Comment Bridgewater investit-il dans l'IA ?

Auteur : Cao Zexi

Source de l'image : générée par l'IA illimitée

Que pense le plus grand fonds spéculatif du monde de l'IA ?

Le lundi 3 juillet, Bridgewater a contacté le directeur des investissements Greg Jensen dans une interview pour parler systématiquement du point de vue de Bridgewater sur la technologie de l'IA, et a partagé son point de vue sur la façon dont Bridgewater investit dans l'IA, comment utiliser l'investissement dans l'IA et ses perspectives sur la technologie de l'IA, etc. perspective sur le problème.

Comment Bridgewater investit dans l'IA

Nom Jensen :

Dans le processus de réorganisation de Bridgewater, nous avons également fait quelque chose que nous n'avions pas fait auparavant, à savoir laisser certaines personnes faire des recherches et investir dans des choses qui pourraient ne pas être rentables immédiatement, mais c'est notre projet à long terme. Nous avons donc monté ce projet d'IA avec une équipe de 17 personnes dirigée par moi. Je suis toujours activement impliqué dans le travail de base de Bridgewater, mais les 16 autres personnes sont engagées à 100 % dans la refonte de Bridgewater grâce à l'apprentissage automatique. Nous allons avoir un fonds qui fonctionnera exclusivement sur la technologie d'apprentissage automatique, et c'est ce que nous faisons en laboratoire en ce moment, repoussant les limites de l'IA, des capacités d'apprentissage automatique. En ce moment, c'est un gros problème de mettre en place un tel fonds. Si nous prenons de grands modèles de langage, ils ont deux types de problèmes. Premièrement, ces modèles sont davantage entraînés sur la structure du langage, ils renvoient donc souvent quelque chose qui semble structuré, grammaticalement correct, mais pas toujours une réponse précise. c'est un problème. Deuxièmement, il hallucine, il invente parce qu'il accorde plus d'attention à la structure du mot ou du concept qui vient ensuite qu'à l'exactitude du concept qui vient ensuite.

Par conséquent, Jensen pense que l'IA peut aider les gens à conceptualiser et à théoriser ce qu'ils observent, mais il reste encore un long chemin à parcourir avant d'utiliser l'IA pour choisir des actions. Ainsi, le véritable objectif de Bridgewater est :

**Mais il existe d'autres façons de combiner cela avec des modèles statistiques et d'autres types d'IA. C'est ce sur quoi nous nous concentrons vraiment, en combinant de grands modèles de langage qui sont moins précis avec des modèles statistiques qui sont bons pour décrire le passé avec précision mais qui sont terribles pour prédire l'avenir. ** **En les rassemblant, nous commençons à construire un écosystème qui, je crois, permet ce que font les analystes de Bridgewater. ** Si cet écosystème est complété, nous aurons des millions de partenaires d'investissement en même temps. Si nous avions la capacité de contrôler les hallucinations et les erreurs de l'IA grâce aux statistiques, nous pourrions faire beaucoup de travail rapidement. C'est exactement ce que nous avons fait en laboratoire et démontré que le processus fonctionne.

Comment Bridgewater investit-il via l'IA ?

Si vous pouvez créer un écosystème qui inclut l'IA et d'autres technologies, comment Bridgewater utilisera-t-il ce système pour investir ?

Jensen pense que l'IA statistique et les modèles de langage à grande échelle peuvent se compléter et jouer le rôle de "main gauche et droite" de Bridgewater dans l'investissement :

L'IA statistique peut prendre des théories, vérifier si ces théories étaient vraies au moins dans le passé et quels étaient leurs défauts, et les affiner, offrir des conseils sur la façon de faire les choses différemment, puis nous pouvons dialoguer avec elles. L'un des avantages des modèles linguistiques à grande échelle est de prendre un modèle statistique complexe et de parler de ce qu'il fait. Il existe des moyens de former des modèles de langage pour ce faire. La façon dont nous modélisons cela est que les modèles de langage peuvent proposer des théories sous-jacentes. Ce n'est pas la chose la plus créative au monde, mais c'est de la théorie à grande échelle, c'est sûr. Encore une fois, les modèles de langage à grande échelle sont formidables, mais nous devons ajuster le modèle de langage d'une manière ou d'une autre, et nous pouvons utiliser des statistiques pour le contrôler. Nous pouvons ensuite utiliser à nouveau le modèle de langage pour prendre les résultats dans le moteur statistique et en discuter avec un humain ou une autre IA et rapporter ce qui a été trouvé, quoi et quel type de théorie. Si les conclusions atteintes sont contraires à la perception des gens, effectuez d'autres tests. C'est le cycle qui me passionne le plus, comme je l'ai dit, l'IA statistique a été limitée jusqu'à présent car elle se concentre sur les données du marché. Pour les modèles linguistiques, l'avantage est qu'ils peuvent mieux comprendre des choses que les modèles statistiques ne comprennent pas. Par exemple, les modèles statistiques des marchés n'ont pas de concept de cupidité, mais les modèles de langage à grande échelle peuvent presque comprendre le concept de cupidité - ces modèles ont tout lu sur la cupidité et la peur, etc. Ainsi, la combinaison des deux produit maintenant un mode de pensée de type humain.

