Como a Bridgewater investe em IA?

Autor: Cao Zexi

Fonte da imagem: Gerada por Unbounded AI

O que o maior fundo de hedge do mundo pensa sobre IA?

Na segunda-feira, 3 de julho, a Bridgewater contatou o diretor de investimentos Greg Jensen em uma entrevista para falar sistematicamente sobre as opiniões da Bridgewater sobre a tecnologia de IA e compartilhou suas opiniões sobre como a Bridgewater investe em IA, como usar o investimento em IA e suas perspectivas sobre a tecnologia de IA. etc. perspectiva sobre o problema.

Como a Bridgewater investe em IA

Nome Jensen:

No processo de reorganização da Bridgewater, também fizemos algo que não tínhamos feito antes, que é permitir que algumas pessoas pesquisem e invistam em coisas que podem não ser lucrativas imediatamente, mas esse é o nosso projeto de longo prazo. Assim, montamos este projeto de IA com uma equipe de 17 pessoas liderada por mim. Ainda estou ativamente envolvido no trabalho principal da Bridgewater, mas as outras 16 pessoas estão 100% comprometidas em remodelar a Bridgewater por meio do aprendizado de máquina. Teremos um fundo executado exclusivamente em tecnologia de aprendizado de máquina, e é isso que estamos fazendo no laboratório agora, ampliando os limites da IA, recursos de aprendizado de máquina. Neste momento, é um grande problema criar esse fundo. Se tomarmos grandes modelos de linguagem, eles têm dois tipos de problemas. Um, esses modelos são treinados mais na estrutura da linguagem, então eles geralmente retornam algo que parece estruturado, gramaticalmente correto, mas nem sempre uma resposta precisa. isto é um problema. Em segundo lugar, alucina, inventa coisas porque presta mais atenção à estrutura da palavra ou conceito que vem a seguir do que à precisão do conceito que vem a seguir.

Portanto, Jensen acredita que a IA pode ajudar as pessoas a conceituar e teorizar o que observam, mas ainda há um longo caminho a percorrer antes de usar a IA para escolher ações. Portanto, o foco real da Bridgewater é:

**Mas existem outras formas de combinar isso com modelos estatísticos e outros tipos de IA. É nisso que estamos realmente focando, combinando grandes modelos de linguagem que são menos precisos com modelos estatísticos que são bons em descrever o passado com precisão, mas são péssimos em prever o futuro. ** **Juntando tudo isso, começamos a construir um ecossistema que, acredito, possibilita o que os analistas da Bridgewater estão fazendo. ** Se esse ecossistema for concluído, teremos milhões de parceiros de investimento ao mesmo tempo. Se tivéssemos a capacidade de controlar as alucinações e os erros da IA por meio de estatísticas, poderíamos fazer muito trabalho rapidamente. Isso é exatamente o que fizemos no laboratório e demonstramos que o processo funciona.

Como a Bridgewater investe por meio de IA?

Se você pode construir um ecossistema que inclui IA e outras tecnologias, como a Bridgewater usará esse sistema para investir?

Jensen acredita que a IA estatística e os modelos de linguagem em grande escala podem se complementar e desempenhar o papel de "mão esquerda e direita" da Bridgewater no investimento:

A IA estatística pode pegar teorias, voltar para saber se essas teorias eram verdadeiras pelo menos no passado e quais eram suas falhas e refiná-las, oferecer conselhos sobre como fazer as coisas de maneira diferente e, então, podemos dialogar com elas. Uma vantagem dos modelos de linguagem em grande escala é pegar um modelo estatístico complexo e falar sobre o que ele está fazendo. Existem maneiras de treinar modelos de linguagem para fazer isso. A maneira como modelamos isso é que os modelos de linguagem podem apresentar teorias subjacentes. Não é a coisa mais criativa do mundo, mas é teoria em escala, com certeza. Novamente, os modelos de linguagem em grande escala são ótimos, mas temos que ajustar o modelo de linguagem de alguma forma e podemos usar estatísticas para controlá-lo. Podemos então usar o modelo de linguagem novamente para obter os resultados no mecanismo estatístico e discuti-los com um humano ou outra IA e relatar o que foi encontrado, o quê e que tipo de teoria. Se as conclusões alcançadas forem contrárias à percepção das pessoas, faça mais testes. Este é o ciclo que me deixa muito animado, como eu disse, a IA estatística tem sido limitada até agora porque está focada em dados de mercado. Para modelos de linguagem, o benefício é que ele pode entender melhor coisas que os modelos estatísticos não conseguem. Por exemplo, modelos estatísticos de mercados não têm conceito de ganância, mas modelos de linguagem em larga escala podem quase entender o conceito de ganância - esses modelos leram tudo sobre ganância e medo e tal. Portanto, combinar os dois agora produz um modo de pensar semelhante ao humano.

