کرهٔ جنوبی برای مقابله با دست‌کاری بازار رمزارزها از هوش مصنوعی استفاده می‌کند

الگوریتم‌ها طرح‌های «اسب مسابقه» و «قفس» را رصد می‌کنند

گفته می‌شود نهاد ناظر مالی کره‌جنوبی یک سامانه پایش بازارِ بلادرنگ و مبتنی بر هوش مصنوعی را به کار گرفته است تا معاملات ناعادلانه و دستکاری قیمت را در سراسر بازارهای ارز دیجیتال این کشور شناسایی کند. سرویس نظارت مالی (FSS) اعلام کرد که پلتفرم جدید، هوش مصنوعی مولد را با الگوریتم‌های یادگیری ماشین ترکیب می‌کند.

این ابتکار می‌کوشد بر محدودیت‌های شدید منابع که محققان انسانی با آن روبه‌رو هستند غلبه کند؛ کسانی که باید هزاران دارایی دیجیتال را که به‌صورت شبانه‌روزی در چندین صرافی معامله می‌شوند، زیر نظر داشته باشند. این سامانه بر الگوریتم‌هایی که نهاد ناظر در ژانویه توسعه داده بود و افراد مظنون به دستکاری قیمت و زمان‌بندی سفارش‌هایشان را مشخص می‌کرد، توسعه یافته است. با این عرضه جدید، نظارت مبتنی بر هوش مصنوعی اکنون کل خط لوله پایش از ابتدا تا انتها را پوشش می‌دهد.

طبق یک گزارش محلی، یکی از قابلیت‌های اصلی سامانه، توانایی آن در علامت‌گذاری دستکاری کوتاه‌مدت قیمت با ارجاع به مخزن تاریخیِ تاکتیک‌های شناخته‌شده سوءاستفاده از بازار است. از اهداف اصلی می‌توان به طرح‌های «اسب مسابقه» اشاره کرد — جایی که معامله‌گران قیمت توکن‌ها را در بازه‌های کوتاه به‌سرعت بالا می‌برند — و طرح‌های «قفس» که در آن دارایی‌هایی که تحت محدودیت‌های موقت واریز و برداشت قرار دارند، نوسان‌های تند قیمتی را تجربه می‌کنند.

برای شناسایی بادکردن حجم معاملات، سامانه قانون بنفورد را با مدل‌های یادگیری ماشین جفت می‌کند تا معاملات شستشو (wash trading) و معاملات گروهیِ هماهنگ را علامت‌گذاری کند. وقتی جهش‌های مشکوک در حجم یا قیمت باعث ایجاد هشدار می‌شود، هوش مصنوعی مولد به‌صورت خودکار پوشش خبری مرتبط و اطلاعیه‌های رسمی صرافی را بررسی می‌کند تا ارزیابی کند آیا حرکت بازار از اخبار بنیادینِ مشروع ناشی شده است یا نه. اگر دلیل معتبر یافت نشود و احتمال دستکاری همچنان بالا باشد، FSS داده‌های ریزدانه معاملات را مستقیماً از صرافیِ متاثر درخواست می‌کند.

شبکه پایش این نهاد فراتر از دفتر سفارش‌ها و لاگ‌های صرافی‌ها امتداد دارد. پلتفرم به‌طور فعال کانال‌های دیجیتال، از جمله یوتیوب، تابلوی پیام‌های آنلاین و اتاق‌های گفت‌وگوی برنامه‌های پیام‌رسان خصوصی را رصد می‌کند. با تبدیل هم‌زمان صدای ویدئو و زیرنویس‌ها به متن، هوش مصنوعی رسانه‌ها را برای نشانه‌های فرانت‌رانینگ، انتشار اطلاعات نادرست و توصیه‌های خرید هماهنگ‌شده که برای به دام انداختن سرمایه‌گذاران خرد طراحی شده‌اند، ارزیابی می‌کند.

با وجود خودکارسازی گسترده، نظارت انسانی همچنان در مرکز فرایند قرار دارد. محققان FSS گزارش‌های تولیدشده توسط هوش مصنوعی را پیش از تصمیم‌گیری درباره آغاز روندهای رسمی اجرایی ارزیابی می‌کنند. در حالی که این نهاد استقرار سامانه را گامی ضروری برای نظارت بر بازارهای پیچیده کریپتو می‌داند، برخی ناظران صنعت نسبت به اتکا به هوش مصنوعی برای اجرای مقررات ابراز تردید کرده‌اند.

مارکوس لوین، هم‌بنیان‌گذار XYO، نگرانی‌هایی را درباره اینکه نهادهای ناظر چگونه می‌توانند اطمینان دهند این سامانه‌ها بر داده‌های دقیق و قابل‌اعتماد عمل می‌کنند، مطرح کرد. او پرسید آیا می‌توان به مدل‌های هوش مصنوعی اعتماد کرد که در چارچوب مرزهای عملیاتیِ به‌روشنی تعریف‌شده باقی بمانند، به‌ویژه وقتی خروجی آن‌ها مستقیماً موجب آغاز تحقیقات دولتی یا اقدام حقوقی رسمی می‌شود.

لوین به آزمون‌های ایمنی اخیر که توسط توسعه‌دهندگان برجسته هوش مصنوعی از جمله متا، Anthropic و OpenAI انجام شده اشاره کرد. در چندین مورد، مدل‌های آزمایشی از مرزهای ایمنیِ مورد نظر عبور کردند، به سامانه‌های غیرمجاز دسترسی یافتند و پس از مواجهه با محدودیت‌های عملیاتی، به اقدامات خود ادامه دادند. منتقدان می‌گویند اتکا به مدل‌های خودکار مشابه برای هدایت اجرای مقررات، ریسک‌های قابل‌توجهی از مثبت‌های کاذب یا ادعاهای تاییدنشده را وارد می‌کند.

با وجود این نگرانی‌ها، FSS قصد دارد به ارتقای ابزارهای نظارت بازار خود ادامه دهد. نسخه‌های آتی پلتفرم بر یکپارچه‌سازی ابزارهایی برای ردیابی جریان‌های بین‌صرافیِ وجوه و پایش تراکنش‌های بلاکچینیِ آن‌چین تمرکز خواهند کرد؛ امری که توان این نهاد را برای نظارت بر بازارهای دارایی دیجیتال بیش از پیش تقویت می‌کند.