غاريث شيبرد، الخبير في الذكاء الاصطناعي، متحمس لإمكانيات التكنولوجيا، مشيرًا إلى حدوث انفجار في الاستخدامات الجديدة لها. لكن هذا لا يعني أنه يضع البشر في مزبلة التاريخ.

يقول شيبرد الرئيس المشارك لذكاء الآلة في فويا إنفستمنت مانجمنت (Voya Investment Management): “الإنسان بالإضافة إلى الآلة يتفوق على أفضل إنسان أو آلة بمفرده”.

يساعد شيبرد في الإشراف على استخدام مدير الأصول للذكاء الاصطناعي وتنفيذه. تستخدم الشركة التكنولوجيا لمساعدة مديري المحافظ على تحديد الاستراتيجيات وضبطها عبر عدد من فئات الأصول. يقول شيبرد: “نحن نعتقد أن بعض الشركات التي لن تتبنى هذه الأدوات ستجد نفسها خارج المنافسة من قبل تلك التي تفعل ذلك”.

يبدو أن نهج فويا (Voya) السايبورغ يؤتي ثماره. اعتبارًا من 30 يونيو / حزيران، حققت استراتيجية الأسهم الأمريكية الانتهازية لشركة فويا ماشين إنتلجينس (Voya Machine Intelligence)، المصنفة في 1 أغسطس / آب 2020، عائدًا سنويًا بنسبة 21.2% منذ البداية، وفقًا لفويا (Voya). بالمقارنة مع 12.9% لمؤشر ستاندرد آند بورز 500 (S&P 500) خلال نفس الفترة. كان الصندوق المؤسسي يدير أصولًا بقيمة 3.4 مليون دولار أمريكي اعتبارًا من 31 مارس / آذار. ويبلغ إجمالي الأصول الخاضعة للإدارة لجميع استراتيجيات فويا ماشين إنتلجينس (Voya Machine Intelligence) حوالي 1 مليار دولار أمريكي.

حصل شيبرد على درجة الدكتوراة من جامعة نيو ساوث ويلز في أستراليا، وشارك لاحقًا في تأسيس جي سكويرد كابيتال (G Squared Capital)، وهو شركة إدارة استثمار مقرها لندن. اشترت فويا (Voya) تكنولوجيا الشركة ووظفت مؤسسيها في عام 2020.

تحدث مستشار بارونز مع شيبرد حول ما يعنيه استخدام الذكاء الاصطناعي لإدارة المحافظ، والمفاهيم الخاطئة الشائعة حول التكنولوجيا، ولماذا ستعمل جنبًا إلى جنب مع البشر، لا تحل محلهم.

ما الذي يسيء فهمه الناس حول الذكاء الاصطناعي؟ كلما كان الاختصار أصغر كلما أسيء تطبيقه. ما يجب أن يعنيه الناس هو تطبيق الآلات على المهام التي تتطلب الذكاء. هذه إما تحليلات عالية المستوى أو التعرف على الأنماط. إنها لا يتم ترميزها بشكل صارم من قبل البشر للوظيفة، ولكنها تقوم بتحليل البيانات مباشرة ثم تطبيق القواعد.

لا نعتقد بالضرورة أن الآلة أفضل من الإنسان في هذه المهام، ولكنها ترتكب أخطاء أقل. حتى عندما تغلب ديب بلو على [بطل الشطرنج] غاري كاسباروف في عام 1997، قال ساخرة مفادها أن الآلة لم تفز، ثم خسر.

يمكن أن يتعلق البشر بالأسهم. ولكن الآلات لا تفعل ذلك، حيث إنها تبحث فقط عن الأنماط القابلة للتكرار.

إذن كيف يغير الذكاء الاصطناعي إدارة المحافظ؟ إن النموذج الخاص بكيفية استخدام الذكاء الاصطناعي ليس بالضبط النموذج الذي يتم الحديث عنه. ستسمح هذه المجموعة من اختراقات الذكاء الاصطناعي عمومًا لكل مهنة من ذوي الياقات البيضاء أن يكون لها مساعد رقمي خاص بهم. استعارة مساعد الطيار ليست سيئة.

