شهریور
اخبار
ایجنتهای معاملهگر هوش مصنوعی وارد کارگزاریهای آمریکا شدند
حساب کارگزاری خود را به یک هوش مصنوعی بسپارید تا برایتان سهام بخرد و بفروشد؛ رؤیایی که دیگر علمیتخیلی نیست، بلکه همین امروز روی گوشی میلیونها سرمایهگذار خرد آمریکایی در حال اجراست.
لیست مطالب
۱. موج تازهای که والاستریت را غافلگیر کرد
در چند ماه اخیر، رفتار بخش قابلتوجهی از سرمایهگذاران خرد آمریکایی بهطرز چشمگیری تغییر کرده است. بهجای باز کردن اپلیکیشن کارگزاری و بررسی دستی نمودارها، شمار رو به رشدی از این افراد حالا حساب واقعی خود را مستقیم به یک دستیار هوش مصنوعی وصل میکنند و اجازه میدهند این سیستم بهصورت خودکار سفارش خرید یا فروش ثبت کند. این روند که رسانههای مالی آمریکا آن را «معاملهی ایجنتی» نام گذاشتهاند، دیگر یک آزمایش کوچک در حاشیهی بازار نیست؛ بلکه بهسرعت در حال تبدیلشدن به یک جریان اصلی است.
نکتهی جالب اینجاست که این فناوری دیگر مخصوص صندوقهای پوشش ریسک یا معاملهگران حرفهای با تیمهای برنامهنویسی نیست. یک کاربر عادی هم میتواند در عرض چند دقیقه، بدون نوشتن حتی یک خط کد، یک ایجنت شخصی برای مدیریت پرتفوی خود راه بیندازد. اگر میخواهید بدانید چطور میتوان با دستورهای ساده و درست، یک مدل زبانی را برای چنین وظایفی هدایت کرد، راهنمای نوشتن پرامپت برای مبتدیها نقطهی شروع خوبی است.
۲. کارگزاریها چطور وارد این بازی شدند؟
رابینهود، یکی از محبوبترین اپلیکیشنهای سرمایهگذاری خرد در آمریکا، مستقیماً از طریق پروتکل اتصال مدل (MCP) اجازه میدهد کاربران دستیارهایی مثل کلود آنتروپیک را به حساب واقعیشان وصل کنند تا بر اساس تحلیل بازار، سبد سهام را مدیریت کند. ویبول هم بخشی مستقل با عنوان «معاملهی ایجنتی» راهاندازی کرده که به کاربران اجازه میدهد استراتژیهای خودکار خود را روی حساب واقعی اجرا کنند. میووول، یکی دیگر از این پلتفرمها، حتی از این هم فراتر رفته است.
مدیر بخش آمریکایی میووول در مصاحبهای اعلام کرده پیشبینی میکند تا پایان سال جاری، بخش قابلتوجهی از حجم معاملات این پلتفرم را همین ایجنتهای خودکار انجام دهند، نه انسانها. این پیشبینی بهتنهایی نشان میدهد چقدر سریع این فناوری در حال جا افتادن در ذهن سرمایهگذاران عادی است. برخی کاربران فعال حتی راهنمای گامبهگام برای ساخت یک ایجنت شخصی معاملهگر روی رابینهود منتشر کردهاند تا دیگران هم بتوانند همین مسیر را دنبال کنند.
۳. کلود و کدکس؛ دو ستارهی این میدان تازه
کلود آنتروپیک در نقش تحلیلگر
در میان مدلهای مختلف، کلود آنتروپیک به یکی از پرکاربردترین گزینهها برای این نوع کارها تبدیل شده است. کاربران با اتصال کلود به حساب کارگزاری، از آن میخواهند اخبار، گزارشهای مالی و روند قیمت را تحلیل کند و سپس بر اساس آن سفارش ثبت کند. توانایی این مدل در پردازش حجم بالای متن و داده در کنار قابلیت اتصال مستقیم به ابزارهای بیرونی، آن را به گزینهای جذاب برای این نوع خودکارسازی تبدیل کرده است.
