Tantangan Nyata untuk AI dalam Keuangan Mungkin Bukan Kecerdasan
Dulu, saya berpikir bahwa perlombaan terbesar dalam AI adalah membangun model yang lebih cerdas.
Setiap beberapa minggu, muncul lagi model yang bisa memproses lebih banyak data, mengenali pola dengan lebih cepat, atau menghasilkan prediksi yang lebih baik daripada model sebelumnya. Untuk sementara, saya mengira di situlah masa depan AI dalam keuangan akan diputuskan.
Semakin lama saya mengamati, semakin saya tidak yakin.
Yang menarik perhatian saya bukan lagi kualitas prediksinya.
Itu adalah semua hal yang terjadi setelah prediksi-prediksi tersebut meninggalkan model.
Sebuah strategi trading tidak beroperasi secara terisolasi. Strategi itu harus bergerak melalui jaringan, bersaing dengan ribuan transaksi lain, menghadapi jeda, dan dieksekusi dalam lingkungan yang terus berubah. Sebuah model bisa mencapai kesimpulan yang tepat, tetapi tetap menghasilkan outcome yang mengecewakan jika sistem di sekelilingnya kesulitan di bawah tekanan.
Itu membuat saya melihat infrastruktur AI secara berbeda.
Perbandingan yang terus muncul di benak saya adalah lalu lintas.
Pagi-pagi sekali, hampir setiap jalan terasa dirancang dengan sempurna. Mobil bergerak lancar, perempatan tetap lapang, dan mencapai tujuan terasa tanpa usaha.
Lalu jam sibuk dimulai.
Jalan-jalan tidak berubah, tapi lingkungannya ya. Jeda kecil mulai bertumpuk satu sama lain. Rute yang terlihat efisien beberapa menit sebelumnya mendadak menjadi macet, dan mencapai tujuan yang sama kini menghasilkan pengalaman yang benar-benar berbeda.
Pasar keuangan berperilaku dengan cara yang mirip sekali.
Ketika aktivitas rendah, hampir setiap sistem terlihat cepat dan andal. Ketika permintaan meningkat, koordinasi menjadi jauh lebih penting daripada sekadar kecepatan mentah. Timing mengubah hasilnya. Kualitas eksekusi mengubah hasilnya. Bahkan kepercayaan mulai memengaruhi cara para peserta berperilaku.
Di situlah Newton Protocol mulai terasa masuk akal bagi saya.
Sekilas, ini terlihat seperti proyek lain yang menggabungkan AI dengan infrastruktur blockchain.
Semakin banyak saya membaca, semakin terasa bahwa itu mencoba memecahkan masalah yang berbeda.
Alih-alih berasumsi bahwa AI yang lebih cerdas otomatis menciptakan sistem keuangan yang lebih baik, Newton tampaknya berfokus pada lingkungan tempat sistem AI tersebut benar-benar beroperasi. Eksekusi yang aman, infrastruktur yang dapat diprediksi, dan koordinasi menjadi bagian dari pembahasan, bukan sekadar pemikiran setelahnya.
Itu terasa seperti cara berpikir yang lebih realistis tentang AI.
Tentu saja, infrastruktur tidak menyelesaikan semuanya.
Itu tidak akan mencegah strategi yang buruk. Itu tidak akan menghentikan pengambilan keputusan yang digerakkan emosi.
Dan itu tentu tidak akan menjamin pasar berperilaku secara rasional.
Jika ribuan agen AI mencapai kesimpulan yang mirip, mereka tetap akan bersaing satu sama lain untuk eksekusi.
Teknologi bisa memperbaiki lingkungan.
Ia tidak bisa menghilangkan ketidakpastian dari pasar keuangan.
Ironisnya, itulah salah satu alasan saya merasa gagasan tersebut lebih masuk akal. Kita telah mencapai tahap ketika hampir setiap proyek menjanjikan eksekusi yang lebih cepat, kecerdasan yang lebih cerdas, atau efisiensi yang lebih besar. Perbaikan-perbaikan itu penting. Tapi kompleksitas tidak hilang begitu saja hanya karena perangkat lunaknya menjadi lebih baik.
Pasar masih dibentuk oleh insentif, koordinasi, dan kepercayaan di antara para peserta. Kadang saya merasa infrastruktur itu mirip seperti pipa ledeng. Tak ada yang terlalu memperhatikannya selama semuanya bekerja.
Saat tekanan mulai meningkat atau sesuatu mulai tidak berfungsi dengan baik, hal itu mendadak menjadi bagian paling penting dari seluruh sistem.
AI kemungkinan akan terus menarik perhatian utama di media.
Kisah yang lebih tenang mungkin adalah infrastruktur yang mendukungnya.
Dalam jangka panjang, saya tidak berpikir para pemenang akan ditentukan hanya oleh siapa yang membangun model-model paling cerdas.
Mereka juga akan ditentukan oleh siapa yang membangun lingkungan tempat model-model tersebut dapat terus beroperasi dengan andal ketika pasar menjadi ramai, asumsi mulai runtuh, dan ketidakpastian menjadi bagian dari setiap keputusan. Mungkin itulah yang sebenarnya sedang dieksplorasi Newton Protocol.
Bukan apakah AI bisa membuat keputusan yang lebih baik.
Tapi apakah sistem-sistem di sekitar keputusan itu bisa tetap andal ketika dunia nyata menjadi jauh lebih tidak terduga.