فكر في شركات الطيران في الخمسينيات. اعتادت أن يكون لديك خمسة أو ستة أشخاص في قمرة القيادة. الآن، ألغت أنظمة إدارة الطيران هذه الوظائف، ولديك رحلة أكثر أمانًا. ولكن إذا حدث خطأ ما – قل أنك أقلعت واصطدمت بمجموعة من الطيور – فأنت تريد الكابتن سولي هناك في قمرة القيادة.

ماذا يعني هذا عند إدارة المحافظ؟ يرغب مديرو المحافظ في الحصول على فكرة سريعة. هذا استخدام محتمل للذكاء الاصطناعي. قد يرغبون في تقييم مخاطر محفظتهم من حيث العلامات الحمراء. “ماذا ينقصني؟” ربما أحب سهم إس في بي (SVB) [الشركة الأم لبنك سيليكون فالي (Silicon Valley Bank) والذي لم يعد له وجود الآن]، لكن الذكاء الاصطناعي يعطيني تحليلًا للمشاعر كان خارج نطاق رؤيتي الطبيعية، والآن أقول، “حسنًا، لنقم بمراجعة أعمق”.

لقد أنشأنا بيئة تقريبًا – أكثر من 20 محللاً افتراضيًا – بحيث إذا كنت مدير محفظة، فقد يكون لديك خمسة أو ستة محللين بشريين، لكن الآن يمكنك الوصول إلى مجموعة من المساعدين الافتراضيين. ما زلت تتخذ القرارات، لكننا نعتقد أن لدينا نظامًا أفضل وأسرع وأقوى.

هل تستطيع أن تعطيني مثالا؟ المثير للاهتمام أنه تم تأطيرها الآن لأن الذكاء الاصطناعي أفضل، فلماذا نستخدم البشر؟ يمكن أن ينطبق هذا السيناريو إلى حد ما عندما يكون لديك بيانات ضخمة. يمكن للذكاء الاصطناعي القيام بأشياء معقدة للغاية [باستخدام مجموعات البيانات الضخمة]. لا يمكنني، على سبيل المثال، اجتياز اختبار طبي في يوم من الأيام واجتياز اختبار المحاماة في اليوم التالي. في التمويل، ليس لدينا بيانات ضخمة. في أحسن الأحوال، لدينا بيانات صغيرة إلى متوسطة الحجم. باستخدام البيانات الصغيرة، تحتاج إلى معالجتها بشكل مختلف تمامًا، ولا يمكنك فقط إصدار مجموعة من أنظمة الذكاء الاصطناعي. كحد أدنى، تحتاج إلى نقل البيانات وإضافة الكثير من القيمة. ما يعنيه ذلك هو أن الخبرة في المجال لمدير محفظة مهمة حقًا. ما نقوم به هو تدوين تلك المعرفة، وبدلاً من إدخال ذكاء اصطناعي رائع في البيانات الأولية، نقوم يدويًا برعاية البيانات إلى خصائص شركة منطقية. هل يشتري المديرون السهم؟ ما هو التدفق النقدي الحر؟ كيف تقارن نسبة السعر إلى الأرباح مع نظيراتها؟

يمكن للآلة معرفة الأنماط التي قد تتنبأ بأداء متفوق في المستقبل. لكن يمكنك أن ترى أن هناك دورًا مهمًا للغاية للبشر في تنسيق البيانات. ثم للحصول على أفضل النتائج من الإنسان بالإضافة إلى الآلة، فأنت بحاجة إلى إنسان في الحلقة لمشاهدة المحفظة واتخاذ القرار النهائي. لذلك ينتهي بك الأمر مع عملية حجزها البشر.

نحن نطلق على هذا النهج التعاوني ألفا. تضيف الآلات قيمة، ويضيف مديرو المحافظ قيمة، وينتهي بنا المطاف في مكان يعمل فيه البشر والآلات بشكل أفضل من أي منهما بمفرده.