کدکس اوپنایآی در نقش برنامهنویس استراتژی
کدکس، مدل تخصصی برنامهنویسی شرکت اوپنایآی، مسیر دیگری را دنبال میکند. بسیاری از کاربران فنیتر از کدکس برای نوشتن و اجرای اسکریپتهای معاملاتی سفارشی استفاده میکنند؛ اسکریپتهایی که میتوانند بهصورت مداوم و بدون دخالت انسان، بازار را رصد و معامله کنند. برای آشنایی بیشتر با ساختار و فلسفهی شرکتی که این فناوری را توسعه داده، مطلب اوپنایآی چیست تصویر روشنی از این شرکت ارائه میدهد.
۴. آمار و ارقام؛ آیا هوش مصنوعی واقعاً برندهی این بازی است؟
سؤال اصلی که همه از خودشان میپرسند این است: آیا این ایجنتها واقعاً بهتر از یک انسان یا حتی یک صندوق شاخص ساده معامله میکنند؟ پاسخ به این سؤال ساده نیست. برخی گزارشهای تحلیلی نشان میدهند سرمایهگذاران خردی که روی سهام محبوب حوزهی هوش مصنوعی سرمایهگذاری کردهاند، در دورههای اخیر توانستهاند از شاخصهای اصلی والاستریت جلو بزنند. اما این موفقیت بیشتر به انتخاب درست بخش داغ بازار مربوط بوده، نه لزوماً به تصمیمگیری کامل توسط یک مدل زبانی.
وقتی پژوهشگران چند مدل زبانی بزرگ را مستقل و بدون دخالت انسان مسئول ساخت و اجرای یک استراتژی سرمایهگذاری کردند، نتیجه چندان درخشان نبود. این مدلها لزوماً عملکردی بهتر از یک سبد ساده و متنوع نداشتند و در برخی موارد حتی ضعیفتر ظاهر شدند. این یافته با محدودیتهای شناختهشدهی هوش مصنوعی امروزی همخوانی دارد؛ محدودیتهایی که در مطلب توان واقعی و محدودیتهای هوش مصنوعی بهتفصیل بررسی شدهاند.
۵. ریسکهای پنهانی که کمتر کسی دربارهشان صحبت میکند
فراتر از بحث سودآوری، کارشناسان مالی به یک نگرانی ساختاریتر اشاره میکنند: ایجنتهای معاملاتی معمولاً تمایل دارند سبدهای متمرکزتری بسازند و بهسمت سهام پرارزش و پرطرفدار گرایش پیدا کنند. این رفتار بهجای کاهش ریسک، آن را افزایش میدهد؛ چون هر چه سبد سرمایهگذاری متمرکزتر باشد، آسیبپذیری در برابر نوسانهای ناگهانی هم بیشتر میشود.
نگرانی بزرگتر اما زمانی مطرح میشود که این رفتار در مقیاس میلیونی تکرار شود. اگر شمار زیادی از سرمایهگذاران خرد همزمان از مدلهای مشابه یا حتی یک ارائهدهندهی واحد استفاده کنند، ممکن است تصمیمهای این ایجنتها همزمان و در یک جهت حرکت کند. چنین هماهنگی ناخواستهای میتواند نوسان بازار را بهشدت تشدید کند و موجی از خرید یا فروش دستهجمعی ایجاد کند که هیچ انسانی آن را برنامهریزی نکرده است.
۶. درس تاریخی؛ بحران کوانتی سال ۲۰۰۷ چه هشداری میدهد؟
برای درک بهتر این خطر، کارشناسان به رویدادی در تابستان ۲۰۰۷ اشاره میکنند که در ادبیات مالی به «بحران کوانتی» معروف است. در آن زمان، چند صندوق پوشش ریسک بزرگ که همگی از استراتژیهای معاملاتی مشابهی استفاده میکردند، بهطور همزمان با ضرر مواجه شدند. وقتی هر صندوق برای کاهش ضرر شروع به فروش کرد، این فروشهای همزمان قیمتها را بیشتر پایین کشید و صندوقهای دیگر را هم مجبور به فروش کرد؛ چرخهای که در عرض چند روز میلیاردها دلار زیان به بار آورد.
شباهت این سناریو با وضعیت امروز واضح است: اگر تعداد زیادی از ایجنتهای هوش مصنوعی، منطق تصمیمگیری مشابهی داشته باشند، احتمال بروز یک زنجیرهی واکنشی مشابه دور از ذهن نیست. تفاوت اصلی اینجاست که در سال ۲۰۰۷ این اتفاق در سطح چند صندوق حرفهای رخ داد، اما امروز صحبت از میلیونها حساب خرد است که میتوانند بهطور بالقوه همزمان حرکت کنند.
