全球最大的對沖基金如何看待AI？

7月3日周一，橋水聯系首席投資官Greg Jensen在接受采訪時系統談了橋水對AI技術的看法，分享了他對橋水如何投資AI、如何利用AI投資以及對AI技術的展望等問題的看法。

(資料圖片)

橋水如何投資AI

Jensen稱：

在重組橋水的過程中，我們還做了一件以前沒有做過的事情，就是讓一些人去研究、投資那些可能不會立即盈利的東西，但這是我們的長期項目。

因此，我們就成立了這個AI項目，團隊一共有17個人，由我領導。我仍然積極參與橋水基金的核心工作，但其他16個人則百分百致力于通過機器學習的方式重塑橋水基金。

我們將設立一個專門由機器學習技術運營的基金，這就是我們現在在實驗室所做的工作，并突破了人工智能、機器學習能力的限制。

現在，想要成立這樣的基金還很大的問題。如果我們采用大型語言模型，它們有兩類問題。第一，這些模型在語言結構方面接受了更多訓練，所以他們通常會反饋一些看起來像是結構、語法正確的東西，但并不總是準確的答案。這是一個問題。第二，它產生幻覺，它編造事情，因為它更關注接下來出現的單詞或概念的結構，而不是接下來出現的概念是否準確。

因此，Jensen認為，AI可以幫助人們將觀察到的事物概念化、理論化，但是真正要利用AI來選擇股票，還有很長的路要走。因此，橋水真正的關注點是：

但還有其他方法可以將其與統計模型和其他類型的AI結合起來。這正是我們真正關注的重點，即將精度較差的大型語言模型與擅長準確描述過去但對未來預測很糟糕的統計模型結合起來。

將這些結合在一起，我們開始構建一個生態系統，我相信這一生態系統可以實現橋水分析師正在做的事情。

如果這一生態系統搭建完成，我們相當于同時擁有數百萬個水平處于中上的投資合伙人。如果我們有能力通過統計數據來控制AI的幻覺和錯誤，我們就可以快速完成大量工作。 這正是我們在實驗室所做的事情，并證明該過程是可行的。

橋水如何通過AI投資？

如果可以搭建一個包含了AI和其他技術的生態系統，橋水將如何利用這一系統進行投資呢？

Jensen認為，其中統計AI和大規模語言模型可以相得益彰，在投資中扮演橋水“左右手”的角色：

統計人工智能可以采用理論，回溯這些理論是否至少在過去是正確的，以及它們的缺陷是什么，并對其進行完善，提供如何以不同的方式去做的建議，然后我們可以與之對話。

大規模語言模型具有的一個優勢是，采用一個復雜的統計模型并討論它在做什么。有一些方法可以訓練語言模型來做到這一點。我們模擬這種情況的方式是語言模型可以提出潛在的理論。這不是世界上最具創意的事情，但它是規?；睦碚摚@是肯定的。再說一次，大規模語言模型非常好，但是我們必須以某種方式調整語言模型，我們就可以使用統計數據來控制它。

然后，我們可以再次使用語言模型來獲取統計引擎中的結果，并與人類或其他AI進行討論，并報告所發現的內容、內容以及理論類型。如果得出的結論和人們的認知相反，那么就進行更多的測試。

這就是我非常興奮的循環，正如我所說，到目前為止，統計AI受到限制，因為它專注于市場數據。對于語言模型來說，好處是它能夠更好地理解統計模型所沒有的東西。

例如，市場統計模型沒有貪婪的概念，但大規模語言模型幾乎可以理解貪婪的概念——這些模型讀過所有關于貪婪和恐懼之類的文章。因此，現在將兩者結合，就能產生類似人類的思考模式。

AI對人類員工來說，意味著什么？

隨著時間的推移，計算機可以做的事情越來越多。Jensen認為：

我想說的是，今天，人類已經習慣了只完成和直覺、創意相關的角色，我們使用計算機進行記憶并不斷準確地運行這些規則。這只是過渡到了一半，現在又一次迎來飛躍。

毫無疑問，AI將改變投資助理所扮演的角色。確切地說，在可預見的未來，我們仍然需要人們圍繞這些事情進行工作，我們仍需要一段時間來構建這些機器學習代理的生態系統等等。

利用AI將成為未來工作的一部分，我認為在任何知識行業中都很難不利用這些技術。

在計算機程序編寫方面，我們正在看到編碼方面的巨大突破?，F在，借助AI，人們只需要知道想要編碼什么，而不是需要知道如何編碼，這是一個巨大的突破。 因此，一群在C++、Python或其他方面沒有受過良好培訓或能力的人可以突然更快地獲得他們想要的東西。

所以突然之間，職場需要的技能組合正在發生變化，而且它們的變化方式對許多人來說是令人驚訝的，因為這實際上是很多知識工作，例如內容創建等等，人們一度認為被機器取代的時間還在遙遠的將來，但實際上卻近在眼前。

所以最重要的是，現在有太多的變化，在職場上需要擁有靈活性，并能夠利用任何工具，這是非常必要的。

能用AI直接管理投資嗎？

市場上現在出現了五花八門的AI投資管理工具，人們關心的是，隨著AI的大發展，未來是不是人類只需要把投資交給AI就可以了呢？

Jensen認為：

我認為這既會導致事故，又讓我感到非常興奮。顯然，我對AI的力量感到興奮，我認為有一些方法可以很好地利用它。但同時，AI會產生很多錯誤。

有些基金會使用GPT來挑選股票，但這些基金經理并沒有真正深入了解AI以及可能存在的弱點。

有一個例子，在房地產市場上，房地產中介平臺Zillow就使用了AI技術來預測房價、評估房價，并進入市場開始購買AI認為被低估的房子。但是，Zillow有幾個問題。

一是雖然他們擁有大量的住房數據，但這些數據是在相對較短的時間內發生的。因此，盡管他們擁有看似大量的數據點，但仍然存在一個宏觀周期影響著他們所做的評估。

其次，當它實際上是一個對抗性市場時，他們低估了理論與實踐脫節的情況。

因此，這顯然對Zillow來說是一個巨大的問題，他們對房地產市場產生了很大的影響，然后又遭遇了巨大的失敗。

回到股市，非常短期的交易，可以說更適合機器學習，因為有大量數據，AI可以通過這些數據更快地學習。

但另一方面，更長期來看，AI的作用就未必能發揮的出來了。數據通常就像一個人一生的心率數據一樣。你可能會覺得，哇，我的心跳已經持續了49年，這看起來像是很多數據，但當你心臟病發作時，這些數據就完全無關緊要了。因此，即使有大量數據，也可能會產生誤導，而這些問題將導致這些技術出現巨大問題。

因此，人們必須了解這些工具，它們擅長什么，不擅長什么，并以一種能夠發揮各類工具長處、規避短處的方式組合起來。

在大型語言模型上，還有很多工作要做，我們當然可以通過強化學習進行訓練，以確保它們不會犯已知的錯誤。

市場依然被樂觀情緒主導嗎？

Jensen認為，市場依然被樂觀情緒主導。他說：

美聯儲在將采取的行動方面似乎比市場更加現實一些。當你看看市場的反應時，你會發現這是非常樂觀的。

但是我們不得不注意的是，從歷史上來看，市場常常容易過于樂觀。

風險提示及免責條款 市場有風險，投資需謹慎。本文不構成個人投資建議，也未考慮到個別用戶特殊的投資目標、財務狀況或需要。用戶應考慮本文中的任何意見、觀點或結論是否符合其特定狀況。據此投資，責任自負。

關鍵詞：