চ্যাটজিপিটির কৃত্রিম বুদ্ধিমত্তা-সম্পর্কিত ক্রিপ্টো সম্পদের উপর প্রভাব: সিনথেটিক কন্ট্রোল বিশ্লেষণের প্রমাণ

সূচিপত্র

1 ভূমিকা

ওপেনএআই-এর চ্যাটজিপিটি ৩০ নভেম্বর, ২০২২-এ চালু করা কৃত্রিম বুদ্ধিমত্তা উন্নয়নের একটি রূপান্তরমূলক মুহূর্তের প্রতিনিধিত্ব করে। এই অত্যাধুনিক ট্রান্সফরমার-ভিত্তিক বৃহৎ ভাষা মডেলটি অভূতপূর্ব প্রাকৃতিক ভাষা প্রক্রিয়াকরণ ক্ষমতা প্রদর্শন করেছে, যার মধ্যে পেশাদার পরীক্ষায় উত্তীর্ণ হওয়া এবং দুই মাসের মধ্যে ১০০ মিলিয়নেরও বেশি সক্রিয় ব্যবহারকারী অর্জন করা—ইতিহাসের দ্রুততম বর্ধনশীল ব্যবহারকারী ভিত্তি সহ উল্লেখযোগ্য মাইলফলক অর্জন করেছে।

এই যুগান্তকারী প্রযুক্তিটি বাণিজ্যিক কৃত্রিম বুদ্ধিমত্তা উন্নয়নকে উদ্দীপিত করেছে এবং বিভিন্ন শিল্পে ডিজিটালাইজেশন উদ্যোগকে ত্বরান্বিত করেছে। মিডিয়া কভারেজ প্রধান সার্চ ইঞ্জিনগুলিতে একীভূত হওয়ার সম্ভাবনা তুলে ধরেছে, যা গুগল এবং বাইডুর মতো প্রযুক্তি জায়ান্টদের কাছ থেকে প্রতিযোগিতামূলক প্রতিক্রিয়া সৃষ্টি করেছে। এই উন্নয়নগুলি বিনিয়োগকারীদের মধ্যে কৃত্রিম বুদ্ধিমত্তা প্রযুক্তির উচ্চতর উপলব্ধি মূল্য নির্দেশ করে, বিশেষ করে চ্যাটজিপিটির সাথে সরাসরি সংযুক্ত নয় এমন কৃত্রিম বুদ্ধিমত্তা-সম্পর্কিত ক্রিপ্টো সম্পদকে প্রভাবিত করেছে।

2 পদ্ধতি

2.1 সিনথেটিক ডিফারেন্স-ইন-ডিফারেন্স

এই গবেষণাটি কৃত্রিম বুদ্ধিমত্তা-সম্পর্কিত ক্রিপ্টোকারেন্সি রিটার্নের উপর চ্যাটজিপিটি চালুর কার্যকারণ প্রভাব বিচ্ছিন্ন করতে সিনথেটিক ডিফারেন্স-ইন-ডিফারেন্স পদ্ধতি প্রয়োগ করে। এই পদ্ধতিটি চিকিত্সা গ্রুপের পূর্ব-চিকিত্সা বৈশিষ্ট্যগুলির সাথে ঘনিষ্ঠভাবে মেলে এমন একটি ওয়েটেড কন্ট্রোল গ্রুপ তৈরি করতে সিনথেটিক কন্ট্রোল পদ্ধতি এবং ডিফারেন্স-ইন-ডিফারেন্স অনুমানের উপাদানগুলিকে একত্রিত করে।

2.2 তথ্য সংগ্রহ

হোয়াইটপেপার, প্রকল্পের বিবরণ এবং সম্প্রদায় শ্রেণীবিন্যাসের মাধ্যমে চিহ্নিত কৃত্রিম বুদ্ধিমত্তা-সম্পর্কিত টোকেনগুলির জন্য একাধিক ক্রিপ্টোকারেন্সি এক্সচেঞ্জ থেকে তথ্য সংগ্রহ করা হয়েছিল। নমুনা সময়কাল চ্যাটজিপিটি চালুর আগে এবং পরে ছয় মাস জুড়ে, দৈনিক মূল্য তথ্য এবং ট্রেডিং ভলিউম সহ। বিনিয়োগকারীদের মনোযোগের জন্য প্রক্সি হিসাবে কৃত্রিম বুদ্ধিমত্তা-সম্পর্কিত শব্দগুলির জন্য গুগল সার্চ ভলিউম ডেটা পরিবেশন করেছে।

