Το ChatGPT μπορεί να κάνει τα πάντα ή σχεδόν. Γράφει εργασίες, τραγούδια, δίνει συνεντεύξεις, αποκτά πτυχίο νομικής και ιατρικής, γράφει κώδικα, σχεδιάζει. Τελικά που δεν είναι αποτελεσματική η τεχνητή νοημοσύνη; Προς το παρόν στις… αγορές.
Η Wall Street χρησιμοποιεί εδώ και χρόνια αυτοματοποιημένους αλγόριθμους για καθήκοντα όπως οι εντολές αγοράς/ πώλησης ή η διαχείριση ρίσκου. Αλλά οι traders και επενδυτές σπάνια θα στηριχθούν στην AI για να αντιμετωπίσουν τη μεγαλύτερη πρόκληση: να νικήσουν την αγορά. Αν και αρκετοί στο επιχειρείν βλέπουν το ChatGPT ως τρόπο να ενισχύσουν τις προσπάθειες έρευνας ή και τις πωλήσεις τους, τα αποτελέσματα στον επενδυτικό κόσμο δεν είναι ιδιαίτερα εντυπωσιακά.
«Η πρόοδος στην εφαρμογή της AI στις επενδύσεις είναι περιορισμένη, αν και μέσω καινοτομιών στα πολυγλωσσικά μοντέλα, αυτό θα μπορούσε να αλλάξει σε κάποια χρόνια από τώρα» λέει στη Wall Street Journal o Τζόναθαν Λάρκιν, γενικός διευθυντής στην Columbia Investment Management Co., ο οποίος διαχειρίζεται το επενδυτικό ταμείο του Πανεπιστημίου Κολούμπια.
Ο χρηματοοικονομικός κλάδος ήταν από τους πρώτους που εστράφησαν στην ΑΙ. Πριν από τέσσερις δεκαετίες, μαθηματικοί όπως ο Τζιμ Σάιμονς, ιδρυτής της Renaissance Technologies, ανέπτυξε αλγορίθμους που επέτρεπαν σε υπολογιστές να λαμβάνουν επενδυτικές αποφάσεις.
Αυτός και άλλοι που ασχολήθηκαν με τους κβαντικούς υπολογιστές πέρασαν χρόνια χρησιμοποιώντας τη μηχανική μάθηση (machine learning), ένα είδος τεχνητής νοημοσύνης. Έχουν δημιουργήσει μοντέλα συναλλαγών που μπορούν να επεκτείνουν τα δεδομένα του παρελθόντος για να εντοπίσουν πρότυπα και να αναπτύξουν κερδοφόρες συναλλαγές, με περιορισμένη ανθρώπινη παρέμβαση.
Αλλά λίγες εταιρείες έχουν καταφέρει να αναθέσουν όλες τις δραστηριότητές τους σε μηχανές. Και δεν έχουν απολαύσει δραματικές προόδους με την αυτομάθηση ή την ενισχυτική μάθηση, η οποία συνεπάγεται την εκπαίδευση των υπολογιστών ώστε να μαθαίνουν και να αναπτύσσουν στρατηγικές από μόνοι τους. Πράγματι, η Renaissance και άλλοι βασίζονται σε προηγμένα στατιστικά στοιχεία και όχι σε τεχνητή νοημοσύνη αιχμής.
H μεγάλη διαφορά με τα δεδομένα των αγορών
Υπάρχει ένα μεγάλο πρόβλημα: Οι επενδυτές βασίζονται σε πιο περιορισμένα σύνολα δεδομένων από αυτά που χρησιμοποιούνται για την ανάπτυξη του ChatGPT και άλλων chatbots. Το ChatGPT, για παράδειγμα, είναι ένα μοντέλο με 175 δισεκατομμύρια παραμέτρους που χρησιμοποιεί δεκαετίες —και μερικές φορές αιώνες— κειμένου και άλλων δεδομένων από βιβλία, περιοδικά, το διαδίκτυο και άλλα. Αντίθετα, τα αμοιβαία κεφάλαια γενικά εκπαιδεύουν τα δικά τους συστήματα συναλλαγών χρησιμοποιώντας τιμολόγηση και άλλα δεδομένα της αγοράς, τα οποία είναι περιορισμένα από τη φύση τους.
«Οι συνθήκες είναι διαφορετικές» όταν πρόκειται για επενδύσεις, λέει στη WSJ ο Jon McAuliffe, συνιδρυτής της Voleon Capital Management LP, ενός hedge fund που βασίζεται στo machine learning. «Δεν έχουμε απεριόριστες ποσότητες δεδομένων για να μας βοηθήσουν να τρέξουμε μοντέλα απεριόριστου μεγέθους».
Ενώ οι αυτοματοποιημένοι αλγόριθμοι έχουν χρησιμοποιηθεί ανά καιρούς για την πραγματοποίηση συναλλαγών, η τεχνητή νοημοσύνη δεν είναι εντυπωσιακή στην πρόβλεψη των κινήσεων των μετοχών. Τα data της αγοράς είναι «πιο θορυβώδη» από τη γλώσσα και άλλα δεδομένα, καθιστώντας δυσκολότερη τη χρήση τους για την εξήγηση ή την πρόβλεψη των κινήσεων της αγοράς. Με άλλα λόγια, τα κέρδη, η δυναμική της μετοχής, το συναίσθημα των επενδυτών και άλλα οικονομικά δεδομένα εξηγούν μόνο εν μέρει τις κινήσεις των μετοχών και τα υπόλοιπα είναι ένας δυσνόητος «θόρυβος». Ως αποτέλεσμα, τα μοντέλα μηχανικής μάθησης μπορούν να εντοπίσουν συσχετίσεις σε διάφορα δεδομένα της αγοράς, αλλά αποδεικνύονται ανίκανα να προβλέψουν τις μελλοντικές κινήσεις των μετοχών.
Σε αντίθεση με τις γλώσσες, οι αγορές μπορούν να αλλάξουν γρήγορα—οι εταιρείες αλλάζουν στρατηγικές, νέοι ηγέτες λαμβάνουν ριζοσπαστικές αποφάσεις και το οικονομικό και πολιτικό περιβάλλον επίσης μπορεί να ανατραπεί από τη μία μέρα στην άλλη.
Και ενώ το ChatGPT έχει αποδειχθεί εντυπωσιακό, κάνει τακτικά τα είδη των προφανών σφαλμάτων που θα κοστίσουν χρήματα στους επενδυτές και θα έβαζαν σε κίνδυνο τη φήμη τους.
