¿Cómo invierte Bridgewater en IA?

Autor: Cao Zexi

Fuente de la imagen: Generada por Unbounded AI

¿Qué piensa el fondo de cobertura más grande del mundo sobre la IA?

El lunes 3 de julio, Bridgewater se puso en contacto con el director de inversiones Greg Jensen en una entrevista para hablar sistemáticamente sobre las opiniones de Bridgewater sobre la tecnología de IA y compartió sus puntos de vista sobre cómo Bridgewater invierte en IA, cómo usar la inversión en IA y su perspectiva sobre la tecnología de IA. etc. perspectiva del problema.

Cómo invierte Bridgewater en IA

Jensen nombre:

En el proceso de reorganización de Bridgewater, también hicimos algo que no habíamos hecho antes, que es dejar que algunas personas investiguen e inviertan en cosas que pueden no ser rentables de inmediato, pero este es nuestro proyecto a largo plazo. Por lo tanto, montamos este proyecto de IA con un equipo de 17 personas liderado por mí. Todavía participo activamente en el trabajo central de Bridgewater, pero las otras 16 personas están comprometidas al 100 % con remodelar Bridgewater a través del aprendizaje automático. Vamos a tener un fondo que se ejecutará exclusivamente en tecnología de aprendizaje automático, y eso es lo que estamos haciendo en el laboratorio en este momento, superando los límites de la IA, las capacidades de aprendizaje automático. En este momento, es un gran problema establecer un fondo de este tipo. Si tomamos modelos de lenguaje grande, tienen dos tipos de problemas. Uno, estos modelos se entrenan más en la estructura del lenguaje, por lo que a menudo devuelven algo que parece estructurado, gramaticalmente correcto, pero no siempre una respuesta precisa. esto es un problema. En segundo lugar, alucina, inventa cosas porque presta más atención a la estructura de la palabra o concepto que sigue que a la precisión del concepto que sigue.

Por lo tanto, Jensen cree que la IA puede ayudar a las personas a conceptualizar y teorizar lo que observan, pero aún queda un largo camino por recorrer antes de usar la IA para elegir acciones. Entonces, el enfoque real de Bridgewater es:

**Pero hay otras formas de combinar esto con modelos estadísticos y otros tipos de IA. En eso es en lo que realmente nos estamos enfocando, combinando grandes modelos de lenguaje que son menos precisos con modelos estadísticos que son buenos para describir el pasado con precisión pero que son terribles para predecir el futuro. ** **Reuniéndolos, comenzamos a construir un ecosistema que creo que permite lo que están haciendo los analistas de Bridgewater. ** Si se completa este ecosistema, tendremos millones de socios inversores al mismo tiempo. Si tuviéramos la capacidad de controlar las alucinaciones y los errores de la IA a través de las estadísticas, podríamos hacer mucho trabajo rápidamente. Eso es exactamente lo que hicimos en el laboratorio y demostramos que el proceso funciona.

¿Cómo invierte Bridgewater a través de la IA?

Si puede construir un ecosistema que incluya IA y otras tecnologías, ¿cómo usará Bridgewater este sistema para invertir?

Jensen cree que la IA estadística y los modelos de lenguaje a gran escala pueden complementarse entre sí y desempeñar el papel de "mano izquierda y derecha" de Bridgewater en la inversión:

La IA estadística puede tomar teorías, volver a si esas teorías eran ciertas al menos en el pasado y cuáles eran sus fallas, y refinarlas, ofrecer consejos sobre cómo hacer las cosas de manera diferente, y luego podemos tener un diálogo con ellos. Una ventaja que tienen los modelos de lenguaje a gran escala es tomar un modelo estadístico complejo y hablar sobre lo que está haciendo. Hay maneras de entrenar modelos de lenguaje para hacer esto. La forma en que modelamos esto es que los modelos de lenguaje pueden generar teorías subyacentes. No es la cosa más creativa del mundo, pero es teoría a escala, eso es seguro. Nuevamente, los modelos de lenguaje a gran escala son geniales, pero tenemos que ajustar el modelo de lenguaje de alguna manera y podemos usar estadísticas para controlarlo. Luego podemos usar el modelo de lenguaje nuevamente para tomar los resultados en el motor estadístico y discutirlo con un ser humano u otra IA e informar qué se encontró, qué y qué tipo de teoría. Si las conclusiones alcanzadas son contrarias a la percepción de las personas, realice más pruebas. Este es el ciclo que me entusiasma mucho, como dije, la IA estadística se ha visto limitada hasta ahora porque se centra en los datos del mercado. Para los modelos de lenguaje, el beneficio es que puede comprender mejor las cosas que los modelos estadísticos no. Por ejemplo, los modelos estadísticos de los mercados no tienen el concepto de codicia, pero los modelos de lenguaje a gran escala casi pueden entender el concepto de codicia: estos modelos han leído todo sobre la codicia, el miedo y demás. Entonces, combinar los dos ahora produce un modo de pensar similar al humano.