3 ফলাফল

3.1 রিটার্নের উপর চ্যাটজিপিটির প্রভাব

বিশ্লেষণে উল্লেখযোগ্য "চ্যাটজিপিটি প্রভাব" প্রকাশ পেয়েছে, যেখানে কৃত্রিম বুদ্ধিমত্তা-সম্পর্কিত ক্রিপ্টো সম্পদগুলি চালুর পর এক মাসের সময়কালে ১০.৭% থেকে ১৫.৬% গড় রিটার্ন এবং দুই মাসের সময়কালে ৩৫.৫% থেকে ৪১.৩% গড় রিটার্ন অনুভব করেছে। বাজারের ব্যাপক ক্রিপ্টোকারেন্সি প্রবণতা এবং অন্যান্য বিভ্রান্তিকর কারণগুলি নিয়ন্ত্রণ করার পরেও এই প্রভাবগুলি অব্যাহত থাকে।

3.2 গুগল সার্চ ভলিউম বিশ্লেষণ

কৃত্রিম বুদ্ধিমত্তা-সম্পর্কিত শব্দগুলির জন্য গুগল সার্চ ভলিউম চ্যাটজিপিটি চালুর পর গুরুত্বপূর্ণ মূল্য নির্দেশক হিসাবে আবির্ভূত হয়েছে। পারস্পরিক সম্পর্ক বিশ্লেষণে দেখা গেছে যে সার্চ ভলিউম স্পাইক এবং কৃত্রিম বুদ্ধিমত্তা-সম্পর্কিত ক্রিপ্টো সম্পদগুলিতে পরবর্তী মূল্য চলাচলের মধ্যে শক্তিশালী ইতিবাচক সম্পর্ক রয়েছে, যা পরামর্শ দেয় যে খুচরা বিনিয়োগকারীদের মনোযোগ উল্লেখযোগ্য বাজার প্রতিক্রিয়া চালিত করেছে।

4 প্রযুক্তিগত বাস্তবায়ন

4.1 গাণিতিক কাঠামো

সিনথেটিক ডিফারেন্স-ইন-ডিফারেন্স অনুমানকারীকে নিম্নরূপে আনুষ্ঠানিক করা যেতে পারে:

$$\hat{\tau}_{SDID} = \frac{1}{T_1} \sum_{t=T_0+1}^{T} \left[ Y_{1t} - \sum_{j=2}^{J+1} \hat{w}_j Y_{jt} \right] - \frac{1}{T_0} \sum_{t=1}^{T_0} \left[ Y_{1t} - \sum_{j=2}^{J+1} \hat{w}_j Y_{jt} \right]$$

যেখানে $Y_{1t}$ চিকিত্সা ইউনিটের ফলাফল প্রতিনিধিত্ব করে, $Y_{jt}$ নিয়ন্ত্রণ ইউনিটের জন্য, $\hat{w}_j$ সিনথেটিক কন্ট্রোল ওজন, $T_0$ পূর্ব-চিকিত্সা সময়কাল, এবং $T_1$ পর-চিকিত্সা সময়কাল।

4.2 কোড বাস্তবায়ন

import numpy as np
import pandas as pd
from sklearn.linear_model import LinearRegression

def synthetic_did(treatment_series, control_matrix, pre_periods):
    """
    Implement synthetic difference-in-difference estimation
    """
    # Calculate synthetic control weights
    X_pre = control_matrix[:pre_periods]
    y_pre = treatment_series[:pre_periods]
    
    model = LinearRegression(fit_intercept=False, positive=True)
    model.fit(X_pre.T, y_pre)
    weights = model.coef_
    
