Крис Пулман раньше тратил два дня на подготовку превью для заседаний центрального банка. Теперь у главного экономиста по макроэкономике в Balyasny Asset Management на это уходит всего 30 минут, пишет Bloomberg.

Благодаря новому усиленному поколению искусственного интеллекта, чат-боты выполняют его трудоемкие исследовательские обязанности: от обобщения взглядов экономистов Уолл-стрит и создания диаграмм до обзоров последних заявлений финансовых чиновников и многое другое. Затем Пулман вставляет всю эту рыночную мудрость в ИИ-шаблон, чтобы обосновать затем его прогноз по ставке. «Мы обнаружили, что они на самом деле гораздо мощнее, чем вы думаете на первый взгляд, — говорит экономист, имея в виду большие языковые модели. - Но они не предлагают готовых решений».

Спустя 20 месяцев после того, как OpenAI Inc. с большой помпой представила ChatGPT, управляющие хедж-фондов, включая Two Sigma Investments и Man Group, спешат использовать разрушительный потенциал технологии, интегрируя чат-ботов в свои ежедневные исследовательские и инвестиционные процессы. Банки также используют эти инструменты: JPMorgan Chase & Co. в прошлом месяце запустила свой собственный ChatGPT для сотрудников, занимающихся управлением активами и благосостоянием, а Goldman Sachs Group Inc. создает свою собственную платформу.

Для этих первопроходцев, которые уже давно занимаются внедрением новых технологий для получения инвестиционного преимущества, чат-боты могут выполнять все неблагодарные задачи, как и любой услужливый стажер, включая фильтрацию нормативных документов, обобщение исследований и написание простого кода.

Но полноценный аналитик в форме чат-бота, который может выдавать мудрые инвестиционные идеи, детальные исследования и надежные прогнозы? До этого еще далеко. А пока Уолл-стрит беспокоится о неистовом ралли ИИ-акций в этом году. На пике Nasdaq 100 вырос более чем на 90% по сравнению с минимумом 2022 года, прежде чем отступить в последние недели.

Неустрашимые сторонники быстрых денег по-прежнему непоколебимы в своей уверенности в том, что их инвестиции принесут ощутимую прибыль теперь, когда все лучше понимают практические ограничения готовых чат-ботов.

С появлением большего количества свободного времени Пулман, например, считает, что он может вывести ИИ-технологию на более продвинутый уровень, используя ее для самостоятельного создания сложного кода и экономических прогнозов. Он говорит, что «вероятно» ИИ сможет справиться с 70% до 80% того, что делает экономист в области финансов в стране в течение двух-трех лет.

Чтобы достичь этого, индустрия должна столкнуться с парой крупных проблем. Они включают тот факт, что генеративный ИИ может просто выдумывать данные. Он также затрудняется с ответами на абстрактные или многослойные вопросы.

Например, управляющий портфелем в Balyasny хотел проверить, сможет ли его чат-бот определить выигрывающие или проигрывающие из-за более высоких тарифов акции. Инженерам пришлось сначала обучить модель, разбив такие сценарии на ряд подвопросов. Потребовалось 99 минут, чтобы отсканировать 20 000 документов и выполнить пошаговую инструкцию, прежде чем сформулировать удовлетворительный ответ.

«Мы полагаемся на возможности младшего стажера: вы просите ИИ провести простой анализ с внутренними источниками данных, и он это сделает, но либо вам придется давать много очень конкретных подсказок, либо сам анализ будет довольно элементарным», — сказал Чарли Фланаган, руководитель проекта прикладного ИИ в Balyasny. «Так как же нам перевести его с младшего стажера на старшего стажера, а затем на младшего аналитика, чтобы в конце 2024 года люди могли задавать достаточно серьезные вопросы?», - задается он вопросом.

Все это обходится недешево. Goldman Sachs подсчитал, что создание инфраструктуры ИИ для всей экономики обойдется более чем в 1 триллион долларов в течение следующих нескольких лет. Полностью обученные системы, такие как ChatGPT или Claude от Anthropic, взимают плату за каждое дополнительное использование, в то время как создание такой системы на основе моделей с открытым исходным кодом, таких как Llama от Meta, требует больших затрат на таланты и вычислительную мощность.

Робот, который может интерпретировать текст для торговли, не является чем-то новым на Уолл-стрит. В течение многих лет компьютеры сканировали новостные статьи и транскрипты доходов на предмет их влияния на рынок. Но сама привлекательность ChatGPT заключается в том, что он выводит все это на новый уровень: анализирует контекст, отвечает на вопросы связно и опирается на длинный список источников, чтобы прийти к сложным выводам.

«Мы уже не довольствуемся собственными возможностями чат-ботов, — говорит Тим Мейс, руководитель отдела данных и машинного обучения в Man Group. - Они должны быть такими же хорошими или даже лучше того, что потенциально может сделать человек».

На данный момент фирма считает, что еще слишком рано подключать LLM напрямую к систематическим торговым моделям, где меньше прямого человеческого контроля, добавляет Мейс. Однако этот реализм противоречит грандиозным амбициям, поскольку Man Group говорит о возможности того, что однажды ИИ сможет искать в своей исследовательской базе данных, генерировать гипотезу и создавать код для ее проверки. Или что он сможет выявлять тонкие экономические связи из огромного объема данных, которые он поглотил, информируя о сделках.

И даже если ИИ сейчас отстает от людей в когнитивных способностях, у него есть преимущество в скорости и масштабе, говорит Бен Веллингтон, заместитель руководителя отдела прогнозирования функций в Two Sigma. Он указывает на пример отслеживания увольнений руководителей корпораций. «Если бы у меня был список из 50 идей, возможно, раньше я мог бы изучить 10. Теперь я могу перейти от 10 к 25 с относительно небольшими затратами, потому что мне не нужно создавать команду или инструмент для изучения каждой идеи».

Фланаган из Balyasny показал пример, где его GPT прочитал академическую статью о торговой стратегии и вычислил, как она бы работала исторически. Для этого модель фактически использовала калькулятор, закодированный его командой, а не только чат-бот.

Чтобы избежать риска фальсификации фактов, многие фирмы используют технику, называемую генерацией дополненного поиска, где ИИ заставляют просматривать определенные дополнительные источники. Хорошая формулировка подсказок также имеет большое значение.

В Atalaya Capital Management, частной кредитной компании с оборотом около 10 миллиардов долларов, ИИ-технологии значительно ускорили процесс поиска потенциальных заемщиков в ее бизнесе по лизингу оборудования и составлению юридических контрактов. Тем не менее, люди по-прежнему отвечают за выбор инвестиций и согласование условий.

Поэтому, хотя может быть ChatGPT - самый трудолюбивый стажер на Уолл-стрит, планка для повышения до должности полноценного аналитика высока.

Источник: Финам