Umělá inteligence umí sice napsat píseň, ale nedokáže porazit trh

Kde je revoluce umělé inteligence na Wall Street? Téměř všechna odvětví, od architektury po zábavu, testují generativní umělou inteligenci a doufají, že budou profitovat z technologie, která dokáže vytvářet písmo, obrazy a umění podobně jako lidé. Wall Street již dlouho používá automatizované algoritmy pro úkoly, jako je zadávání obchodů a řízení rizik. Investoři však zatím příliš nepokročili v tom, že by se spoléhali na umělou inteligenci při řešení své největší výzvy: překonávání trhu. Zatímco někteří vidí v ChatGPT způsob, jak zvýšit obchodní a výzkumné úsilí, výsledky investování s využitím AI nebyly nijak zvlášť působivé. "Pokrok v použití umělé inteligence v investování je zatím omezený, i když inovace v oblasti jazykového modelování by to mohly v příštích letech změnit," říká Jonathan Larkin, výkonný ředitel společnosti Columbia Investment Management Co., která spravuje nadační fond Kolumbijské univerzity ve výši 13 miliard dolarů a investuje do různých fondů. Wall Street měla v oblasti umělé inteligence náskok. Před čtyřmi desetiletími matematici, kteří se stali kvantifikátory, včetně Jima Simonse, zakladatele společnosti Renaissance Technologies, vyvinuli algoritmy, které předávají investiční rozhodnutí počítačům. On a další kvanti léta využívají strojové učení, což je druh umělé inteligence. Vytvořili obchodní modely, které dokážou extrapolovat z minulých dat, identifikovat vzorce a vytvářet ziskové obchody s omezeným zásahem člověka. Podle kvantifikátorů se však jen málo firmám podařilo převést všechny své operace na stroje. A nedosáhly ani výrazného pokroku v oblasti samoučení nebo posilování učení, které spočívají v trénování počítačů, aby se samy učily a vyvíjely strategie. Renaissance a další firmy se spoléhají spíše na pokročilou statistiku než na nejmodernější metody umělé inteligence, říkají lidé z těchto firem. "Většina kvantifikátorů stále uplatňuje přístup "theory-first", kdy nejprve stanoví hypotézu, proč by určitá anomálie mohla existovat, a na jejím základě vytvoří model," říká pan Larkin. Jeden velký problém: investoři se spoléhají na omezenější soubory dat, než jaké byly použity při vývoji chatbota ChatGPT a podobných snah o umělou inteligenci založenou na jazyce. Například ChatGPT je model se 175 miliardami parametrů, který využívá desítky let - a někdy i staletí - textových a dalších dat z knih, časopisů, internetu a dalších zdrojů. Naproti tomu hedgeové fondy a další investoři obvykle trénují své vlastní obchodní systémy pomocí cenových a jiných tržních dat, která jsou ze své podstaty omezená. Jon McAuliffe, bývalý manažer společnosti D.E. Shaw, který je nyní spoluzakladatelem hedgeového fondu Voleon Capital Management LP, jenž se opírá o strojové učení, říká, že "okolnosti jsou jiné", pokud jde o investování. "Nemáme k dispozici neomezené množství dat, které by nám pomohlo spustit modely neomezené velikosti." Stejně tak je důležité, že tržní údaje jsou "hlučnější" než jazykové a jiné údaje, takže je obtížnější je použít k vysvětlení nebo předvídání tržních pohybů. Jinými slovy, zisky, dynamika akcií, nálada investorů a další finanční údaje vysvětlují pohyby akcií jen částečně a zbytek je nezodpověditelný "šum". V důsledku toho mohou modely strojového učení identifikovat korelace v různých tržních datech, ale ukázalo se, že nejsou schopny předpovídat budoucí pohyby akcií. Na rozdíl od jazyků se trhy mohou rychle měnit - společnosti mění strategie, noví lídři přijímají radikální rozhodnutí a ekonomické a politické prostředí se náhle mění, což ztěžuje uzavírání obchodů pomocí modelů založených na historických, dlouhodobých datových trendech. A přestože se ChatGPT osvědčil, pravidelně se dopouští zjevných chyb, které by investory stály peníze a ohrozily jejich pověst. Richard Dewey, výkonný ředitel finančně-technologické společnosti Proven, také poznamenává, že investování je "soupeřivé", neboli zahrnuje soupeření s konkurenty, kteří chtějí využít každé chyby. Proto je investování pomocí umělé inteligence obtížnější než použití těchto přístupů pro přirozený jazyk, klasifikaci obrazu nebo samořídící automobily. "Existuje důvod, proč firmy jako Renaissance a D.E. Shaw stále zaměstnávají tolik doktorantů," říká Dewey, podle něhož jsou lidé stále nezbytní na trzích, které jsou hlučné a podléhají zpětným vazbám mezi lidmi a chováním. "Pokud jde o investování, je stále těžké vše předat strojům." Přesto existují náznaky, že investoři se na umělou inteligenci začínají více spoléhat. Voleon patří do skupiny hedgeových fondů, které byly založeny v posledních několika letech na základě strojového učení a dalších přístupů k umělé inteligenci. Kvantový hedgeový fond Numerai se sídlem v San Francisku použil techniky strojového učení, aby v loňském roce dosáhl 20% zisku, uvádí firma. V loňském roce způsobili rozruch také tři vedoucí pracovníci DeepMind Technologies, dceřiné společnosti umělé inteligence mateřské společnosti Google Alphabet Inc., kteří odešli a založili fond strojového učení EquiLibre Technologies se sídlem v Praze. Podle některých odborníků na umělou inteligenci může jednoho dne pomoci demokratizovat obchodování a poskytnout jednotlivcům a dalším osobám stejně výkonné programy, jaké používají velké hedgeové fondy. Zatím je však příliš málo firem, které se zaměřují na strojové učení a další metody AI, aby bylo možné určit, zda je možné dosáhnout velkých výnosů, říká Jens Foehrenbach, investiční ředitel společnosti Man FRM, která investuje více než 20 miliard dolarů do hedgeových fondů. A první výnosy jsou rozporuplné. "Jejich výsledky se značně liší," říká Foehrenbach. "Takové strategie mohou dělat velmi neočekávané věci, a to investorovi ztěžuje rozhodování," zda snížit nebo zvýšit své investice. Zastánci umělé inteligence věří, že jejich přístup bude nakonec fungovat dobře. Modely strojového učení by nakonec mohly roztřídit smysluplné od nesmyslného. "Vytváření strategií strojového učení je obtížnější a je zde více falešných startů." McAuliffe ze společnosti Voleon říká. "Ale jakmile je jednou zprovozníte, budou tyto strategie dělat přesnější předpovědi." Martin Schmid, spoluzakladatel a generální ředitel společnosti EquiLibre, říká, že "reinforcement learning", forma strojového učení, při níž jsou počítače "trestány a odměňovány" za různá obchodní investiční rozhodnutí, bude fungovat pro akcie a dluhopisy podobně jako v šachu, pokeru a dalších hrách. EquiLibre stále pracuje na svých obchodních modelech a podle pana Schmida ještě nezačala investovat. Podle některých názorů by nedávné pokroky mohly v blízké budoucnosti otřást oblastmi, jako je výzkum a prodej. "Nyní můžete vytvářet automatizované informace na míru pro klienty, což je velká část toho, co dělají prodejci [v investičních bankách]," říká Jens Nordvig, bývalý zaměstnanec Goldman Sachs a Bridgewater Associates, který řídí společnost MarketReader, jež využívá umělou inteligenci k distribuci finančních zpráv.