كيف تستثمر Bridgewater في الذكاء الاصطناعي؟

المؤلف: Cao Zexi

مصدر الصورة: تم إنشاؤه بواسطة Unbounded AI

ما رأي أكبر صندوق تحوط في العالم في الذكاء الاصطناعي؟

في يوم الاثنين ، 3 يوليو ، اتصل بريدجووتر بمسؤول الاستثمار جريج جنسن في مقابلة للتحدث بشكل منهجي عن آراء بريدجووتر حول تكنولوجيا الذكاء الاصطناعي ، وشارك بآرائه حول كيفية استثمار بريدجووتر في الذكاء الاصطناعي ، وكيفية استخدام الاستثمار في الذكاء الاصطناعي ، ونظرته إلى تكنولوجيا الذكاء الاصطناعي ، وما إلى ذلك منظور على المشكلة.

كيف تستثمر Bridgewater في الذكاء الاصطناعي

اسم جنسن:

في عملية إعادة تنظيم Bridgewater ، فعلنا أيضًا شيئًا لم نقم به من قبل ، وهو السماح لبعض الأشخاص بالبحث والاستثمار في أشياء قد لا تكون مربحة على الفور ، ولكن هذا هو مشروعنا طويل الأجل. لذلك ، أنشأنا مشروع الذكاء الاصطناعي هذا مع فريق مكون من 17 شخصًا بقيادة أنا. ما زلت أشارك بنشاط في العمل الأساسي لـ Bridgewater ، لكن الأشخاص الـ 16 الآخرين ملتزمون بنسبة 100٪ بإعادة تشكيل Bridgewater من خلال التعلم الآلي. سيكون لدينا صندوق يتم تشغيله حصريًا على تكنولوجيا التعلم الآلي ، وهذا ما نقوم به في المختبر الآن ، لدفع حدود الذكاء الاصطناعي ، وقدرات التعلم الآلي. في الوقت الحالي ، يعد إنشاء مثل هذا الصندوق مشكلة كبيرة. إذا أخذنا نماذج لغوية كبيرة ، فلديهم نوعان من المشاكل. أولًا ، يتم تدريب هذه النماذج بشكل أكبر على بنية اللغة ، لذلك غالبًا ما تعيد شيئًا يبدو أنه منظم وصحيح نحويًا ، ولكن ليس دائمًا إجابة دقيقة. هذه مشكلة. ثانيًا ، إنه يهلوس ، يصنع الأشياء لأنه يولي اهتمامًا أكبر لبنية الكلمة أو المفهوم الذي يأتي بعد دقة المفهوم الذي يأتي بعد ذلك.

لذلك ، يعتقد جنسن أن الذكاء الاصطناعي يمكن أن يساعد الناس على تصور وتنظير ما يلاحظونه ، ولكن لا يزال هناك طريق طويل لنقطعه قبل استخدام الذكاء الاصطناعي لاختيار الأسهم. لذا فإن تركيز Bridgewater الحقيقي هو:

** ولكن هناك طرق أخرى لدمج هذا مع النماذج الإحصائية وأنواع أخرى من الذكاء الاصطناعي. هذا ما نركز عليه حقًا ، حيث نجمع بين نماذج اللغة الكبيرة الأقل دقة مع النماذج الإحصائية التي تعتبر جيدة في وصف الماضي بدقة ولكنها سيئة في التنبؤ بالمستقبل. ** ** من خلال الجمع بين هذه العناصر معًا ، نبدأ في بناء نظام بيئي أعتقد أنه يمكّن محللي Bridgewater. ** في حالة اكتمال هذا النظام البيئي ، سيكون لدينا ملايين الشركاء الاستثماريين في نفس الوقت. إذا كانت لدينا القدرة على التحكم في الهلوسة والأخطاء في الذكاء الاصطناعي من خلال الإحصائيات ، فيمكننا القيام بالكثير من العمل بسرعة. هذا بالضبط ما فعلناه في المختبر وأظهرنا أن العملية تعمل.

