J’ai déjà vu assez d’agents de trading algorithmique s’effondrer pour traiter tout agent IA qui touche à l’argent réel avec une vigilance supplémentaire.
Les agents de trading font partie des applications les plus à haut risque que je puisse imaginer pour une IA vérifiable. Se tromper ici, et le coût n’est pas une mauvaise réponse de chatbot. Ce sont de l’argent réel qui bouge à la suite d’une décision défectueuse.
BitQuant utilise le framework d’OpenGradient pour construire des agents d’IA qui opèrent sur les marchés financiers. L’argument est que l’inférence vérifiable donne à ces agents une piste d’audit que les bots de trading en « boîte noire » n’ont jamais eue.
Cela résout un problème. Mais pas celui de savoir si la stratégie sous-jacente est réellement saine. Un modèle de trading mauvais et vérifié perd encore de l’argent, seulement avec une preuve cryptographique attachée à la perte.
La vérification crée de la responsabilité. Elle ne crée pas d’alpha.
Ce sont des problèmes différents, et un seul des deux a un lien avec l’infrastructure sous-jacente.
#opg $OPG @OpenGradient
Les agents de trading font partie des applications les plus à haut risque que je puisse imaginer pour une IA vérifiable. Se tromper ici, et le coût n’est pas une mauvaise réponse de chatbot. Ce sont de l’argent réel qui bouge à la suite d’une décision défectueuse.
BitQuant utilise le framework d’OpenGradient pour construire des agents d’IA qui opèrent sur les marchés financiers. L’argument est que l’inférence vérifiable donne à ces agents une piste d’audit que les bots de trading en « boîte noire » n’ont jamais eue.
Cela résout un problème. Mais pas celui de savoir si la stratégie sous-jacente est réellement saine. Un modèle de trading mauvais et vérifié perd encore de l’argent, seulement avec une preuve cryptographique attachée à la perte.
La vérification crée de la responsabilité. Elle ne crée pas d’alpha.
Ce sont des problèmes différents, et un seul des deux a un lien avec l’infrastructure sous-jacente.
#opg $OPG @OpenGradient