AI ने Navier-Stokes समस्या को हल कर दिया है, हमारे सबसे सुरक्षित सिस्टम को हैक कर लिया है, और कैंसर के नए उपचार डिज़ाइन किए हैं।
फिर भी यह S&P 500 को मात नहीं दे सकता।
AI कब बाज़ार को हराएगा?
यह एक ट्रिलियन डॉलर का सवाल है जो लैब्स के सामने है।
इसका जवाब आश्चर्यजनक रूप से सुंदर है।
इसकी शुरुआत 1991 में दुनिया के सबसे बड़े रोबोट के निर्माण से होती है।
360 मीटर स्टील का बना, Maeslantkering पृथ्वी पर सबसे बड़ी चलने वाली संरचना है। यह पूरी तरह से स्वायत्त रूप से संचालित होता है।
डच इसे अपने बाढ़ द्वार के रूप में जानते हैं, जो रॉटरडैम के 2.7 मिलियन निवासियों को घातक तूफानी लहरों से बचाने के लिए बनाया गया है।
अपना काम करने के लिए, रोबोट को समुद्र के स्तर का पूरी तरह से अनुमान लगाना चाहिए।
समुद्र के स्तर का सबसे सरल मॉडल एक स्विच है।
जब ज्वार ऊँचा होता है, तो स्विच चालू होता है। जब ज्वार नीचा होता है, तो यह बंद हो जाता है।
एक स्विच (नारंगी) वास्तविकता (टील) का एक खराब मॉडल है।
लेकिन स्विच ज्वार के आकार को मिस करता है। बढ़ता हुआ ज्वार फिर भी खतरे की सीमा को पार कर जाता है।
रोबोट को एक बेहतर मॉडल की आवश्यकता है।
ज्वार काफी हद तक चंद्रमा द्वारा संचालित होता है, इसका गुरुत्वाकर्षण खिंचाव महासागरों पर एक आवधिक वक्र बनाता है। स्विच को एक साइनसॉइड से बदलें, और रोबोट का पूर्वानुमान ज्वार का अनुसरण करना शुरू कर देता है।
चंद्रमा का गुरुत्वाकर्षण (नारंगी) वास्तविकता (टील) का एक बेहतर मॉडल है।
यह अभी भी अपूर्ण है। ज्वार सूर्य के खिंचाव, खाड़ी की गहराई, कक्षा की विलक्षणता और दर्जनों अन्य कारकों से भी आकार लेता है।
केवल जब रोबोट में सौर मंडल की सभी प्रासंगिक संरचना समाहित होती है, तभी वह ज्वार की भविष्यवाणी कर सकता है।
सभी ज्वारीय बल (नारंगी) मॉडल को वास्तविकता (टील) से पूरी तरह मेल खाने की अनुमति देते हैं।
यह गुड रेगुलेटर थ्योरम का उदाहरण है, जिसे 1970 में कॉनेंट और एशबी ने सिद्ध किया था:
"किसी सिस्टम का हर अच्छा नियामक उस सिस्टम का एक मॉडल होना चाहिए।"
यह आज AI की क्षमता सीमा को पूरी तरह से समझाता है:
- शतरंज के मॉडल में बोर्ड ज्यामिति होती है, जो चालों के अनुक्रम से पुनर्निर्मित होती है।
- कोडिंग एजेंट में गणना के नियम होते हैं, जो ओपन सोर्स कोड की हर पंक्ति से प्राप्त होते हैं।
- वीडियो और वर्ल्ड मॉडल में भौतिक नियम होते हैं, जो पिक्सल से पुनर्व्युत्पन्न होते हैं।
AI दुनिया को खा रहा है।
लेकिन केवल उसी क्रम में जिसमें वह निगल सकता है।
यहाँ मॉडल और वास्तविकता के बीच वही अंतर है, जिसे शेयर बाजार के लिए फिर से तैयार किया गया है:
मॉर्निंगस्टार का मूल्यांकन मॉडल (नारंगी) वास्तविकता (टील) से भिन्न है।
स्पष्ट रूप से, मॉर्निंगस्टार का 'उचित मूल्य अनुमान' एक 'अच्छा नियामक' नहीं है।
शायद मॉर्निंगस्टार शेयरों के मूल्यांकन में विश्व स्तरीय नहीं है। लेकिन शीर्ष दशमलव हेज फंडों के अपने आंतरिक मूल्य लक्ष्यों के अंदर भी यही तस्वीर है। कीमतों के लिए किसी के पास अच्छा नियामक नहीं है, और यह एक सरल तथ्य के कारण है:
बाजार स्व-संदर्भात्मक हैं, या जैसा कि अर्थशास्त्री उन्हें कहते हैं, प्रतिवर्ती सिस्टम हैं।
कीमतें लाखों लोगों द्वारा निर्धारित की जाती हैं जो कीमत देख रहे हैं, एक-दूसरे को कीमत पर प्रतिक्रिया करते हुए देख रहे हैं, और बदले में प्रतिक्रिया दे रहे हैं।
किसी ने भी ऐसा AI नहीं बनाया है जिसमें भीड़ समाहित हो।
बाजार उसी क्रम में गिर रहे हैं जिसमें AI उन्हें समाहित कर सकता है।