۷. چرا هنوز به قضاوت انسانی نیاز داریم؟
یک نکتهی کلیدی که در میان هیجان این فناوری فراموش میشود این است: هوش مصنوعی هرچقدر هم متقاعدکننده بهنظر برسد، وقتی اشتباه میکند باز هم با همان لحن مطمئن صحبت میکند. این یعنی خودکارسازی کامل تصمیم سرمایهگذاری، قضاوت انسانی را از معادله حذف نمیکند؛ فقط آن را به لایهای پنهانتر و کمتر قابلمشاهده منتقل میکند. تفاوت میان اعتماد کورکورانه به خروجی یک مدل و استفادهی هوشمندانه از آن بهعنوان یک ابزار کمکی، دقیقاً همان چیزی است که در مطلب توهم تسلط بر هوش مصنوعی بهخوبی توضیح داده شده است.
از سوی دیگر، نباید نقش مثبت این فناوری در دنیای کسبوکار و مالی را هم نادیده گرفت. بسیاری از شرکتها و حتی سرمایهگذاران حرفهای از هوش مصنوعی برای تحلیل سریعتر دادهها و کاهش خطاهای انسانی استفاده میکنند؛ کاربردی که در مطلب اهمیت هوش مصنوعی در کسبوکار بهطور کامل بررسی شده است. تفاوت اصلی در این است که این کاربرد حرفهای معمولاً همراه با نظارت انسانی دقیق انجام میشود، در حالی که بسیاری از کاربران خرد این نظارت را کنار میگذارند.
۸. رقابت مدلها در پسزمینهی این ماجرا
یکی از دلایلی که این روند اینقدر سریع رشد کرده، رقابت شدید میان شرکتهای بزرگ هوش مصنوعی برای ارائهی مدلهای قویتر و ارزانتر است. هرچه توان استدلال و تحلیل مدلها بالاتر میرود، اعتماد کاربران عادی به سپردن وظایف حساستری مثل معامله در بازار سهام هم بیشتر میشود. برای درک بهتر اینکه چگونه مدلهای مختلف در آزمونهای سخت با یکدیگر مقایسه میشوند، مقالهی مقایسهی چتجیپیتی و دیپسیک در شطرنج نمونهی خوبی از این رقابت فشرده را نشان میدهد.
در نهایت، آنچه مشخص است اینکه معاملهی ایجنتی دیگر یک ایدهی آزمایشی نیست، بلکه با سرعت زیادی در حال تبدیلشدن به بخشی از زندگی مالی روزمرهی میلیونها آمریکایی است. علاقهمندان فارسیزبان هم میتوانند با دنبالکردن صفحهی اخبار هوش مصنوعی سایت، آخرین تحولات این حوزه را بهصورت روزانه پیگیری کنند.
پرسشهای متداول
آیا واقعاً میشود حساب کارگزاری را به کلود یا کدکس وصل کرد؟
بله، برخی کارگزاریهای آمریکایی مثل رابینهود از طریق پروتکل اتصال مدل این امکان را فراهم کردهاند، هرچند این قابلیت هنوز در همهی کشورها و پلتفرمها در دسترس نیست.
آیا معامله با هوش مصنوعی تضمین سود میدهد؟
خیر، پژوهشها نشان دادهاند این مدلها لزوماً از یک سبد ساده و متنوع بهتر عمل نمیکنند و ریسک بازار همچنان پابرجاست.
بزرگترین خطر این روند چیست؟
نگرانی اصلی کارشناسان، احتمال همجهتشدن تصمیمهای میلیونها ایجنت مشابه و تشدید نوسان بازار است؛ سناریویی شبیه به بحران کوانتی سال ۲۰۰۷.
برای شروع باید حتماً برنامهنویس باشیم؟
نه لزوماً؛ بسیاری از ابزارهای امروزی با دستورهای ساده و بدون نوشتن کد قابل استفادهاند، هرچند آشنایی با نحوهی نوشتن پرامپت درست کمک بزرگی خواهد بود.
نسخهٔ فوری این مطلب در تلگرام: اینجا بخوانید
