Как Bridgewater инвестирует в ИИ?

Автор: Цао Цзэси

Источник изображения: сгенерировано Unbounded AI

Что крупнейший в мире хедж-фонд думает об ИИ?

В понедельник, 3 июля, Bridgewater связалась с директором по инвестициям Грегом Дженсеном в интервью, чтобы систематически рассказать о взглядах Bridgewater на технологию искусственного интеллекта и поделилась своим мнением о том, как Bridgewater инвестирует в искусственный интеллект, как использовать инвестиции в искусственный интеллект и о своем взгляде на технологию искусственного интеллекта. и т.д. взгляд на проблему.

Как Bridgewater инвестирует в ИИ

Имя Дженсена:

В процессе реорганизации Bridgewater мы также сделали кое-что, чего не делали раньше: позволили некоторым людям исследовать и инвестировать в вещи, которые могут не приносить немедленной прибыли, но это наш долгосрочный проект. Поэтому мы создали этот проект ИИ командой из 17 человек во главе со мной. Я по-прежнему активно участвую в основной работе Bridgewater, но остальные 16 человек на 100 % привержены преобразованию Bridgewater с помощью машинного обучения. Мы собираемся создать фонд, который будет работать исключительно с технологиями машинного обучения, и это то, чем мы сейчас занимаемся в лаборатории, расширяя границы возможностей ИИ и машинного обучения. Создать такой фонд сейчас большая проблема. Если мы возьмем большие языковые модели, у них есть два типа проблем. Во-первых, эти модели больше обучены структуре языка, поэтому они часто возвращают что-то вроде структурированного, грамматически правильного, но не всегда точного ответа. это проблема. Во-вторых, он галлюцинирует, выдумывает вещи, потому что уделяет больше внимания структуре следующего за ним слова или понятия, чем точности следующего за ним понятия.

Таким образом, Дженсен считает, что ИИ может помочь людям концептуализировать и теоретизировать то, что они наблюдают, но еще предстоит пройти долгий путь, прежде чем использовать ИИ для выбора акций. Итак, настоящая цель Bridgewater:

**Но есть и другие способы совместить это со статистическими моделями и другими типами ИИ. Это то, на чем мы действительно сосредоточены, комбинируя большие языковые модели, которые менее точны, со статистическими моделями, которые хорошо описывают прошлое, но плохо предсказывают будущее. ** **Соединяя все это, мы начинаем строить экосистему, которая, как мне кажется, делает возможным то, что делают аналитики Bridgewater. ** Если эта экосистема будет завершена, у нас одновременно появятся миллионы инвестиционных партнеров. Если бы у нас была возможность контролировать галлюцинации и ошибки ИИ с помощью статистики, мы могли бы быстро выполнять большую часть работы. Это именно то, что мы сделали в лаборатории и продемонстрировали, что процесс работает.

Как Bridgewater инвестирует с помощью ИИ?

Если вы сможете построить экосистему, включающую ИИ и другие технологии, как Bridgewater будет использовать эту систему для инвестиций?

Дженсен считает, что статистический ИИ и крупномасштабные языковые модели могут дополнять друг друга и играть роль «левой и правой руки» Bridgewater в инвестициях:

Статистический ИИ может брать теории, возвращаться к тому, были ли эти теории верны по крайней мере в прошлом и в чем заключались их недостатки, и уточнять их, предлагать советы о том, как поступить по-другому, а затем мы можем вести с ними диалог. Одно из преимуществ крупномасштабных языковых моделей состоит в том, что они берут сложную статистическую модель и говорят о том, что она делает. Существуют способы обучения языковых моделей для этого. То, как мы моделируем это, заключается в том, что языковые модели могут предлагать лежащие в их основе теории. Это не самая творческая вещь в мире, но это теория в масштабе, это точно. Опять же, крупномасштабные языковые модели — это здорово, но мы должны каким-то образом настроить языковую модель, и мы можем использовать статистику для управления ею. Затем мы можем снова использовать языковую модель, чтобы получить результаты в статистическом механизме и обсудить их с человеком или другим ИИ и сообщить, что было найдено, что и какая теория. Если полученные выводы противоречат восприятию людей, то проведите дополнительные тесты. Это цикл, который меня очень воодушевляет, как я уже сказал, статистический ИИ до сих пор был ограничен, потому что он сосредоточен на рыночных данных. Преимущество языковых моделей в том, что они могут лучше понимать то, чего не понимают статистические модели. Например, в статистических моделях рынков нет понятия жадности, но крупномасштабные языковые модели могут почти понять понятие жадности — эти модели прочитали все о жадности, страхе и тому подобном. Таким образом, объединение этих двух вещей теперь приводит к человеческому способу мышления.