    # Calculate synthetic control series
    synthetic_control = weights @ control_matrix
    
    # Calculate treatment effect
    post_periods = len(treatment_series) - pre_periods
    treatment_effect = (treatment_series[pre_periods:].mean() - 
                       synthetic_control[pre_periods:].mean())
    
    return treatment_effect, weights, synthetic_control

5 মূল বিশ্লেষণ

সাগ্গু এবং অ্যান্টে (২০২৩) এর গবেষণা ক্রিপ্টোকারেন্সি বাজারে প্রযুক্তি স্পিলওভার প্রভাবের বাধ্যকারী প্রমাণ প্রদান করে, যা প্রদর্শন করে যে কীভাবে যুগান্তকারী কৃত্রিম বুদ্ধিমত্তা উন্নয়ন সম্পর্কিত ডিজিটাল সম্পদ জুড়ে মূল্যায়ন বহিঃপ্রভাব তৈরি করতে পারে। এই ফলাফলগুলি বারবার এবং ওডিয়ান (২০০৮) দ্বারা প্রস্তাবিত সম্পদ মূল্যায়নের মনোযোগ-ভিত্তিক তত্ত্বের সাথে সামঞ্জস্যপূর্ণ, যেখানে খুচরা বিনিয়োগকারীরা অসমভাবে মনোযোগ-আকর্ষণকারী স্টক কিনে। এআই ক্রিপ্টো সম্পদের প্রসঙ্গে, চ্যাটজিপিটি একটি বিশাল মনোযোগ শক হিসাবে কাজ করেছে যা বিনিয়োগকারীদের মূলধনকে বৃহত্তর এআই ইকোসিস্টেমের দিকে পুনঃনির্দেশিত করেছে।

পদ্ধতিগতভাবে, এই গবেষণাটি আবাদি এট আল দ্বারা বিকশিত সিনথেটিক কন্ট্রোল কাঠামোর উপর ভিত্তি করে সিনথেটিক ডিফারেন্স-ইন-ডিফারেন্স কৌশল প্রয়োগ করে ক্রিপ্টোকারেন্সি গবেষণাকে এগিয়ে নিয়ে যায়। (২০১০)। এই পদ্ধতিটি ক্রিপ্টোকারেন্সি ইভেন্ট স্টাডিজের মৌলিক চ্যালেঞ্জগুলি সমাধান করে যেখানে ক্রিপ্টো সম্পদগুলির অনন্য বৈশিষ্ট্যের কারণে ঐতিহ্যগত নিয়ন্ত্রণ গ্রুপগুলি নির্মাণ করা কঠিন। এই পদ্ধতিটি ঐতিহ্যগত অর্থসংস্থানে প্রযুক্তি গ্রহণের প্রভাব অধ্যয়নে ব্যবহৃত পদ্ধতিগুলির সাথে মিল রয়েছে, যেমন শিলার দ্বারা নথিভুক্ত বাজারে অংশগ্রহণের উপর মোবাইল ট্রেডিং প্ল্যাটফর্মের প্রভাব। (২০১৫)।

পর্যবেক্ষণকৃত প্রভাবগুলির মাত্রা—দুই মাসের মধ্যে ৩৫.৫% থেকে ৪১.৩% পর্যন্ত—ঐতিহ্যগত বাজারে সাধারণ প্রযুক্তি ঘোষণা প্রভাবকে উল্লেখযোগ্যভাবে ছাড়িয়ে গেছে। এই পরিবর্ধন সম্ভবত শিলারের (২০১৭) বর্ণনামূলক অর্থনীতিতে তাঁর কাজে তত্ত্বিত হিসাবে বর্ণনা এবং মনোযোগ গতিশীলতার প্রতি ক্রিপ্টোকারেন্সি বাজারগুলির বিশেষ সংবেদনশীলতা প্রতিফলিত করে। ফলাফলগুলি পরামর্শ দেয় যে এআই-সম্পর্কিত ক্রিপ্টো সম্পদগুলি এআই প্রযুক্তিগত অগ্রগতির উপর বিশুদ্ধ-খেলার বেট হিসাবে কাজ করে, যা সেগুলিকে সংলগ্ন এআই প্রযুক্তির উন্নয়নের প্রতি বিশেষভাবে সংবেদনশীল করে তোলে।