O que a IA significa para funcionários humanos?

Com o tempo, os computadores podem fazer mais e mais coisas. Jensen acredita:

O que quero dizer é que hoje o ser humano se acostumou a cumprir apenas papéis relacionados à intuição e à criatividade, usamos computadores para memorizar e executar essas regras de forma contínua e precisa. Estamos apenas na metade da transição e agora há outro salto à frente. Não há dúvida de que a IA mudará o papel dos assistentes de investimento. Exatamente, ainda precisamos de pessoas para contornar essas coisas no futuro previsível, ainda precisamos de um tempo para construir o ecossistema desses agentes de aprendizado de máquina e assim por diante. **Alavancar a IA fará parte do futuro do trabalho e acho que será difícil em qualquer indústria do conhecimento não aproveitar essas tecnologias. ** Em termos de programação de computadores, estamos vendo um grande avanço na codificação. Agora, com IA, as pessoas só precisam saber o que codificar, não como codificar, o que é um grande avanço. Portanto, um grupo de pessoas que não tem grande treinamento ou habilidade em C ++, Python ou qualquer outra coisa pode de repente obter o que deseja muito mais rapidamente. **Então, de repente, os conjuntos de habilidades necessários no local de trabalho estão mudando, e a maneira como estão mudando é surpreendente para muitas pessoas, porque na verdade é muito trabalho de conhecimento, como criação de conteúdo e assim por diante, e as pessoas em um ponto Pensa-se que o tempo para ser substituído por máquinas ainda está em um futuro distante, mas na verdade está ao virar da esquina. ** Portanto, o resultado final é que há tantas mudanças agora que é imperativo ter flexibilidade no local de trabalho e ser capaz de aproveitar qualquer ferramenta.

A IA pode ser usada para gerenciar investimentos diretamente?

Há uma variedade de ferramentas de gestão de investimentos em IA no mercado. O que preocupa as pessoas é que, com o grande desenvolvimento da IA, os seres humanos só precisarão investir em IA no futuro?

Jensen acredita:

Achei que causaria um acidente e me deixaria muito empolgado. Obviamente, estou empolgado com o poder da IA e acho que há maneiras de fazer bom uso dela. Mas, ao mesmo tempo, a IA comete muitos erros. Alguns fundos usam GPT para escolher ações, mas esses gestores de fundos realmente não têm um conhecimento profundo de IA e possíveis pontos fracos. Em um exemplo, no mercado imobiliário, a Zillow, uma plataforma de corretagem imobiliária, usou a tecnologia de IA para prever os preços das casas, avaliar os preços das casas e entrar no mercado para começar a comprar casas que a IA acredita estarem subvalorizadas. No entanto, Zillow tem vários problemas. Uma delas é que, embora tenham muitos dados habitacionais, isso acontece em um período de tempo relativamente curto. Portanto, embora tenham um número aparentemente grande de pontos de dados, ainda existe um ciclo macro que influencia as avaliações que fazem. Em segundo lugar, eles subestimam a desconexão entre teoria e prática quando, na verdade, é um mercado adversário. Obviamente, isso é um grande problema para a Zillow, eles tiveram um grande impacto no mercado imobiliário e depois um grande fracasso. Voltando ao mercado de ações, negociações de curtíssimo prazo, indiscutivelmente mais adequadas para aprendizado de máquina, porque há muitos dados, e a IA pode aprender mais rapidamente por meio desses dados. Mas, por outro lado, a longo prazo, o papel da IA pode não funcionar. Os dados geralmente são como dados de frequência cardíaca durante toda a vida de uma pessoa. Você pode estar pensando, uau, meu coração está batendo há 49 anos, isso parece um monte de estatísticas, mas quando você tem um ataque cardíaco, é completamente irrelevante. Portanto, mesmo com grandes quantidades de dados, pode ser enganoso e esses problemas causam enormes problemas para essas técnicas. **Então é preciso entender as ferramentas, no que elas são boas e no que não são boas, e combiná-las de forma a aproveitar os pontos fortes de cada ferramenta e evitar os pontos fracos. ** Ainda há muito trabalho a ser feito em grandes modelos de linguagem, que certamente podemos treinar com aprendizado por reforço para garantir que eles não cometam erros conhecidos.

Os mercados ainda são dominados pelo otimismo?

Jensen acredita que o mercado ainda é dominado pelo otimismo. Ele disse:

O Fed parece ser um pouco mais realista do que o mercado sobre o que fará. Quando você olha para a reação do mercado, é muito otimista. Mas temos que observar que, historicamente, o mercado tende a ser muito otimista.