Nereikėtų stebėtis, kad dirbtinis intelektas (DI) vidutiniškai geriau numato pelną nei akcijų analitikai. Arba kad taisyklėmis pagrįstos strategijos vidutiniškai siūlo geresnes finansines konsultacijas nei asmeninis bankininkas. Net prieš neseniai generatyvinėje DI srityje padarytą pažangą buvo patvirtinta sistemingo investavimo nauda. Nors tokios technikos gal ir neranda retų geriausių akcijų ar rinkos lūžių, kurie atneša virš vidurkio grąžą, jos vis dėlto turi įrodyta vertę.
Dirbtinio intelekto plėtra rodo, kad galime pereiti nuo taisyklėmis pagrįstų rekomendacijų. Makroekonomika, apskaita ir statistika yra trys investicijų ramsčiai. Dideli kalbos modeliai pasiekia aukščiausius rezultatus pažangiuose šių sričių egzaminuose. Be to, žinome, kad LLM (didelės apimties kalbos modeliai) gali apibendrinti daug daugiau konteksto ir kolektyvinės išminties nei žmogus, o tai gali būti labai naudinga makroekonominėms strategijoms. Tad jei dirbtinis intelektas gali padėti priimti finansinius sprendimus, kodėl analitikams ar portfelių valdytojams taip sunku priimti šią permainą?
Einige Hinweise finden wir in der Arbeit des Datenwissenschaftlers César Hidalgo darüber, wie Menschen Maschinen beurteilen. Wenn wir ein Programm nutzen, konzentrieren wir uns auf die Leistung des Werkzeugs. Jeder Vorhersagefehler dieses Programms wird dazu führen, dass unser Finanzprofi das Vertrauen verliert. In den meisten Fällen ist es egal, ob der Algorithmus im Durchschnitt besser ist als der Mensch. Unser Finanzberater wird sich auf seine Intuition und Erfahrung verlassen.
Translation:
Kai kurių užuominų galime rasti duomenų mokslininko Cézaro Hidalgo darbuose apie tai, kaip žmonės vertina mašinas. Naudodamiesi kokia nors programa, mes sutelkiame dėmesį į įrankio našumą. Kiekviena šios programos prognozės klaida lems tai, kad mūsų finansų specialistas neteks pasitikėjimo. Daugeliu atvejų nesvarbu, ar algoritmas vidutiniškai yra geresnis už žmogų. Mūsų finansų konsultantas pasikliaus savo intuicija ir patirtimi.
Hidalgo tyrimai rodo, kad mes žmonių patarimus vertiname kitaip. Mes atsižvelgiame ne tik į rezultatus, bet ir į patarėjo ketinimus. Kai bendradarbiaujame su privačiu bankininku ar patikime savo pinigus fondų valdytojui, tikimės bendrų tikslų, ypač jei sutartis apima mokestį už rezultatus. Įtraukdami šiuos ketinimus į savo protinę lygtį, esame pakantesni blogam grąžinimui.
„Žmogiškosios konsultacijos gali dažniau nesėkmingai pasibaigti, tačiau vis tiek yra vertinamos, ypač jei yra istorija, paaiškinanti rezultatą. Kaip sako Hidalgo, mes iš mašinų tikimės racionalumo, o iš žmonių – žmogiškumo.“
Mes taip pat priešinamės informacijos priėmimui, kuris prieštarauja mūsų patirčiai. Eksperimentuose su radiologais, kurie naudojo dirbtinį intelektą, buvo neaišku, kaip jie įtraukė algoritmo nuomones į savo prognozes. Darbas truko ilgiau ir kombinuotos diagnostikos veiksmingumas buvo abejotinas.
Jei tai taikoma radiologams, tai turi būti dar sunkiau kiekvienam, dirbančiam finansų rinkose. Makro strategija gali būti sudėtingiausia sritis integruoti dirbtinį intelektą. Visų pirma todėl, kad kaip ir orai, rinka nėra stabili; tai reiškia, kad ji niekada tiksliai vienodai nereaguos į, pvz., infliacijos ar užimtumo duomenis, jau nekalbant apie galimą Donaldo Trumpo sugrįžimą į Baltuosius rūmus. Be to, kiekvienas strategas turi stiprius pradines įsitikinimus – arba „tapatybę“, kaip visada optimistišką arba pesimistišką, – kurie daro įtaką jo sprendimams. Labai sunku išvengti pasakojimų, kurių tikisi klientai.
Galiausiai mes ilgimės kontrolės.
Yra keletas svarstymų, kuriuos reikėtų atsižvelgti. Turėtume leisti žmonėms koreguoti kai kuriuos modelio parametrus. Kitaip tariant, turime leisti specialistams priimti KI rekomendacijas taip, lyg tai būtų jų pačių. Geriausiu atveju modelis gali būti patobulintas, kai ekspertas priduria kontekstą, kuris modeliui gali būti neprieinamas. Tai gali būti kliento privatūs aplinkybės arba kiti sunkiai kiekybiškai įvertinami veiksniai ir apribojimai. Arba galime priimti veiklos mažėjimą, jei dėl to daugiau žmonių priims įžvalgas dėl žmogiško prisilietimo. Tai galėtų būti pagrįstas kompromisas tokiose srityse kaip turto valdymo konsultacijos.
Galiausiai turime stengtis, kad dirbtinis intelektas būtų suprantamesnis.