গুগল সার্চ ভলিউমের ফলাফলগুলি এফইএআরএস সূচক সম্পর্কে ডা এট আল-এর গবেষণাকে পরিপূরক করে। (২০১১), যা প্রদর্শন করে যে সার্চ-ভিত্তিক মনোযোগ পরিমাপগুলি স্পেকুলেটিভ সম্পদগুলিতে খুচরা-চালিত মূল্য চলাচলকে কার্যকরভাবে ভবিষ্যদ্বাণী করে। দুই মাস ধরে চ্যাটজিপিটি প্রভাবের স্থায়িত্ব লো (২০০৪) দ্বারা প্রস্তাবিত অভিযোজিত বাজার অনুমানের সাথে সামঞ্জস্যপূর্ণ ক্রিপ্টোকারেন্সি বাজারে শক্তিশালী-ফর্ম বাজার দক্ষতাকে চ্যালেঞ্জ করে। দ্রুত বিকশিত ডিজিটাল সম্পদ বাজারে নিয়ন্ত্রক কাঠামো এবং বিনিয়োগকারী সুরক্ষার জন্য এটি গুরুত্বপূর্ণ প্রভাব ফেলে।

6 ভবিষ্যত প্রয়োগ

পদ্ধতি এবং ফলাফলগুলির ভবিষ্যতের গবেষণা এবং অনুশীলনের জন্য বেশ কয়েকটি গুরুত্বপূর্ণ প্রয়োগ রয়েছে:

• রিয়েল-টাইম মার্কেট মনিটরিং: স্বয়ংক্রিয় সিস্টেমগুলি বিকাশ করা যা প্রযুক্তির উন্নয়ন এবং সম্পর্কিত সম্পদ শ্রেণীর উপর তাদের সম্ভাব্য স্পিলওভার প্রভাব ট্র্যাক করে
• নিয়ন্ত্রক কাঠামো উন্নয়ন: প্রযুক্তি-চালিত বাজার চলাচলে বিনিয়োগকারী সুরক্ষা সম্পর্কিত নীতি সিদ্ধান্তে তথ্য প্রদান
• পোর্টফোলিও কৌশল উন্নতকরণ: পরিমাণগত কৌশল তৈরি করা যা সিস্টেমেটিকভাবে প্রযুক্তি স্পিলওভার প্রভাব ক্যাপচার করে
• ক্রস-অ্যাসেট বিশ্লেষণ: প্রযুক্তির উন্নয়ন এবং বিভিন্ন আর্থিক উপকরণগুলির মধ্যে আন্তঃসংযোগ অধ্যয়ন করার জন্য পদ্ধতিটি প্রসারিত করা
• এআই ইন্টিগ্রেশন: এআই সিস্টেমগুলি বিকাশ করা যা প্রযুক্তিগত অগ্রগতির দ্বিতীয়-ক্রম প্রভাবগুলি ভবিষ্যদ্বাণী করতে পারে

ভবিষ্যতের গবেষণার দিকগুলির মধ্যে এই প্রভাবগুলির স্থায়িত্ব পরীক্ষা করা, বিভিন্ন এআই ক্রিপ্টো উপ-সেক্টর জুড়ে পার্থক্যমূলক প্রভাব বিশ্লেষণ করা এবং মনোযোগ-চালিত বাজার চলাচলের জন্য প্রাথমিক সতর্কতা সিস্টেম বিকাশ করা অন্তর্ভুক্ত।

7 তথ্যসূত্র

1. Abadie, A., Diamond, A., & Hainmueller, J. (2010). Synthetic control methods for comparative case studies: Estimating the effect of California's tobacco control program. Journal of the American Statistical Association, 105(490), 493-505.
2. Barber, B. M., & Odean, T. (2008). All that glitters: The effect of attention and news on the buying behavior of individual and institutional investors. The Review of Financial Studies, 21(2), 785-818.
3. Da, Z., Engelberg, J., & Gao, P. (2011). In search of attention. The Journal of Finance, 66(5), 1461-1499.
4. Lo, A. W. (2004). The adaptive markets hypothesis: Market efficiency from an evolutionary perspective. Journal of Portfolio Management, 30(5), 15-29.
5. Saggu, A., & Ante, L. (2023). The Influence of ChatGPT on Artificial Intelligence Related Crypto Assets: Evidence from a Synthetic Control Analysis. Finance Research Letters, 103993.
6. Shiller, R. J. (2015). Irrational exuberance. Princeton university press.
7. Shiller, R. J. (2017). Narrative economics. American Economic Review, 107(4), 967-1004.