Išeiti iš „jei A, tai B“ eros
Klasikinės automatizuotos sistemos, kurias mažmenininkai ir instituciniai prekiautojai naudoja nuo tūkstantmečio pradžios, veikia pagal tiksliai apibrėžtų taisyklių principą. Kūrėjas į kodą įrašo aiškias sąlygas, pavyzdžiui, dviejų slenkamųjų vidurkių susikirtimą arba tam tikros techninio indikatoriaus vertės pasiekimą, o sistema jas vykdo mechaniškai. Problema su šia tradicine automatizacija kyla tada, kai pasikeičia rinkos pobūdis ir aiškios tendencijos fazę pakeičia šoninis judėjimas. Statinis algoritmas negali prisitaikyti prie naujos realybės, negali mąstyti už savo šaltinio kodo ribų ir toliau veikia nuostolingai, kol žmogus jo rankiniu būdu neperprogramuoja.
Dirbtinis intelektas ir mašininis mokymasis visiškai pakeičia šį požiūrį, nes sistema nebelaužo programuotojo nustatytų taisyklių. Vietoj to ji gauna prieigą prie milžiniško istorinių ir realaus laiko duomenų kiekio ir pati ieško optimalių taisyklių. Šis poslinkis reiškia, kad technologija pereina nuo aklo komandų vykdymo prie nepriklausomos tikimybių analizės, o tai radikaliai keičia sistemų sėkmės rodiklį kintančioje rinkos aplinkoje.
Iš ko susideda dirbtinio intelekto evoliucinis šuolis?
Perėjimas nuo grynos automatizacijos prie dirbtinio intelekto atneša esminius technologinius skirtumus, iš kurių pirmasis yra dinamiškas prisitaikymas realiuoju laiku. Nors klasikinis robotas yra testuojamas remiantis istoriniais duomenimis, optimizuojamas naudojant praeities duomenis ir patenka į realią rinką su šiais fiksuotais parametrais, dirbtinis intelektas gali iš karto koreguoti savo vidinius nustatymus. Jei sistema nustato, kad rinkos kintamumas smarkiai padidėjo arba pasikeitė bendra užsakymų struktūra, ji prisitaiko prie naujos situacijos be kūrėjo įsikišimo į kodą.
Kitas milžiniškas šuolis – gebėjimas apdoroti nestruktūruotus duomenis naudojant pažangius kalbos modelius. Senosios algoritmų versijos galėjo skaityti tik tikslius skaičius, būtent kainą, apimtį ir laiką. Tačiau šiuolaikinis dirbtinis intelektas per milisekundę gali perskaityti naujausius centrinio banko posėdžio protokolus, pasaulinių agentūrų ataskaitas ar ekonomines analizes. Sistema supranta teksto kontekstinę prasmę, įvertina bendrą nuotaiką ir nedelsdama atitinkamai pakoreguoja savo pozicijas rinkoje, o žmogui tai užtruktų nepalyginamai ilgiau. Be to, šios sistemos gali iš karto atpažinti itin sudėtingus modelius ir netiesinius ryšius tarp dešimčių skirtingų priemonių, kurie yra visiškai nematomi žmogaus akiai ar paprastam kodui.
Kita medalio pusė ir naujojo požiūrio rizika
Nors dirbtinis intelektas žymiai išplečia prekybos galimybes, jis kelia specifines rizikas, su kuriomis klasikinė automatika neturėjo kovoti tokiu mastu. Didžiausia kliūtis yra vadinamoji sistemos peroptimizavimas naudojant istorinius duomenis. Dirbtinis intelektas turi tokį milžinišką skaičiavimo pajėgumą, kad gali rasti tobulą matematinį šabloną bet kuriame praeities kainų pavyzdyje. Tačiau šis šablonas dažnai yra nenaudojamas realioje rinkoje, nes vietoj to, kad išmoktų tikrąją rinkos logiką, sistema tiesiog išmoko tobulai kopijuoti istorinius triukšmus ir anomalijas, kurios niekada nepasikartos tokiu pačiu būdu.
Antrasis rimtas pavojus yra „juodosios dėžės“ efektas, kai sprendimų priėmimo procesas tampa neskaidrus žmonėms. Naudojant klasikinę automatizuotą sistemą, jūs tiksliai žinote, kodėl kodas nupirko ar pardavė tam tikrą turtą, nes sąlygos yra aiškiai išdėstytos skripte. Tačiau naudojant pažangius neuroninius tinklus sprendimų priėmimas grindžiamas milijonais kintamųjų ir jų tarpusavio ryšiais. Dėl to susidaro situacija, kai net kūrėjas dažnai negali atgaline data tiksliai nustatyti, kodėl dirbtinis intelektas priėmė konkretų prekybos sprendimą, o tai žymiai apsunkina rizikos kontrolę.
Kaip šis pokytis naudingas šiuolaikiniam prekiautojui?
Dirbtinio intelekto pritaikymas praktikoje nereiškia, kad nepriklausomų prekiautojų era galutinai baigiasi. Dabartinė tendencija krypsta link hibridinio modelio, kuriame žmogus veikia kaip strateginis vadovas, o dirbtinis intelektas – kaip jo aukštos kokybės vykdomasis komponentas. Šiandien paprastiems mažmeniniams prekiautojams nebereikia kurti savo superkompiuterių ar įvaldyti sudėtingų programavimo kalbų, nes technologija tampa vis labiau prieinama.
Eurozone inflation reaches a three-year high, driven largely by surging energy prices. With underlying inflation remaining relatively stable, the European Central Bank faces a difficult decision: raise interest rates to contain future price pressures or avoid further weakening economic growth.
Skaityti daugiau →The U.S. dollar falls to a one-month low after Democrats win control of both chambers of Congress. Investors are reassessing the outlook for AI investment, government spending and borrowing costs as Washington prepares for divided government.
Skaityti daugiau →