הבינה המלאכותית יודעת לעשות כמעט הכול - אבל לא לנצח את השווקים

היכן מהפכת הבינה המלאכותית של וול סטריט? כבר כמעט כל תעשייה, מאדריכלות עד בידור, בוחנת את תחום הבינה המלאכותית הגנרטיבית, מתוך תקווה להרוויח מטכנולוגיה זו, אשר בכוחה לייצר טקסט, תמונות ואמנות במידה רבה לאופן שעושים זאת בני אדם.

בוול סטריט כבר זמן רב משתמשים באלגוריתמים אוטומטיים למשימות כמו יישום פעולות מסחר וקביעת רמת הסיכון. אבל משקיעים לא התקדמו בהרבה בהסתמכות על בינה מלאכותית בהתמודדות עם האתגר הגדול מכולם: לנצח את השוק. בעוד שיש מי שרואים את ChatGPT כמכשיר להגברת מכירות ומאמצי מחקר, תוצאות ההשקעה הנעזרת בבינה מלאכותית לא היו מרשימות במיוחד.

"ההתקדמות ביישום בינה מלאכותית בהשקעות הייתה מוגבלת, אך חידושים במידול השפה עשויים לשנות זאת בשנים הקרובות", אמר ג'ונתן לרקין, מנהל בכיר ב־Columbia Investment Management Co, המנהלת את קרן העושר בגובה 13 מיליארד דולר של אוניברסיטת קולומביה ומשקיעה בקרנות שונות.

לוול סטריט היה יתרון בכל הקשור לבינה מלאכותית. לפני ארבעה עשורים, מתמטיקאים בהם גם ג'ים סימונס, מייסד Renaissance Technologies, פיתחו אלגוריתמים כדי להאציל חלק מהחלטות ההשקעה למחשבים שלהם.

הוא ואחרים בילו שנים בשימוש בלמידת מכונה, שהיא סוג של בינה מלאכותית. הם בנו מודלים למסחר המסוגלים לעשות אקסטרפולציה ממידע מהעבר כדי לזהות דפוסים ולפתח התנהגויות מסחר רווחיות, לעתים קרובות עם התערבות אנושית מוגבלת ביותר.

אבל מעטות החברות שהצליחו להעביר את כל הפעילות שלהן למכונות, אומרים המתמטיקאים. והן לא נהנו מהתקדמות גדולה עם למידה עצמית או למידת חיזוק, הכוללת דרכים לאמן מחשבים ללמוד ולפתח אסטרטגיות בעצמם. ואכן, Renaissance וחברות אחרות מסתמכות על סטטיסטיקות מתקדמות במקום על שיטות חדשניות של בינה מלאכותית, אומרים בחברות הללו. "רוב המתמטיקאים נוקטים בגישה של 'תיאוריה תחילה' על פיה הם קודם כל מבססים הנחה למה אנומליה כלשהי קורית, וסביב האנומליה הם בונים מודל", אמר לרקין.

יותר מדי "רעשי לוואי"

ויש גם בעיה גדולה: משקיעים מסתמכים על סטים של דאטה שהם מוגבלים מאלה המשמשים לפיתוח הצ'טבוט ChatGPT או יוזמות בינה מלאכותית אחרות. ChatGPT, למשל, הוא מודל עם 175 מיליארד פרמטרים שמשתמש בעשרות שנים, ולעתים מאות שנים של טקסט ונתונים אחרים מתוך ספרים, ירחונים, האינטרנט ועוד. לעומת זאת, לקרנות גידור ומשקיעים אחרים אפשרות לאמן את מערכות המסחר על-ידי הזנת מחירים ונתוני שוק אחרים, שהם מוגבלים מטבעם.

"הנסיבות שונות" בכל הנוגע להשקעה, טוען ג'ון מקוליף, לשעבר סמנכ"ל ב־D.E. Shaw וכיום מייסד שותף של Voleon Capital Management, קרן גידור המסתמכת על למידת מכונה. לדבריו, "אין לנו כמויות אינסופיות של נתונים שיכולות היו לעזור לנו לנהל מודלים בגודל בלתי מוגבל".

לא פחות חשוב, נתוני השוק "רועשים יותר" משפה וסוגי נתונים אחרים, מה שמקשה להשתמש בהם כדי להסביר או לחזות שינויים בשוק. במילים אחרות, רווחים, מומנטום במניות, סנטימנט המשקיעים ונתונים פיננסיים אחרים מסבירים רק באופן חלקי שינויים במניות, והשאר הוא "רעש" שאין להתייחס אליו. כתוצאה מזה, מודלים של למידת מכונה יכולים לזהות קורלציות בסוגים שונים של נתוני שוק אבל לא יכולים לחזות תנועות עתידיות במניות.