Que signifie l'IA pour les employés humains ?

Au fil du temps, les ordinateurs peuvent faire de plus en plus de choses. Jensen croit :

Ce que je veux dire, c'est qu'aujourd'hui, les humains se sont habitués à ne remplir que des rôles liés à l'intuition et à la créativité.Nous utilisons des ordinateurs pour mémoriser et exécuter ces règles de manière continue et précise. Ce n'est qu'à mi-chemin de la transition, et maintenant il y a un autre bond en avant. Nul doute que l'IA va changer le rôle des assistants à l'investissement. Exactement, nous avons encore besoin de personnes pour contourner ces problèmes dans un avenir prévisible, nous avons encore besoin de temps pour développer l'écosystème de ces agents d'apprentissage automatique, etc. **L'utilisation de l'IA fera partie de l'avenir du travail et je pense qu'il sera difficile dans n'importe quelle industrie du savoir de ne pas tirer parti de ces technologies. ** En termes de programmation informatique, nous assistons à une énorme percée dans le codage. Maintenant, avec l'IA, les gens ont seulement besoin de savoir quoi coder, pas comment coder, ce qui est une énorme avancée. Ainsi, un groupe de personnes qui n'ont pas une bonne formation ou des compétences en C++, Python ou autre peuvent soudainement obtenir ce qu'elles veulent beaucoup plus rapidement. **Donc, tout d'un coup, les ensembles de compétences nécessaires sur le lieu de travail changent, et la façon dont ils changent est surprenante pour beaucoup de gens, car il s'agit en fait de beaucoup de travail intellectuel, comme la création de contenu, etc., et les gens de un point On pense que l'heure du remplacement par les machines est encore lointaine, mais en fait c'est juste au coin de la rue. ** Donc, l'essentiel est qu'il y a tellement de changements maintenant qu'il est impératif d'avoir de la flexibilité sur le lieu de travail et de pouvoir tirer parti de n'importe quel outil.

L'IA peut-elle être utilisée pour gérer directement les investissements ?

Il existe une variété d'outils de gestion des investissements en IA sur le marché. Ce qui préoccupe les gens, c'est qu'avec le grand développement de l'IA, les êtres humains n'auront-ils besoin que d'investir dans l'IA à l'avenir ?

Jensen croit :

Je pensais que cela causerait à la fois un accident et m'exciterait vraiment. Évidemment, je suis enthousiasmé par la puissance de l'IA et je pense qu'il existe des moyens de l'utiliser à bon escient. Mais en même temps, l'IA fait beaucoup d'erreurs. Certains fonds utilisent GPT pour sélectionner des actions, mais ces gestionnaires de fonds n'ont pas vraiment une compréhension approfondie de l'IA et des éventuelles faiblesses. Dans un exemple, sur le marché immobilier, Zillow, une plateforme de courtage immobilier, a utilisé la technologie de l'IA pour prédire les prix des logements, évaluer les prix des logements et entrer sur le marché pour commencer à acheter des maisons que l'IA juge sous-évaluées. Cependant, Zillow a plusieurs problèmes. La première est que même s'ils disposent de beaucoup de données sur le logement, cela se produit sur une période de temps relativement courte. Ainsi, même s'ils disposent d'un nombre apparemment élevé de points de données, il existe toujours un cycle macro qui influence les évaluations qu'ils effectuent. Deuxièmement, ils sous-estiment le décalage entre la théorie et la pratique alors qu'il s'agit en réalité d'un marché contradictoire. Alors évidemment c'est un énorme problème pour Zillow, ils ont eu un gros impact sur le marché immobilier puis un énorme échec. Pour en revenir à la bourse, le trading à très court terme, sans doute plus adapté à l'apprentissage automatique, car il y a beaucoup de données, et l'IA peut apprendre plus rapidement grâce à ces données. Mais d'un autre côté, à plus long terme, le rôle de l'IA pourrait ne pas pouvoir jouer. Les données sont souvent comme les données de fréquence cardiaque pour la vie d'une personne. Vous pensez peut-être, wow, mon cœur bat depuis 49 ans, cela semble être beaucoup de statistiques, mais quand vous avez une crise cardiaque, cela n'a aucune importance. Ainsi, même avec de grandes quantités de données, cela peut être trompeur, et ces problèmes causent d'énormes problèmes à ces techniques. ** Il faut donc comprendre les outils, en quoi ils sont bons et en quoi ils ne sont pas bons, et les combiner de manière à tirer parti des forces de chaque outil et à éviter les faiblesses. ** Il y a encore beaucoup de travail à faire sur les grands modèles de langage, que nous pouvons certainement entraîner avec l'apprentissage par renforcement pour s'assurer qu'ils ne font pas d'erreurs connues.

Les marchés sont-ils toujours dominés par l'optimisme ?

Jensen estime que le marché est toujours dominé par l'optimisme. Il a dit:

La Fed semble être un peu plus réaliste que le marché sur ce qu'elle va faire. Quand on regarde la réaction du marché, c'est très haussier. Mais force est de constater qu'historiquement, le marché a tendance à être trop optimiste.