كيف تستثمر Bridgewater من خلال الذكاء الاصطناعي؟

إذا كان بإمكانك بناء نظام بيئي يتضمن الذكاء الاصطناعي وتقنيات أخرى ، فكيف ستستخدم Bridgewater هذا النظام للاستثمار؟

يعتقد جنسن أن الذكاء الاصطناعي الإحصائي والنماذج اللغوية واسعة النطاق يمكن أن تكمل بعضها البعض وتلعب دور "اليد اليسرى واليمنى" لبريدجووتر في الاستثمار:

يمكن للذكاء الاصطناعي الإحصائي أن يأخذ النظريات ، ويعود إلى ما إذا كانت تلك النظريات صحيحة في الماضي على الأقل وما هي عيوبها ، وصقلها ، وتقديم المشورة حول كيفية القيام بالأشياء بشكل مختلف ، ومن ثم يمكننا إجراء حوار معها. إحدى الميزات التي تتمتع بها النماذج اللغوية واسعة النطاق هي اتخاذ نموذج إحصائي معقد والتحدث عما تفعله. هناك طرق لتدريب النماذج اللغوية للقيام بذلك. الطريقة التي نمثل بها هذا هي أن النماذج اللغوية يمكن أن تأتي بالنظريات الأساسية. إنه ليس الشيء الأكثر إبداعًا في العالم ، لكنه نظرية على نطاق واسع ، وهذا أمر مؤكد. مرة أخرى ، النماذج اللغوية واسعة النطاق رائعة ، لكن علينا ضبط نموذج اللغة بطريقة ما ، ويمكننا استخدام الإحصائيات للتحكم فيه. يمكننا بعد ذلك استخدام نموذج اللغة مرة أخرى لأخذ النتائج في المحرك الإحصائي ومناقشتها مع إنسان أو أي ذكاء اصطناعي آخر والإبلاغ عما تم العثور عليه وماذا ونوع النظرية. إذا كانت الاستنتاجات التي تم التوصل إليها تتعارض مع تصور الناس ، فقم بإجراء المزيد من الاختبارات. هذه هي الدورة التي أشعر بالحماس الشديد حيالها ، كما قلت ، لقد كان الذكاء الاصطناعي الإحصائي محدودًا حتى الآن لأنه يركز على بيانات السوق. بالنسبة لنماذج اللغة ، تكمن الفائدة في أنها تستطيع فهم الأشياء التي لا تفهمها النماذج الإحصائية بشكل أفضل. على سبيل المثال ، لا تحتوي النماذج الإحصائية للأسواق على مفهوم الجشع ، لكن النماذج اللغوية واسعة النطاق يمكنها تقريبًا فهم مفهوم الجشع - لقد قرأت هذه النماذج كل شيء عن الجشع والخوف وما إلى ذلك. لذا فإن الجمع بين الاثنين ينتج نمط تفكير شبيه بالإنسان.

ماذا يعني الذكاء الاصطناعي للموظفين البشريين؟

بمرور الوقت ، يمكن لأجهزة الكمبيوتر القيام بالمزيد والمزيد من الأشياء. يعتقد جنسن:

ما أريد أن أقوله هو أن البشر قد اعتادوا اليوم على أداء الأدوار المتعلقة بالحدس والإبداع فقط ، فنحن نستخدم أجهزة الكمبيوتر لحفظ هذه القواعد وتشغيلها بشكل مستمر ودقيق. إنها فقط في منتصف الطريق خلال الانتقال ، والآن هناك قفزة أخرى إلى الأمام. ليس هناك شك في أن الذكاء الاصطناعي سيغير دور مساعدي الاستثمار. بالضبط ، ما زلنا بحاجة إلى أن يعمل الناس على حل هذه الأشياء في المستقبل المنظور ، وما زلنا بحاجة إلى بعض الوقت لبناء النظام البيئي لوكلاء التعلم الآلي وما إلى ذلك. ** ستكون الاستفادة من الذكاء الاصطناعي جزءًا من مستقبل العمل وأعتقد أنه سيكون من الصعب في أي صناعة معرفية عدم الاستفادة من هذه التقنيات. ** فيما يتعلق ببرمجة الكمبيوتر ، فإننا نشهد طفرة هائلة في الترميز. الآن ، مع الذكاء الاصطناعي ، يحتاج الناس فقط إلى معرفة ما يجب أن يبرمجوا ، وليس كيفية البرمجة ، وهو إنجاز كبير. لذا فإن مجموعة من الأشخاص الذين ليس لديهم تدريب أو قدرة رائعة على C ++ أو Python أو أي شيء آخر يمكنهم فجأة الحصول على ما يريدون بشكل أسرع. ** لذا فجأة ، تتغير مجموعات المهارات المطلوبة في مكان العمل ، والطريقة التي تتغير بها تثير الدهشة لكثير من الناس لأنها في الواقع الكثير من العمل المعرفي ، مثل إنشاء المحتوى وما إلى ذلك ، والأشخاص في نقطة واحدة يُعتقد أن الوقت الذي يجب استبداله بالآلات لا يزال في المستقبل البعيد ، لكنه في الحقيقة قاب قوسين أو أدنى. ** لذا فإن المحصلة النهائية هي أن هناك الكثير من التغيير الآن لدرجة أنه من الضروري التحلي بالمرونة في مكان العمل والقدرة على الاستفادة من أي أداة.

