Главный реальный вызов для ИИ в финансах может быть не в интеллекте
Раньше мне казалось, что самая большая гонка в ИИ — это создание более умных моделей.
Каждые несколько недель появляется новая модель, которая может обрабатывать больше данных, распознавать закономерности быстрее или делать более качественные прогнозы, чем предыдущая. Некоторое время я считал, что именно так будет решаться будущее ИИ в финансах.
Чем дольше я наблюдал, тем меньше я убеждался.
То, что привлекло мое внимание, уже не было качеством прогнозов.
Важно было всё, что происходило после того, как эти прогнозы покидали модель.
Торговая стратегия не работает в вакууме. Ей нужно проходить через сети, конкурировать с тысячами других транзакций, сталкиваться с задержками и исполняться в среде, которая постоянно меняется. Модель может прийти к правильному выводу, но все равно дать разочаровывающий результат, если система вокруг нее испытывает давление.
Это заставило меня иначе взглянуть на инфраструктуру ИИ.
То сравнение, которое постоянно приходило мне в голову, было с дорожным движением.
Ранним утром почти каждая дорога кажется идеально спроектированной. Машины движутся плавно, перекрестки остаются свободными, и добраться до пункта назначения кажется делом без усилий.
А потом начинается час пик.
Дороги не изменились, но изменилось окружение. Небольшие задержки начинают накапливаться одна поверх другой. Маршруты, которые несколькими минутами ранее казались эффективными, вдруг оказываются перегруженными, и добраться до того же места теперь означает получить совершенно другой опыт.
Финансовые рынки ведут себя во многом так же.
Когда активность низкая, почти каждая система кажется быстрой и надежной. По мере роста спроса координация становится намного важнее, чем «чистая» скорость. Время меняет исходы. Качество выполнения меняет исходы. Даже доверие начинает влиять на то, как участники действуют.
Вот в этот момент Newton Protocol начал казаться мне более понятным.
На первый взгляд кажется, что это очередной проект, объединяющий ИИ с инфраструктурой блокчейна.
Чем больше я читал, тем сильнее ощущал, что это пытается решить другую задачу.
Вместо того чтобы предполагать, что более умный ИИ автоматически создаст лучшие финансовые системы, Newton, похоже, сосредоточен на той среде, в которой эти ИИ-системы действительно работают. Безопасное исполнение, предсказуемая инфраструктура и координация становятся частью разговора, а не просто «дополнением».
Похоже, это более реалистичный способ думать об ИИ.
Конечно, инфраструктура решает не всё.
Это не предотвратит плохие стратегии. Это не остановит принятие решений под влиянием эмоций.
И уж точно не будет гарантировать, что рынки будут вести себя рационально.
Если тысячи ИИ-агентов приходят к похожим выводам, они все равно будут конкурировать друг с другом за исполнение.
Технологии могут улучшить среду.
Она не может устранить неопределенность на финансовых рынках.
Ирония в том, что именно поэтому я нахожу эту идею более правдоподобной. Мы достигли стадии, на которой почти каждый проект обещает более быстрое выполнение, более умный интеллект или большую эффективность. Эти улучшения важны. Но сложность не исчезает просто потому, что программное обеспечение становится лучше.
Рынки по-прежнему формируются стимулами, координацией и доверием между участниками. Иногда мне кажется, что инфраструктура похожа на сантехнику. Никто не уделяет ей много внимания, пока все работает.
Как только нарастает давление или что-то начинает работать со сбоями, это вдруг становится самой важной частью всей системы.
ИИ, вероятно, продолжит привлекать заголовки.
Более тихая история, возможно, поддерживается инфраструктурой, которая ее обеспечивает.
В долгосрочной перспективе я не думаю, что победителей определят только те, кто строит самые умные модели.
На это также будет влиять то, кто создаст среды, в которых эти модели смогут продолжать работать надежно, когда рынки станут перегруженными, предположения начнут рушиться, а неопределенность станет частью каждого решения. Возможно, именно это и исследует Newton Protocol.
Не в том, сможет ли ИИ принимать лучшие решения.
Но смогут ли системы вокруг этих решений оставаться надежными, когда реальный мир становится гораздо менее предсказуемым.