¿Qué significa la IA para los empleados humanos?

Con el tiempo, las computadoras pueden hacer más y más cosas. Jensen cree:

Lo que quiero decir es que hoy en día, los humanos nos hemos acostumbrado a cumplir solo roles relacionados con la intuición y la creatividad, usamos computadoras para memorizar y ejecutar estas reglas de manera continua y precisa. Es solo la mitad de la transición, y ahora hay otro salto adelante. No hay duda de que la IA cambiará el papel de los asistentes de inversión. Exactamente, todavía necesitamos personas que trabajen en estas cosas en el futuro previsible, todavía necesitamos un tiempo para construir el ecosistema de estos agentes de aprendizaje automático, etc. **Aprovechar la IA será parte del futuro del trabajo y creo que será difícil en cualquier industria del conocimiento no aprovechar estas tecnologías. ** En términos de programación de computadoras, estamos viendo un gran avance en la codificación. Ahora, con la IA, las personas solo necesitan saber qué codificar, no cómo codificar, lo cual es un gran avance. Entonces, un grupo de personas que no tienen una gran capacitación o habilidad en C ++, Python o lo que sea, de repente pueden obtener lo que quieren mucho más rápido. **Entonces, de repente, los conjuntos de habilidades necesarios en el lugar de trabajo están cambiando, y la forma en que están cambiando es sorprendente para muchas personas porque en realidad es mucho trabajo de conocimiento, como la creación de contenido, etc., y la gente en one point Se piensa que el momento de ser reemplazados por máquinas está todavía en un futuro lejano, pero en realidad está a la vuelta de la esquina. ** Entonces, la conclusión es que hay tanto cambio ahora que es imperativo tener flexibilidad en el lugar de trabajo y poder aprovechar cualquier herramienta.

¿Se puede utilizar la IA para gestionar directamente las inversiones?

Hay una variedad de herramientas de gestión de inversiones de IA en el mercado. Lo que preocupa a la gente es, con el gran desarrollo de la IA, ¿los seres humanos solo necesitarán invertir en IA en el futuro?

Jensen cree:

Pensé que causaría un accidente y me emocionaría mucho. Obviamente, estoy entusiasmado con el poder de la IA, y creo que hay formas de darle un buen uso. Pero al mismo tiempo, la IA comete muchos errores. Algunos fondos usan GPT para elegir acciones, pero estos administradores de fondos realmente no tienen un conocimiento profundo de la IA y las posibles debilidades. En un ejemplo, en el mercado inmobiliario, Zillow, una plataforma de corretaje de bienes raíces, utiliza tecnología de IA para predecir los precios de las viviendas, evaluar los precios de las viviendas e ingresar al mercado para comenzar a comprar casas que AI cree que están infravaloradas. Sin embargo, Zillow tiene varios problemas. Una es que si bien tienen una gran cantidad de datos de vivienda, sucede en un período de tiempo relativamente corto. Entonces, si bien tienen una cantidad aparentemente grande de puntos de datos, todavía hay un ciclo macro que influye en las evaluaciones que hacen. En segundo lugar, subestiman la desconexión entre la teoría y la práctica cuando en realidad se trata de un mercado contradictorio. Entonces, obviamente, este es un gran problema para Zillow, tuvieron un gran impacto en el mercado inmobiliario y luego un gran fracaso. Volviendo al mercado de valores, el comercio a muy corto plazo, posiblemente más adecuado para el aprendizaje automático, porque hay una gran cantidad de datos, y la IA puede aprender más rápido a través de estos datos. Pero, por otro lado, a largo plazo, es posible que el papel de la IA no pueda desempeñarse. Los datos son a menudo como datos de frecuencia cardíaca durante toda la vida de una persona. Podrías estar pensando, wow, mi corazón ha estado latiendo durante 49 años, parece un montón de estadísticas, pero cuando tienes un ataque al corazón, es completamente irrelevante. Entonces, incluso con grandes cantidades de datos, puede ser engañoso y estos problemas causan grandes problemas para estas técnicas. **Entonces, uno tiene que entender las herramientas, en qué son buenas y en qué no son buenas, y combinarlas de una manera que aproveche las fortalezas de cada herramienta y evite las debilidades. ** Todavía queda mucho trabajo por hacer en modelos de lenguaje grandes, que sin duda podemos entrenar con aprendizaje por refuerzo para asegurarnos de que no cometan errores conocidos.

¿Los mercados siguen dominados por el optimismo?

Jensen cree que el mercado sigue dominado por el optimismo. Él dijo:

La Fed parece ser un poco más realista que el mercado sobre lo que hará. Cuando miras la reacción del mercado, es muy alcista. Pero debemos señalar que, históricamente, el mercado tiende a ser demasiado optimista.