Зачем нужен гибридный интеллект?
Михаил Брусов, CEO компании Cindicator, написал для Firrma колонку том, что такое «гибридный интеллект» и зачем он нужен.
Мы все знаем, что такое искусственный интеллект, но что такое гибридный? И зачем он нужен?
Гибридный интеллект – это соединение интеллекта человека с «интеллектом» машины и их взаимодействие при решении различных задач. При этом один интеллект дополняется и усиливается другим.
Применения данного типа интеллекта и создание систем на его основе определяется сложностью возникающих задач. Он нужен там, где есть большая доля неопределенности в самом условии задачи. Например, венчурные инвестиции – это всегда задача с таким количеством неизвестных, что посчитать финальный вариант не представляется возможным.
В целом история всей этой проблемы началась с очень простой задачи: сколько конфет в банке?
В этом эксперименте профессора экономики Джека Трейнора в банке было 850 разноцветных конфет. Опросив всю свою аудиторию, он обнаружил, посчитав среднеарифметический ответ, феноменальную точность группового ответа – 871 конфета!
Ответ лишь одного из 56 присутствующих оказался точнее средневзвешенного ответа всей группы.
Проанализировав полученные результаты множества подобных экспериментов, Джек Трейнор сделал два важных вывода:
- Участники не обсуждали сообща возможные решения и действовали, исходя из собственной уникальной тактики. Такой способ при достаточно большой выборки дает очень точные усредненные ответы.
- Общая догадка группы не всегда точнее самых точных участников в ней. Во многих, а возможно и в большинстве случаев, несколько индивидуумов в группе справляются с задачей лучше, чем ее коллективный разум. Это особенно важно, когда у людей есть эгоистичный стимул достигнуть наилучших результатов.
Отличный пример этому – это фондовые рынки, к которым мы и решили применить этот же подход. Ведь финансовый рынок является по сути рынком предсказанием в чистом виде. У тебя есть цена акций на сегодня и множество неизвестных, которые будут влиять на цену завтра. При этом рынок очень быстрый, прогнозы нужны каждый день и в большом объеме. Где их брать? Конечно, у аналитиков, но количество специалистов ограничено и все они пользуются примерно одной и той же информацией. А это, в свою очередь, очень часто ведет к так называемой «ошибки группового мышления», когда неверные решения принимаются на основе одного заведомого ложного инсайта. Кстати, почти тоже самое можно увидеть и на венчурном рынке.
Мы решили проделать эксперимент с конфетами на фондовом рынке, чтобы проверить его эффективность. Мы начали спрашивать у пользователей завтрашние цены различных акций и пробовать создавать сделки согласно их коллегиальному мнению.
Эксперименты показали очень интересные результаты: 80% стратегий показывали на бектестах годовую доходность выше 20%, а наш собственный счет за полгода уже вырос на 170%. Мы приняли решение продолжать работать в этом направлении. Мы начали увеличивать выборку аналитиков с пары десятков до пары тысяч, усилили команду трейдерам из алго-фондов и стали думать о том, как не только использовать достоинства коллективного интеллекта, но и нивелировать его недостатки – предвзятость и эмоциональную человеческую природу, которая не позволяют людям поддерживать стабильные показатели точности на длительном периоде времени. Да-да, коллегиальное мнение хорошо, но нам понадобился ИИ.
Мы обратились к рынку и выделили наиболее успешные и интересные технологические команды, пытающиеся решить эти задачи.
Нью-Йоркский стартап Estimize, поднявший уже суммарно более $12 млн венчурных инвестиций от самых топовых финтех VC в Нью-Йорке, уже пять «бьет» консенсус аналитиков Wall Street, предсказывая более точные показатели доходности публичных компаний в период их отчетности.
Другой стартап, но уже с Западного побережья, Numer.ai. Ребята подняли $6 млн два месяца назад. По сути, они тоже собирают коллективный интеллект, но не человеческий, а групповой интеллект машин. Компания агрегирует внутри себя тысячи различных торговых алгоритмов и стратегий, пропуская их через самообучающийся искусственный интеллект и совершая в итоге множество сделок на бирже. В этом случае коллеги решили полностью отказаться от человеческого фактора, доверив все решения о сделках роботам. Но и у такого решения есть серьезный недостаток – такие системы не способны оперативно адаптироваться под серьезные рыночные изменения, и каждый алгоритм имеет свой непродолжительный срок жизни, после которого полностью «иссекает».
Изучив все это, мы приняли решение соединить воедино коллективный интеллект аналитиков и искусственный интеллект торговых роботов и запустили нашу компанию Cindicator. Подобная синергия двух типов интеллектов в науке получила название – гибридный интеллект. Этот симбиоз позволяет эффективно решать проблемы обеих систем по отдельности:
- ошибка группового мышления от предвзятости узкой группы аналитиков и их централизации;
- отсутствие real-time адаптации системы к любым внешних (рыночным) изменениями: кризисы, коррекции, непредвиденные новости и тд).
Помня простоту эксперимента с конфетами, мы решили также запустить нечто подобное и сделали это в партнерстве с Московской биржой.
В течение трех недель 1000 человек ежедневно прогнозируют завтрашние цены четырех фьючерсов, а наш торговый AI робот моделирует сделки, используя одновременно средневзвешенный ответ группы и наши торговые и математические алгоритмы.
За неполные 3 недели инвестиционный портфель этой группы вырос уже на 3%, а это 47% годовых. Сравним с доходностью мировых топ-фондов:
CQS Directional Opportunities – 30%
Mudrick Distressed Opportunity Fund – 35,5%
Proxima Capital LP – 44,2%
Но большинство фондов находятся в вилке 12-16%.
Конечно, мы понимаем, что у них гораздо более долгий трек-рекорд, но мы выглядим на фоне этих цифр вполне привлекательно.