Chúng ta không nên ngạc nhiên rằng trí tuệ nhân tạo (AI) trung bình dự đoán lợi nhuận tốt hơn các nhà phân tích chứng khoán. Hay rằng các chiến lược dựa trên quy tắc trung bình cung cấp tư vấn tài chính tốt hơn một nhân viên ngân hàng cá nhân. Ngay cả trước những tiến bộ gần đây trong AI tạo sinh, đã có những lợi ích đã được chứng minh từ việc đầu tư có hệ thống. Mặc dù những kỹ thuật này có thể không tìm thấy các cổ phiếu hàng đầu hiếm hoi hoặc các bước ngoặt thị trường mang lại lợi nhuận vượt trội, chúng vẫn có giá trị đã được chứng minh.
Các phát triển của AI cho thấy rằng chúng ta có thể vượt qua các khuyến nghị dựa trên quy tắc. Kinh tế vĩ mô, kế toán và thống kê là ba trụ cột của đầu tư. Các mô hình ngôn ngữ lớn đạt điểm cao trong các kỳ thi nâng cao của các môn học này. Ngoài ra, chúng ta biết rằng các mô hình này có thể tổng hợp nhiều ngữ cảnh và sự khôn ngoan tập thể hơn so với một con người, điều này có thể rất hữu ích cho các chiến lược kinh tế vĩ mô. Vì vậy, nếu AI có thể giúp đưa ra các quyết định tài chính, thì tại sao các nhà phân tích hoặc quản lý danh mục đầu tư lại khó chấp nhận thay đổi này đến vậy?
Dưới đây là bản dịch tiếng Việt của tiêu đề trên:
"Một số gợi ý có thể tìm thấy trong công trình của nhà khoa học dữ liệu César Hidalgo về cách con người đánh giá máy móc. Khi chúng ta sử dụng một chương trình, chúng ta tập trung vào hiệu suất của công cụ. Mỗi lỗi dự đoán của chương trình này sẽ làm cho chuyên gia tài chính của chúng ta mất niềm tin. Trong hầu hết các trường hợp, việc thuật toán trung bình tốt hơn con người hay không không quan trọng. Chuyên gia tài chính của chúng ta sẽ dựa vào trực giác và kinh nghiệm của mình.
Nghiên cứu của Hidalgo cho thấy rằng chúng ta đánh giá tư vấn của con người khác biệt. Chúng ta xem xét ngoài hiệu suất và cân nhắc ý định của người cung cấp lời khuyên. Khi chúng ta làm việc với một nhà ngân hàng cá nhân hoặc giao tiền cho một nhà quản lý quỹ, chúng ta giả định rằng mục tiêu của họ phù hợp với mục tiêu của chúng ta, đặc biệt khi hợp đồng có phí phụ thuộc vào hiệu suất. Khi chúng ta bao gồm những ý định này trong phép toán tinh thần, chúng ta sẽ khoan dung hơn đối với một hiệu suất kém.
Con người thất bại thường xuyên hơn nhưng vẫn được coi là có giá trị, đặc biệt khi có câu chuyện giải thích kết quả. Theo lời của Hidalgos, chúng ta mong đợi sự hợp lý từ máy móc và sự nhân văn từ con người.
Chúng tôi cũng chống lại việc tiếp nhận thông tin trái ngược với kinh nghiệm của chúng tôi. Trong các thí nghiệm với các nhà X quang sử dụng AI, không rõ ràng là họ đưa quan điểm của thuật toán vào dự đoán của mình như thế nào. Công việc kéo dài hơn và hiệu quả của chẩn đoán kết hợp là đáng nghi ngờ.
Nếu điều đó đúng với các nhà X-quang, thì sẽ khó hơn nhiều đối với bất kỳ ai làm việc trên thị trường tài chính. Chiến lược vĩ mô có thể là lĩnh vực khó nhất để tích hợp AI. Trước hết, bởi vì thị trường, giống như thời tiết, không ổn định, có nghĩa là nó sẽ không bao giờ phản ứng chính xác như nhau đối với ví dụ: dữ liệu lạm phát hoặc việc làm, chưa kể đến một khả năng Donald Trump trở lại Nhà Trắng. Ngoài ra, mỗi chiến lược gia đều có những niềm tin ban đầu mạnh mẽ – hoặc một “bản sắc” luôn lạc quan hoặc bi quan – ảnh hưởng đến phán đoán của họ. Rất khó để thoát khỏi những câu chuyện mà khách hàng mong đợi từ mình.
Cuối cùng, chúng ta khao khát sự kiểm soát. Có một sự khác biệt quan trọng giữa một mô hình được tạo bằng bảng tính từ các dữ liệu có sẵn và, ví dụ, ChatGPT. Dựa trên kinh nghiệm và trực giác của chúng tôi, chúng tôi quyết định về hình thức và các thành phần của mô hình đầu tiên, nhưng không phải mô hình thứ hai. Và trong hầu hết các trường hợp, chúng tôi thậm chí không biết LLM đã đưa ra một câu trả lời cụ thể như thế nào. Do đó, việc cố vấn tài chính của chúng tôi cảm thấy không thoải mái khi sử dụng một dự đoán không phải của riêng họ là điều dễ hiểu.
Có một số điểm cần cân nhắc. Chúng ta nên cho phép con người điều chỉnh một số thông số của mô hình. Nói cách khác, chúng ta cần cho phép các chuyên gia chấp nhận các khuyến nghị của AI như thể chúng là của chính họ. Trong trường hợp tốt nhất, mô hình có thể được cải thiện khi chuyên gia thêm ngữ cảnh mà mô hình có thể không truy cập được. Đó có thể là các hoàn cảnh cá nhân của khách hàng hoặc các yếu tố và hạn chế khó định lượng khác. Ngoài ra, chúng ta có thể chấp nhận một sự giảm sút hiệu suất nếu điều đó giúp nhiều người chấp nhận các hiểu biết nhờ sự tiếp xúc của con người. Đây có thể là một thỏa hiệp hợp lý trong các lĩnh vực như tư vấn quản lý tài sản.
Cuối cùng, chúng ta phải cố gắng làm cho trí tuệ nhân tạo dễ hiểu hơn. Đây là một kỳ vọng hợp lý vì yêu cầu về việc giám sát và tuân thủ ngày càng tăng. Hơn nữa, một số mô hình hàng đầu hiện nay đang tích hợp logic "Chuỗi suy nghĩ," mã hóa kiến thức chuyên gia vào mô hình gốc. Bằng cách này, chúng ta không chỉ thấy sự cải thiện về hiệu suất mà còn có một số quy tắc mà hầu hết các chuyên gia có thể tin tưởng. Không ai muốn trông như một robot ngu ngốc, chỉ lặp lại các khuyến nghị của một hộp đen. Niềm tin và phán đoán là những đặc điểm quan trọng trong mối quan hệ với khách hàng. Cuối cùng, chúng ta mong đợi rằng con người sẽ vẫn giữ được tính nhân văn.