שלא כמו במקרה של שפות, שווקים יכולים להשתנות במהירות - חברות משנות אסטרטגיות, מנהיגים חדשים מקבלים החלטות קיצוניות וסביבות פוליטיות משתנות באופן פתאומי - מה שמקשה לעשות פעולות מסחר על-ידי שימוש במודלים המסתמכים על מגמות היסטוריות או נתונים מהעבר.

חשש גדול יותר מטעויות

ובעוד ש־ChatGPT מביא תוצאות מרשימות, התוכנה גם עושה באופן שגרתי שגיאות שבעולם ההשקעות עלולות לעלות כסף ולסכן את המוניטין של משקיעים. ריצ'רד דואי, מנכ"ל חברת הטכנולוגיה הפיננסית Proven, ציין גם הוא שהשקעות כוללות גם תחרות בין יריבים שרוצים לנצל כל טעות. זה מקשה על השקעה בעזרת בינה מלאכותית לעומת שימוש בגישות כאלו לשפה טבעית, סיווג תמונות או מכוניות הנוהגות ללא נהג.

"יש סיבה לכך שחברות כמו Renaissance ו־D.E. Shaw עדיין מעסיקות כל כך הרבה אנשים עם תואר דוקטור", אמר דואי, שאומר שאנשים עדיין חיוניים בשווקים שהם רועשים ושיש בהם לולאות משוב המושפעות על-ידי התנהגות אנושית. "בכל הנוגע להשקעות, עדיין קשה להעביר הכול לידי המכונות".

בכל זאת, ישנם סימנים לכך שלמשקיעים נעשה יותר נוח להסתמך על בינה מלאכותית. Voleon היא אחת מקבוצה של קרנות גידור שהושקו בשנים האחרונות הבנויה סביב למידת מכונה וגישות אחרות בינה מלאכותית.

בקרן הגידור Numerai מסן פרנסיסקו השתמשו בשנה שעברה בטכניקות של למידת מכונה כדי להגיע לרווחים של 20%, כך אומרים בחברה. עוד בשנה שעברה, שלושה עובדים בכירים ב־DeepMind Technologies, חברה בת של גוגל אלפאבית העוסקת בבינה מלאכותית, עוררו עניין כשעזבו אותה כדי להקים קרן חדשה מבוססת למידת מכונה בשם EquiLibre Technologies, ומבוססת בפראג.

אולי יום אחד תעשה הבינה המלאכותית דמוקרטיזציה של המסחר, ותיתן לאנשים פרטיים ואחרים תוכנות חזקות כמו אלו המשמשות את קרנות הגידור הגדולות, כך אומרים חלק ממומחי הבינה המלאכותית. אבל לעת עתה, יש מעט מדי חברות המתמקדות בלמידת מכונה ושיטות בינה מלאכותית אחרות כדי לקבוע אם ניתן להשיג תשואות גבוהות, אמר ג'נס פורנבאך, מנהל השקעות ראשי ב־Man FRM, המשקיעה יותר מ־20 מיליארד דולר בקרנות גידור. והתשואות בשלב זה אינן עקביות.

"התוצאות שלהן משתנות מאוד", אמר פורנבאך. "אסטרטגיות כאלו יכולות לעשות דברים מאוד לא צפויים, וזה מקשה על משקיעים להחליט", למשל, אם לקצץ או להגדיל את ההשקעות.

תחזיות יותר מדויקות

תומכי הבינה המלאכותית מאמינים בגישה שבסופו של דבר זה יצליח, ומודלים של למידת מכונה יכולים לסנן את מה שיש לו משמעות וחשיבות מתוך רעשי הרקע. "בניית אסטרטגיות של למידת מכונה היא יותר קשה", אמר מקוליף מחברת Voleon. "אבל ברגע שהצלחת להפעיל אותן, האסטרטגיות הללו יתנו תחזיות יותר מדויקות".

מרטין שמיד, מייסד שותף ומנכ"ל חברת EquiLibre, אמר שצורה של למידת מכונה שבה מחשבים "נענשים ומקבלים חיזוקים" על החלטות השקעה שונות במסחר, תעבוד עבור מניות ואיגרות חוב, במידה רבה כפי שעבדה עם שחמט ופוקר. ב־EquiLibre עדיין עובדים על מודלים למסחר ועוד לא התחילו לבצע השקעות, העיד שמיד.

יש המאמינים כי ההתקדמויות האחרונות עשויות לעורר בטווח הקרוב את המחקר והמכירות. ג'נס נורדביג, שבעברו עבד בגולדמן זאקס ובקרן ברידג'ווטר, ומנהל כיום את MarketReader, אתר המשתמש בבינה מלאכותית כדי לסנן חדשות פיננסיות, הסביר כי "היום, אפשר ליצור מידע מותאם ללקוחות באופן אוטומטי, וזה חלק ניכר ממה שאנשי מכירות בבנקי השקעות עושים".