Với sự phát triển của các mô hình AI đến thời điểm hiện tại, việc thay thế nhiều chức năng là hoàn toàn khả thi. Ví dụ, lượng lớn chức năng trong lĩnh vực truyền thống, như tính công bằng, trọng tài và kiểm toán , có thể được thực hiện bởi AI. Điều này đặc biệt trở nên quan trọng gần đây do tranh cãi xung quanh việc Binance không thể xử lý các giao dịch gửi và rút tiền. Vấn đề này liên quan đến các hành động FUD (Fear, Uncertainty, Doubt - trấn áp, đe dọa) như đóng băng tài khoản. BIRDEYE sử dụng một mô hình AI quy mô lớn để phân tích và mổ xẻ tình huống một cách có hệ thống, nhằm hiểu chính xác điều gì đang diễn ra. Ý tưởng cốt lõi của khung MAS của BIRDEYE là trước tiên phân tích các tài khoản thành năm khía cạnh để chấm điểm, thay vì giả định ai tốt hay xấu, và sau đó thêm các tín hiệu rủi ro để diễn giải. Năm khía cạnh đó là: tính xác thực danh tính tài khoản, mật độ hành vi, tính độc đáo của nội dung hợp tác và độ sâu. Động lực và sự thiên lệch về sở thích được chấm điểm từ 0 đến 2 điểm cho mỗi khía cạnh, với tổng điểm từ 0 đến 10 điểm. Mức độ rủi ro sau đó được phân loại dựa trên các điểm số này. Điều quan trọng là, trong số 92 tài khoản trong mẫu, không có tài khoản nào nằm trong khoảng tin cậy. Điểm trung bình tổng thể là 4,54, số trung vị là 5,09 và điểm cao nhất là 8,07. Nói cách khác, ngay cả nhóm giống người nhất cũng không đạt được ngưỡng 9 điểm. Nếu chỉ nhìn vào điểm số, thì nó chỉ đáng ngờ. Điều thực sự gây hại là Chuỗi bằng chứng khép kín. 1/ Dấu vân tay hình ảnh pHash khớp trực tiếp Mười lăm tài khoản đã đăng tải ảnh chụp màn hình được cho là từ các khu vực và thiết bị khác nhau, khẳng định khoảng cách Hamming của pHash bằng 0. Cùng một nguồn nguyên liệu đầu vào đã được phân phối cho nhiều tài khoản khác nhau. 2/ Dấu vết ngụy tạo được phát hiện qua các ký tự giao diện người dùng. Ví dụ, thay thế chữ cái Latinh 'o' bằng chữ cái Hy Lạp 'ο' là một sự bắt chước gần như hoàn hảo. Những chữ đồng âm này gần như không thể nhìn thấy bằng mắt thường, nhưng rút xuất mã sẽ vạch trần sự giả mạo. Loại kỹ thuật này gần giống với Phishing) và mạo danh. 3/ Đoạn video bị nghi ngờ là do trí tuệ nhân tạo tạo ra. Điểm số phát hiện chống AI đa mô hình dao động từ 0,82 đến 0,94. Bất cứ thứ gì vượt quá ngưỡng 0,80 đều bị đánh dấu. Những mô tả này, cùng với sự không nhất quán về ánh sáng và những điểm bất thường trong các đặc điểm khuôn mặt, ít nhất cũng cho thấy rằng nguồn tư liệu này thiếu tính xác thực. 4/ Ở cấp độ hành vi, có sự đồng bộ hóa thời gian và sự cộng hưởng theo kịch bản, với mật độ cao các nội dung tương tự được đăng tải trong cùng một khung thời gian. Điều này thậm chí còn liên quan đến các phán đoán thống kê như sự phù hợp Poisson với p < 1e-6, kết hợp với các lỗi về từ ngữ, lỗi chính tả và cấu trúc tu từ có tính đồng dạng cao. Câu chuyện dường như được tạo ra hàng loạt hơn là được đăng tải ngẫu nhiên bởi một người. 5/ Hiện tượng gia tăng mạnh mẽ việc thay đổi tên và tái sử dụng tài sản đã xuất hiện ở cấp độ nhận diện thương hiệu. báo cáo đề cập rằng vào tháng 1 năm 2026, khoảng 42% tài khoản đã thay đổi tên hoặc tiểu sử. Sự tập trung các thay đổi tên này và sự đồng bộ hóa kết quả gần như không thể sao chép với người dùng tự nhiên. Một hệ thống quảng cáo duy nhất với quy trình làm việc, phân phối tài liệu, tốc độ và cách diễn đạt đồng nhất là quá đơn giản và thiếu tinh tế. openai.study/html/report_en.ht...… openai.study/html/BIRDEYE_repo...…

Giá cổ phiếu BNB cũng giảm.