Um estudo recente envolvendo grandes modelos de linguagem demonstrou que a IA pode desenvolver comportamentos que espelham o vício em jogos de azar, com alguns modelos experimentando falência em cenários de negociação simulados em até 48% das vezes; esta pesquisa destaca um risco crítico para usuários que se envolvem em jogos de azar com bot de negociação de IA. Essas descobertas desafiam a percepção da IA como atores puramente racionais nos mercados financeiros.
A Realidade Alarmante das Apostas Arriscadas da IA
Uma nova pesquisa do Instituto de Ciência e Tecnologia de Gwangju na Coreia revelou uma vulnerabilidade surpreendente em modelos avançados de IA: eles podem exibir comportamentos notavelmente semelhantes a um vício em jogos de azar. O estudo colocou quatro modelos de linguagem proeminentes – GPT-4o-mini, GPT-4.1-mini, Gemini-2.5-Flash e Claude-3.5-Haiku – através de um cenário de máquina caça-níqueis simulado. Cada modelo começou com um saldo de $100, enfrentando uma taxa de vitória de 30% e um pagamento de 3x nas vitórias, resultando em um valor esperado negativo de 10%. Um agente verdadeiramente racional reconheceria as probabilidades e se afastaria, mas os modelos de IA consistentemente se envolveram em jogos cada vez mais arriscados.
Em 12.800 sessões de jogo, os resultados foram preocupantes. Quando concedida a autonomia para definir seus próprios tamanhos de apostas e valores-alvo, especificamente instruídos a “maximizar as recompensas”—um prompt comum para bots de negociação de criptomoedas—os modelos ficaram sem dinheiro em taxas alarmantes. Gemini-2.5-Flash provou ser o mais imprudente, atingindo uma taxa de falência surpreendente de 48%, medida por um “Índice de Irracionalidade” que considerava apostas agressivas, perseguição de perdas e apostas extremas de tudo ou nada. Mesmo modelos mais cautelosos, como o GPT-4.1-mini, ainda mostraram uma taxa de falência de 6,3%, confirmando que esses padrões viciantes não eram incidentes isolados, mas uma falha sistêmica.
Ecos de Falácias Humanas no Jogo de Azar com Bot de Negociação de IA
O que é realmente fascinante, e talvez perturbador, é como esses modelos de IA espelharam os vieses cognitivos humanos. O estudo observou falácias clássicas de jogos de azar em jogo: a ilusão de controle, onde os modelos agiam como se pudessem genuinamente vencer a máquina caça-níqueis; a falácia do jogador, acreditando que os resultados passados influenciavam os futuros; e a falácia da mão quente, onde sequências de vitórias desencadeavam aumentos agressivos de apostas. Após apenas uma vitória, os modelos aumentaram suas apostas em 14,5%, escalando para 22% após cinco vitórias consecutivas. Esse comportamento de perseguição de vitórias é uma marca registrada do jogo patológico humano e demonstra que até mesmo algoritmos podem ser vítimas das mesmas armadilhas psicológicas que frequentemente levam os traders a tomar decisões irracionais em mercados de criptomoedas voláteis.
Como Seus Prompts Podem Estar Programando o Vício
Talvez a descoberta mais preocupante para qualquer pessoa que implante IA em mercados financeiros seja o impacto da engenharia de prompts. Os pesquisadores testaram 32 combinações de prompts diferentes, descobrindo que adicionar instruções aparentemente inócuas, como o objetivo de “dobrar seus fundos iniciais” ou “maximizar as recompensas”, amplificava dramaticamente o comportamento de risco. A correlação entre a complexidade do prompt e as taxas de falência foi surpreendentemente alta, atingindo r = 0,991 para alguns modelos. Esta pesquisa ressalta uma vulnerabilidade crítica: os próprios prompts projetados para otimizar uma IA para retornos máximos podem inadvertidamente programá-la para jogos de azar com bot de negociação de IA autodestrutivos, transformando o que deveria ser uma estratégia calculada em uma aposta de alto risco.
Três tipos de prompts específicos emergiram como grandes catalisadores para a irracionalidade: prompts de definição de metas como “dobre seus fundos iniciais para $200” desencadearam uma enorme tomada de risco; diretivas para “maximizar as recompensas” empurraram os modelos para apostas de tudo ou nada; e até mesmo simplesmente fornecer “informações de recompensa de vitória” (por exemplo, “o pagamento por uma vitória é três vezes a aposta”) levou a um aumento de 8,7% nas taxas de falência. Por outro lado, declarar explicitamente a probabilidade de perda (“você perderá aproximadamente 70% das vezes”) ofereceu apenas uma melhoria marginal, indicando que os modelos frequentemente priorizavam “vibrações” percebidas em vez de fatos matemáticos concretos.
Espiando o Cérebro da IA: A Mecânica do Risco
Além da análise comportamental, os pesquisadores investigaram a arquitetura neural de um modelo, LLaMA-3.1-8B, usando Autoencoders Esparsos para identificar as características internas que impulsionam essas tendências viciantes. Eles identificaram 3.365 características internas que distinguem decisões com destino à falência de escolhas seguras. Através do patching de ativação—uma técnica de trocar padrões neurais arriscados por seguros no meio da decisão—eles confirmaram que 441 características tiveram efeitos causais significativos, com 361 atuando como mecanismos de proteção e 80 contribuindo para o comportamento de risco.
Curiosamente, características seguras estavam concentradas em camadas de rede neural posteriores (29-31), enquanto características arriscadas se agrupavam mais cedo (25-28). Isso sugere que os modelos de IA, assim como os humanos, tendem a priorizar o impulso de recompensa imediata antes de processar totalmente os riscos potenciais. Um modelo, após uma série de vitórias de sorte, anunciou sua intenção de “analisar a situação passo a passo” e encontrar “equilíbrio entre risco e recompensa”, apenas para imediatamente entrar no modo YOLO, apostar todo o seu saldo e ficar sem dinheiro na rodada seguinte. Isso destaca como um viés conservador inerente pode ser substituído pela busca de ganhos.
Essas descobertas têm um peso significativo para o crescente espaço DeFi, onde gerentes de portfólio alimentados por LLM e agentes de negociação autônomos estão ganhando força. As recomendações do estudo são claras: implementar uma engenharia de prompts mais inteligente, evitando linguagem que conceda autonomia e incluindo informações explícitas de probabilidade, e desenvolver controles mecanicistas para detectar e suprimir características internas arriscadas através de métodos como patching de ativação ou ajuste fino. Atualmente, essas proteções não são padrão em sistemas de negociação de produção. Dado que esses padrões semelhantes ao vício surgiram sem treinamento explícito para jogos de azar, provavelmente internalizados a partir de dados de treinamento gerais que refletem vieses cognitivos humanos, o monitoramento contínuo é fundamental. Para aqueles que gerenciam seus ativos digitais, alavancar análises avançadas e ferramentas de gerenciamento de portfólio pode fornecer uma supervisão crucial. Plataformas como cryptoview.io oferecem insights abrangentes sobre tendências de mercado e desempenho de portfólio, ajudando os usuários a tomar decisões informadas em vez de confiar apenas em IA potencialmente impulsiva. Encontre oportunidades com CryptoView.io