Что означает ИИ для сотрудников-людей?

Со временем компьютеры могут делать все больше и больше вещей. Дженсен считает:

Я хочу сказать, что сегодня люди привыкли выполнять только роли, связанные с интуицией и творчеством.Мы используем компьютеры, чтобы запоминать и выполнять эти правила непрерывно и точно. Это только половина перехода, и теперь есть еще один скачок вперед. Нет сомнений, что ИИ изменит роль помощников по инвестициям. Точно, нам все еще нужны люди, чтобы обойти эти вещи в обозримом будущем, нам все еще нужно время, чтобы построить экосистему этих агентов машинного обучения и так далее. **Использование ИИ станет частью будущего работы, и я думаю, что в любой отрасли знаний будет сложно не использовать эти технологии. ** Что касается компьютерного программирования, мы наблюдаем огромный прорыв в программировании. Теперь, с ИИ, людям нужно знать только, что кодировать, а не как кодировать, что является огромным прорывом. Таким образом, группа людей, у которых нет хорошей подготовки или навыков в C ++, Python или чем-то еще, может внезапно получить то, что они хотят, намного быстрее. **Внезапно наборы навыков, необходимых на рабочем месте, меняются, и то, как они меняются, удивляет многих людей, потому что на самом деле это большая часть умственной работы, такой как создание контента и т. д., и люди в один момент Считается, что время замены машин еще в далеком будущем, но на самом деле оно не за горами. ** Суть в том, что сейчас так много изменений, что крайне важно иметь гибкость на рабочем месте и иметь возможность использовать любой инструмент.

Можно ли использовать ИИ для прямого управления инвестициями?

На рынке существует множество инструментов управления инвестициями в области ИИ, но люди обеспокоены тем, что при большом развитии ИИ людям в будущем нужно будет инвестировать только в ИИ?

Дженсен считает:

Я думал, что это вызовет аварию и вызовет у меня сильное возбуждение. Очевидно, я в восторге от мощи ИИ и думаю, что есть способы найти ему хорошее применение. Но при этом ИИ допускает много ошибок. Некоторые фонды используют GPT для выбора акций, но эти управляющие фондами на самом деле не имеют глубокого понимания ИИ и возможных недостатков. В одном примере на рынке недвижимости Zillow, брокерская платформа по недвижимости, использует технологию ИИ для прогнозирования цен на жилье, оценки цен на жилье и выхода на рынок, чтобы начать покупать дома, которые, по мнению ИИ, недооценены. Однако у Zillow есть несколько проблем. Во-первых, хотя у них много данных о жилье, это происходит за относительно короткий период времени. Таким образом, несмотря на то, что у них, казалось бы, большое количество точек данных, все еще существует макроцикл, влияющий на их оценки. Во-вторых, они недооценивают разрыв между теорией и практикой, когда на самом деле это враждебный рынок. Очевидно, что это огромная проблема для Zillow, они оказали большое влияние на рынок недвижимости, а затем потерпели огромный провал. Возвращаясь к фондовому рынку, очень краткосрочная торговля, возможно, больше подходит для машинного обучения, потому что данных много, и ИИ может быстрее учиться на этих данных. Но с другой стороны, в долгосрочной перспективе роль ИИ может и не сработать. Данные часто похожи на данные о частоте сердечных сокращений за всю жизнь человека. Вы можете подумать: «Вау, мое сердце бьется уже 49 лет, кажется, что это много статистики, но когда у вас сердечный приступ, это совершенно не имеет значения». Таким образом, даже с большими объемами данных это может ввести в заблуждение, и эти проблемы создают огромные проблемы для этих методов. **Поэтому нужно понимать инструменты, в чем они хороши, а в чем нет, и комбинировать их таким образом, чтобы использовать сильные стороны каждого инструмента и избегать слабых сторон. ** Предстоит еще много работы над большими языковыми моделями, которые мы, безусловно, можем обучить с помощью обучения с подкреплением, чтобы убедиться, что они не допускают известных ошибок.

На рынках по-прежнему преобладает оптимизм?

Дженсен считает, что на рынке по-прежнему преобладает оптимизм. Он сказал:

ФРС кажется более реалистичной, чем рынок, в том, что она будет делать. Когда вы смотрите на реакцию рынка, она очень бычья. Но мы должны отметить, что исторически рынок был слишком оптимистичен.