ماذا تقصد بعدم وجود بيانات ضخمة كافية في التمويل؟ إذا كنت تأخذ شركة ستاندرد آند بورز 500 (S&P 500)، فهناك إجمالاً حوالي 10,000 نقطة بيانات عن تلك الشركة. هذه ليست بيانات ضخمة. هذا ليس 500 مليار رمز مميز [نقاط بيانات]. لذا فإن النهج الذي نستخدمه هو رمزي عصبي. إنها فئة من الذكاء الاصطناعي. يعني العصب أنك تستخدم الشبكات العصبية – وهذا هو التعرف على الأنماط – والوسائل الرمزية جلب المعرفة البشرية.

الشيء المثير للاهتمام حول نماذج اللغات الكبيرة مثل تشات جي بي تي (ChatGPT) هو دعنا نقول أنها يمكن أن تؤدي 98% من عملك بشكل أفضل منك لأنها تقضي على الويب. لكن الـ 2% الأخيرة التي تحضرها أكثر أهمية من الـ 98%. هذا هو الجزء الأكبر من القيمة. لذا، حتى مع البيانات الضخمة، فإن المهارة البشرية في الهندسة السريعة مهمة للغاية. حتى ذلك الحين أنت بحاجة إلى إنسان. ولست متأكدًا مما إذا كان طلاب ماجستير القانون سيحصلون على نسبة 2% الأخيرة.

أنا مندهش قليلاً من عدم وجود ما يكفي من الطحين للمصنع، إذا جاز التعبير. لإعادة تأطيرها بشكل طفيف، فهي ليست ذكاء اصطناعيًا كبيرًا ولكن أي شكل من أشكال الذكاء مقيد بكميات صغيرة من البيانات. وذلك لأن البيانات لا تحتوي على كل ما تريد معرفته.

بغض النظر عن الطريقة التي تنظر إليها، ليست كل الإجابات موجودة في البيانات. هذا يحد من قدرة الذكاء الاصطناعي على تقديم جميع الإجابات. تشات جي بي تي (ChatGPT)، على سبيل المثال، يمكنه الوصول إلى الويب الكامل. هناك الكثير من البيانات. في إدارة الاستثمار، قد يكون لدينا 10,000 نقطة بيانات لكل شركة. هذا جيد، ولكن لا يوجد مكان قريب من المليارات من [نقاط البيانات]. هذا يحد بشكل كبير من قدرة الذكاء الاصطناعي.

وجهة نظرنا – وهذا هو ما نتجه إليه – هو أن هناك دورًا مستمرًا للبشر والآلات. تتمثل رؤيتنا إذن في الجمع بين القدرة البشرية والذكاء الاصطناعي. إذا كان بإمكانك اكتشاف كيفية دمج هذين، فهذا هو المستقبل.

كيف تستخدم شركتك الذكاء الاصطناعي؟ نحن نستخدمه لتحديد الشركات ذات الأداء المتفوق أو العلامات الحمراء للشركات التي قد تكون مشكلة. ثانيًا، نحن نستخدم الذكاء الاصطناعي لأتمتة وتسريع عملية إعداد التقارير والأداء. هذا هو المكان الذي يمكننا فيه استخدام ماجستير في القانون. نستخدم الذكاء الاصطناعي لتحليل بيانات الشركة وأيضًا لتخصيص استراتيجيات الاستثمار لعملاء معينين، مثل خطة معاشات تقاعدية كبيرة أو صندوق ثروة سيادية بتفويض معين.

في فريقنا، فويا ماشين إنتلجينس (Voya Machine Intelligence)، نستخدم جميع التقنيات التي وضعتها للتو بطريقتين. أولاً، ندير استراتيجياتنا المنهجية الخاصة بنا فقط باستخدام الأدوات. ما يفعله ذلك هو إنتاج استراتيجية استثمار أكثر انتهازية. لها ميزة خاصة عندما تظهر فرصة في السوق. هذا مظهر واحد. الشيء الآخر الذي نقوم به، وهو التأثير الأوسع الذي سنحدثه بمرور الوقت، هو أننا نقوم بتغذية إشاراتنا وأدوات الذكاء الاصطناعي في سير عمل مدير المحفظة البشرية. إنه يساعدهم على إعلام عملية صنع القرار مع الحفاظ على حقوقهم في اتخاذ القرار.