هل يمكن استخدام الذكاء الاصطناعي لإدارة الاستثمارات مباشرة؟

هناك مجموعة متنوعة من أدوات إدارة الاستثمار في الذكاء الاصطناعي في السوق ، ما الذي يهتم به الناس هو ، مع التطور الكبير للذكاء الاصطناعي ، هل سيحتاج البشر فقط إلى الاستثمار في الذكاء الاصطناعي في المستقبل؟

يعتقد جنسن:

اعتقدت أنه سيسبب حادثًا وسيجعلني متحمسًا حقًا. من الواضح أنني متحمس لقوة الذكاء الاصطناعي ، وأعتقد أن هناك طرقًا لاستخدامها بشكل جيد. لكن في الوقت نفسه ، يرتكب الذكاء الاصطناعي الكثير من الأخطاء. تستخدم بعض الصناديق GPT لاختيار الأسهم ، لكن مديري الصناديق هؤلاء ليس لديهم حقًا فهم عميق للذكاء الاصطناعي ونقاط الضعف المحتملة. في أحد الأمثلة ، في سوق العقارات ، استخدمت Zillow ، وهي منصة وساطة عقارية ، تقنية الذكاء الاصطناعي للتنبؤ بأسعار المنازل وتقييم أسعار المنازل والدخول إلى السوق لبدء شراء منازل يعتقد الذكاء الاصطناعي أنها مقومة بأقل من قيمتها الحقيقية. ومع ذلك ، فإن Zillow لديها العديد من المشاكل. الأول هو أنه في حين أن لديهم الكثير من بيانات الإسكان ، إلا أن ذلك يحدث خلال فترة زمنية قصيرة نسبيًا. لذلك في حين أن لديهم عددًا كبيرًا على ما يبدو من نقاط البيانات ، لا تزال هناك دورة كلية تؤثر على التقييمات التي يقومون بها. ثانيًا ، يستخفون بالفصل بين النظرية والتطبيق عندما يكون في الواقع سوقًا معاديًا. من الواضح أن هذه مشكلة كبيرة لشركة Zillow ، فقد كان لها تأثير كبير على سوق العقارات ومن ثم فشلت بشكل كبير. العودة إلى سوق الأسهم ، التداول قصير الأجل ، يمكن القول إنه أكثر ملاءمة للتعلم الآلي ، نظرًا لوجود الكثير من البيانات ، ويمكن للذكاء الاصطناعي التعلم بشكل أسرع من خلال هذه البيانات. ولكن من ناحية أخرى ، على المدى الطويل ، قد لا يكون دور الذكاء الاصطناعي قادرًا على القيام به. غالبًا ما تشبه البيانات بيانات معدل ضربات القلب طوال حياة الشخص. ربما تفكر ، يا إلهي ، لقد كان قلبي ينبض منذ 49 عامًا ، وهذا يبدو كأنه الكثير من الإحصائيات ، ولكن عندما تصاب بنوبة قلبية ، فهذا غير ذي صلة على الإطلاق. لذلك ، حتى مع وجود كميات كبيرة من البيانات ، يمكن أن يكون مضللاً ، وهذه المشاكل تسبب مشاكل كبيرة لهذه التقنيات. ** لذلك يجب على المرء أن يفهم الأدوات ، وما يجيدها وما لا يجيدها ، ودمجها بطريقة تستفيد من نقاط القوة في كل أداة وتتجنب نقاط الضعف. ** لا يزال هناك الكثير من العمل الذي يتعين القيام به على نماذج اللغة الكبيرة ، والتي يمكننا بالتأكيد تدريبها باستخدام التعلم المعزز للتأكد من أنها لا ترتكب أخطاء معروفة.

هل ما زال التفاؤل يهيمن على الأسواق؟

يعتقد جنسن أن التفاؤل لا يزال يهيمن على السوق. هو قال:

يبدو الاحتياطي الفيدرالي أكثر واقعية من السوق فيما يتعلق بما سيفعله. عندما تنظر إلى رد فعل السوق ، تجده صعوديًا للغاية. لكن علينا أن نلاحظ أن السوق ، تاريخيًا ، يميل إلى التفاؤل المفرط.