نهاد را نشان می‌دهد؛ این‌ها از ناسازگاری‌های جزئی املایی و گستره پروژه سنگین‌ترند و از پسین ۵۲٪ برای یک فرد منفرد پشتیبانی می‌کنند. سناریوی تیم کوچک (۳۰٪) پهنا و تغییرات خفیف سبک بین فروم و ایمیل را پوشش می‌دهد، اما به‌خاطر نبودِ افشا یا تناقض طی چند سال جریمه می‌شود. حالت ترکیبیِ رهبر به‌همراه دستیاران (۱۰٪) ورودی محدود بدون اشتراک کامل را پل می‌زند و «سایر» (۸٪) احتمال‌های بسیار کم را دربر می‌گیرد. وزن‌دهی این‌ها در مجموع به ۵۲٪ «انفرادی» در برابر ۴۰٪ «گروه» می‌انجامد.

پاسخ ChatGPT 5.6 Sol (هوش بالا):

استدلال ChatGPT 5.6 Sol:

برآورد ۵۴٪ برای فردِ منفرد عمدتاً بر سبک نوشتاری به‌طور غیرمعمول ثابت ساتوشی، فلسفه فنی منسجم، رویکرد کدنویسی یکنواخت و ارتباطات عمومیِ به‌شدت کنترل‌شده تکیه دارد که همگی با یک خالق اصلیِ واحد سازگارند. احتمال ۴۶٪ برای «گروه» همچنان قابل‌توجه است، چون بیت‌کوین رمزنگاری، سامانه‌های توزیع‌شده، اقتصاد و مهندسی نرم‌افزار را در سطحی ترکیب کرد که می‌تواند چند متخصص را پشت یک هویت نشان دهد. سناریوی فردی را کمی بالاتر وزن دادم چون هیچ گسست سبکیِ روشن، نشتی هماهنگی یا همکارانِ تأییدشده مستقل آشکار نشد، در عین حال می‌پذیرم که یک تیم کوچکِ منضبط می‌توانسته عمداً یک صدا را حفظ کند.

پاسخ تفکری گسترده Gemini Pro:

استدلال Gemini Pro:

احتمال ۷۰٪ برای یک فرد منفرد بر سه عامل اصلی تکیه دارد: یکنواختیِ سبک در کدبیس اولیه، «صدای» یکپارچه در ایمیل‌ها، و داده‌های تایم‌استمپ که برنامه خواب یک نفر را نشان می‌دهد. فرض اصلی این است که یک گروه ناگزیر عادت‌های کدنویسی متنوع یا ساعات فعالیت هم‌پوشان را افشا می‌کند. از نظر منطقی، تخصص عمیقِ چندرشته‌ایِ لازم در رمزنگاری و اقتصاد به‌شدت به نفع یک سایفرپانکِ تثبیت‌شده (۶۰٪) است تا یک ناشناخته منزوی (۱۰٪). بااین‌حال همین پیچیدگیِ افراطی، احتمال ۲۵٪ برای سناریوی تیم را توجیه می‌کند و می‌پذیرد که یک جمع کوچک و بسیار منضبط می‌تواند از نظر تئوریک همکاری خود را پشت یک پرسونا پنهان کند.

سنجش شواهد

در مجموع، اعداد این پنل بیش از آنکه درباره هویت ساتوشی بگویند، درباره رفتار مدل‌ها نکته دارند. پنج سامانه که همان تمرین بیزی را انجام دادند، برآورد «فرد منفرد» را از ۴۵٪ تا ۷۰٪ ارائه کردند؛ اختلافی ۲۵ واحدی که هر ادعای اجماع هوش مصنوعی را در این موضوع تضعیف می‌کند. فقط Kimi K26 کاملاً از بقیه جدا شد و توضیح «گروه» را بر ساتوشیِ انفرادی ترجیح داد، در حالی که Grok، ChatGPT و Claude Fable نزدیک به هم و حوالی ۵۰-۵۰ قرار گرفتند و آن را تقریباً شبیه شیر یا خط تلقی کردند.

این شکاف همچنین نشان می‌دهد «بیزی» چقدر سست و شُل به کار می‌رود. بیشتر مدل‌ها از ریاضیِ واقعی عبور کردند: چهار مدل از پنج مدل نتوانستند درصدهای سناریوی خود را دوباره به یک تفکیک دوگانهِ تمیزِ «انفرادی» در برابر «گروه» برگردانند و بی‌سروصدا دسته «سایر» را کنار گذاشتند، به‌جای اینکه آن را در حساب وارد کنند. ChatGPT 5.6 Sol استثنا بود و تخصیص‌ها را از ابتدا تا انتها نشان داد. Gemini Pro رویکرد مخالف را در پیش گرفت: «فرد منفرد» را به دو زیرسناریو شکافت و آن‌ها را با هم ترکیب کرد؛ انتخابی در چارچوب‌بندی که احتمالاً بیش از هر شاهد منحصربه‌فردی که ذکر کرده، رقم نامتعارف ۷۰٪ آن را توضیح می‌دهد.

آنچه مدل‌ها بر سرش هم‌نظرند، از جایی که اختلاف دارند گویاتر است. هر پنج مدل به همان دو ستون اشاره کردند—یکپارچگی صدای نوشتاری و یکپارچگی سبک کدنویسی—به‌عنوان پایه شواهد خود، و هر پنج مدل همان مرز را میان آن شواهد و حدس‌وگمان صرف درباره هویت‌های مشخص یا حامیان نهادی ترسیم کردند. این همگرایی نشان می‌دهد اختلاف واقعی میان این سامانه‌های هوش مصنوعی درباره واقعیت‌های زیربناییِ راز ساتوشی نیست. اختلاف درباره این است که هر کدام چگونه عدم‌قطعیت را ساختار می‌دهد و به شواهدی وزن می‌دهد که پس از گذشت هفده سال، هنوز هیچ چیز را به‌طور قطعی حل نمی‌کند.