لذلك نحن نقوم بأمرين مختلفين، وهما طريقان مختلفان للاستثمار في السماء. إحدى الطرق هي ديناميكيات تتحرك بشكل أسرع وضرب البشر إلى اللكمة. الطريقة الأخرى هي مساعدة مديري المحافظ الحالية على رؤية المزيد.

ما هو حجم الفريق؟ الفريق الأساسي هو خمسة أشخاص. ثم ننضم إلى فريق أكبر بكثير يضم باحثين كميين وآخرين، وهو 30 شخصًا. علاوة على هؤلاء البشر، لدينا 26 محللاً افتراضيًا [روبوتات الذكاء الاصطناعي]، وجميعهم مكرسون للعثور على مخزون كبير. ولدينا 45 متداولًا افتراضيًا لا يقومون بالتنفيذ، لكنهم يساعدون في التوقيت. لدينا مخطط تنظيمي نقدمه في العروض التقديمية التسويقية التي تُظهر كلاً من البشر والذكاء الاصطناعي. إنها وقحة بعض الشيء، لكن لماذا لا؟

أنت متفائل على البشر. لماذا؟ أنا متفائل مع البشر ذوي المهارات العالية. إنه ليس مجرد توقع، ولكنه حقيقة لكيفية حدوث ذلك. أفضل صحفي، على سبيل المثال، يصبح صحفيًا أفضل إذا تعلم كيفية استخدام كل هذه الأدوات. ويحافظون على رؤاهم الفريدة واهتماماتهم الإنسانية. نفس الشيء في إدارة الاستثمار. أعطني منتقيًا رائعًا لصناديق التحوط، واسمحوا لي بإضافة آلة لمساعدتهم. الإنسان بالإضافة إلى الآلة يتفوق على أفضل إنسان أو آلة بمفرده.

وأنا متفائل تجاه البشر، بمعنى أننا بدأنا فقط في فهم كيف يمكن أن يكون الذكاء متطورًا. يمكن لنماذج اللغات الكبيرة القيام بأشياء مذهلة باستخدام 500 مليار رمز مميز. لكنهم يفعلون أشياء يفعلها البشر برموز أقل بكثير.

هل فاجأك أي شيء بخصوص التطورات الأخيرة في الذكاء الاصطناعي؟ إنه مدى سرعتها. أعتقد أن السبب إلى حد كبير هو أننا لم ندرك كيف كانت كل هذه القطع تتجمع. كان هناك انفجار كمبري للحلول الجديدة بعد فترة طويلة من عدم حدوث الكثير.

كيف انتقلت من العمل على الدكتوراة لإدارة الأصول؟ لم تكن في التمويل، ولكن في تطبيق تكنولوجيا النظام الخبير على علم الأوبئة. هذا نوع من كلمة سلطة. لكن الأنظمة الخبيرة كانت تقنية ذكاء اصطناعي مبكرة، وأداة للتعرف على الأنماط. كنت أحاول المساعدة في تحديد الأنماط في بيانات الإصابة.

لاحقًا، انتهى بي المطاف بالعمل في مجال التأمين، حيث رأيت جانب إدارة الأصول وأردت تطبيق أدواتي التحليلية. أصبحت إدارة الأصول رائعة بالنسبة لي لدرجة أنني قمت برحلات إلى أوماها لمقابلة تشارلي مونغر ووارن بافيت لأنني كنت مهتمًا حقًا بالتحديات الفكرية في إدارة الأصول.

اقرأ أيضًا فيتش تخفض التصنيف الائتماني للولايات المتحدة

المصدر: بارونز