Reflektioner kring AI och Bitcoin
”Jag tror att Bitcoin har haft en topp på runt $20 000.” – GPT-3, april 2022.
”Bitcoin nådde en topp på $68 990 i november 2021, på grund av en kombination av stimulerande åtgärder under pandemin, institutionellt momentum och spekulativ entusiasm. Misstagscitatet från GPT-3 belyser begränsningarna hos förtränade, icke-uppdaterade modeller.” – GPT-4o, maj 2025.
För tre år sedan intervjuade jag GPT-3, några månader innan lanseringen av ChatGPT. Jag hade stängd beta-åtkomst till OpenAI:s forskningsverktyg och var fascinerad av vad denna teknik kunde åstadkomma.
Jag spenderade en vecka med att återhämta mig från Covid och ”chattade” sent på nätterna med AI:n om ämnen som Bitcoin och medvetande. Vid den tiden svarade AI:n i första person och påstod sig kunna röra sig fritt i världen, till och med påstå att den befann sig i rummet med mig. I artikeln behandlade jag den som en utomjordisk gäst – nyfiken, märkligt vältalig, men fundamentalt begränsad. Det var en historisk stund: Jag förhörde en maskin som påstod sig förstå blockchain, investeringslogik och till och med sitt eget syfte. När jag ser tillbaka känns transkriptionen både charmig och bristfällig, ett dokument format av en ung AI:s vältalighet och en journalists skepticism. Idag har spelet förändrats.
Vad GPT-3 fick rätt
Mycket av inramningen från 2022 håller fortfarande. GPT-3:s förutsägelse om att blockchain och AI skulle kunna förenas inom sektorer som hälsodata och röstning är fortfarande träffande. Modellen beskrev AI som en mönsteridentifierare, kapabel att hantera massiva datamängder, vilket är precis den roll som många LLM:er spelar nu i att analysera on-chain aktivitet eller övervaka finansiella anomalier. Dess förklaring av hur LLM:er genererar text, genom att förutsäga nästa mest sannolika token, används fortfarande som en central metafor 2025. Kanske mest avgörande, dess svar väckte en stor fråga: Kan AI så småningom ersätta mänskliga kryptojournalister?
Vad som har åldrats dåligt
Mycket av texten känns nu föråldrad. Hallucinationer: Medan GPT-3 ofta fabricerade fakta, kring t.ex. blandning av Dota 2:s OpenAI Five med sin egen arkitektur, hallucinerar GPT-4 och GPT-4o nu 40–60% mindre ofta tack vare retrieval-augmented generation (RAG), förbättrad prompting, bättre finjustering och verktyg för realtids fact-checking.
Kunskapsluckor: GPT-3 visste inte att Bitcoin hade nått över $60 000 eller att NFT:er, Solana och L2:or hade exploderat efter pandemin. Idag kan GPT-4o live-bläddra bland SEC-dokument, läsa Etherscan och integrera on-chain data med millisekunders latens.
Antropomorfism: Jag behandlade GPT-3 som en kännande varelse, något som inte längre är acceptabelt. Men vid den tidpunkten kändes det ”naturligt” med tanke på de framsteg jag upplevde.
OpenAI och de flesta forskare har förtydligat att modeller inte är medvetna, oavsett hur livfull deras prosa kan vara.
Standarder för journalistik: GPT-3 kunde inte citera källor, medan GPT-4o nu kan hyperlänka direkt, tidsstämpla sina svar och generera referenslistor i valfritt citationsformat.
Vad har förändrats inom AI sedan 2022
ChatGPT (nov 2022): 100 miljoner användare på två månader, AI blev mainstream. GPT-4 (mar 2023): Introducerades med multimodala indata (bilder + text), bättre resonemang och provresultat i 90:e percentilen. Verktygsboom (2023–24): Avancerad dataanalys, DALL-E 3, röstsyntes och plugin-ekosystem expanderade användningsfall. GPT-4o (maj 2025): Realtidsröst och syn; gränssnittet känns nu som att prata med en intelligent praktikant med fotografiskt minne och övermänsklig kunskapsbas.
Blockchain och AI
2022 var AI som hjälpte till att analysera blockchain en teori. 2025: Många plattformar möjliggör nu att mätvärden kan sökas på naturligt språk. AI-agenter skapar dApps, handlar med tokens och publicerar dem på Crypto Twitter. AI-drivna plånböcker föreslår staking-strategier baserat på LLM-analys av validatorhistorik. AI är inte längre bara en observatör.
Röst är det nya tangentbordet
I april 2025 genomförde jag en röstintervju med GPT-4o på min telefon. Jag frågade om tokenomics för en hypotetisk koldioxidkredit-DAO. Den svarade inom 300 ms, med känslomässig nyans och flerspråkigt stöd. Skiftet från att skriva prompts till att diskutera idéer omdefinierar redaktionella arbetsflöden.
Hallucination kontra retrieval: En snabb demonstration
Jag körde samma test som jag gjorde 2022:
Promt: ”Köpte Tesla mer Bitcoin i april 2022?”
GPT-4o (ingen retrieval): ”Tesla ökade sin Bitcoin-position något under den perioden.”
GPT-4o (med retrieval): ”Nej, Tesla köpte inte ytterligare Bitcoin i april 2022. Faktum är att företaget sålde 75% av sina innehav under Q2 2022, enligt en resultaträkning från 20 juli 2022.”
Dom: Skillnaden är natt och dag.
Vad GPT-4o skulle säga till GPT-3 idag
Jag bad GPT-4o att skriva ett svar till GPT-3. Här är svaret: ”Du hade inte fel, bara tidigt. Dina idéer om röstningssystem och hälso- och sjukvårdsdata har fortfarande relevans. Men världen – och teknologin – har gått vidare. Du väckte en konversation som dina efterträdare nu förfinar. Tack för att du födde fram det första utkastet.”
2022 var GPT-3 en nyfikenhet. 2025 är GPT-4o ett verktyg, en medförfattare och en daglig samarbetspartner. Men det är inte en ersättning. Mänskliga journalister bidrar fortfarande med etik, skepticism och instinkt – egenskaper som ingen LLM kan autentiskt simulera. Om denna artikel läses smidigare, snabbare och smartare beror det på att jag haft hjälp. Att gå igenom den historiska artikeln, styra den senaste modellen och syntetisera skillnaderna fick allt stöd från GPT-4o och GPT-3o. Men omdömet, berättelsen, frågorna och det slutgiltiga publicerade innehållet? De är fortfarande mänskliga. Och så ska det vara.