लेकिन वित्त अभी भी गिर रहा है, और कुछ बाजार पहले से ही समाहित हैं।
प्रमेय पूरी तरह से उस क्रम की व्याख्या करता है जिसमें वे गिरते हैं:
1. क्वांट्स ने पहले ही सुपरइंटेलिजेंस का निर्माण कर लिया है।
AI में पहले से ही अन्य एल्गोरिदम समाहित हैं।
पहली वित्तीय सुपरइंटेलिजेंस LLM नहीं थीं।
वे क्वांट ट्रेडिंग सिस्टम थे।
मिलीसेकंड के क्षितिज पर, क्वांट फर्मों ने पहले ही 'अच्छे नियामक' बना लिए हैं।
कोई भी इंसान इतनी तेजी से प्रतिक्रिया नहीं कर सकता, इसलिए अल्पकालिक पूर्वानुमान कम प्रतिवर्ती होते हैं। उस समय सीमा पर तेज कीमतें उत्पन्न करने वाली एकमात्र चीजें अन्य एल्गोरिदम हैं।
और मॉडल अन्य मॉडलों को समाहित कर सकते हैं।
रेनैसां टेक्नोलॉजीज, जेन स्ट्रीट और टू सिग्मा ने ऐसे सिस्टम बनाकर सैकड़ों अरबों का लाभ कमाया है जिनमें उन अन्य एल्गोरिदम का तर्क समाहित है जिनके खिलाफ वे व्यापार करते हैं।
उदाहरणात्मक। मिलीसेकंड समय सीमा पर मात्रात्मक ट्रेडिंग मॉडल (नारंगी) आज कीमत (टील) में सूक्ष्म उतार-चढ़ाव से निकटता से मेल खा सकते हैं।
बड़े मॉडल छोटे मॉडलों को निगल जाते हैं और फिर उनके व्यवहार पर आर्बिट्रेज करते हैं। अल्पकालिक बाजार एक-दूसरे को खाने वाले सिस्टम का अंतहीन युद्ध है।
(यहाँ एक AI सुरक्षा तर्क छिपा हुआ है। संरेखण शोधकर्ता ASI द्वारा ASI को समाहित करने के बारे में सिद्धांत देते हैं। क्वांट शॉप्स वहाँ पहले पहुँच गए।)
हालाँकि, ये क्वांट मॉडल जल्दी ही टूट जाते हैं।
छोटे क्षितिज पर, सिस्टम ज्यादातर मशीनें हैं जो मशीनों के खिलाफ व्यापार कर रही हैं।
लंबे क्षितिज पर, भीड़ वापस आ जाती है।
2. निजी बाजार एक दशक के भीतर सार्वजनिक हो जाएंगे।
AI एक विश्लेषक के काम को समाहित करना शुरू कर रहा है।
वित्त का अधिकांश हिस्सा मूल्यांकन में बेहतर होने के बारे में नहीं है।
यह जानकारी प्राप्त करने और संसाधित करने की प्रतिस्पर्धा है।
आज लाखों वित्तीय विश्लेषक डेटा रूम की जांच करते हैं, मॉडल बनाते हैं, कम्प्स फैलाते हैं, और खंडित सबूतों को निवेश निर्णयों में बदलते हैं।
ऐतिहासिक रूप से, केवल कुछ ही फर्मों के पास बड़े पैमाने पर ऐसा करने के लिए जनशक्ति थी।
निजी बाजारों में कभी अच्छा नियामक नहीं था।
2022 में ब्लैकस्टोन का रियल एस्टेट फंड एक विहित उदाहरण है। इसका निजी पोर्टफोलियो "लागत पर" चिह्नित रहा, जबकि समान जोखिम वाला एक सार्वजनिक रूप से कारोबार किया जाने वाला पोर्टफोलियो दो बार तेजी से गिरा।
निजी बाजार (नारंगी) सार्वजनिक अनुरूपों (टील) से तेजी से भिन्न हो सकते हैं।
हम यह अंतर केवल इसलिए देख सकते हैं क्योंकि एक सार्वजनिक रूप से कारोबार किया जाने वाला एनालॉग मौजूद था। अधिकांश निजी संपत्तियां ऐसा कोई दर्पण प्रदान नहीं करती हैं।
यह तेजी से बदल रहा है।
मॉडल अब फाइलिंग, क्रेडिट समझौते और वर्चुअल डेटा रूम पढ़ते हैं। एजेंट अब आसपास का काम करते हैं: मूल्यांकन, मॉडलिंग, कम्प्स खींचना और स्लाइड बनाना। जैसे ही आप यह पढ़ रहे हैं, विश्लेषक की बाधा गायब हो रही है।
अधिक निवेशक अधिक बोलियां बनाते हैं।
अधिक बोलियां अधिक लेन-देन बनाती हैं।
अधिक लेन-देन मूल्य खोज में सुधार करते हैं, अधिक निवेशकों को आकर्षित करते हैं।
निजी पूंजी को अंततः एक अच्छा नियामक मिल रहा है।
हम इसे पहले से ही Hebbia में देख रहे हैं: फंड ऑफ-मार्केट डील में अरबों की उत्पत्ति कर रहे हैं और बाजार के पकड़ने से पहले, जल्दी पदों से बाहर निकलकर सैकड़ों लाखों बचा रहे हैं।
निजी बाजार सार्वजनिक बाजारों की तरह व्यापार करेंगे।
विडंबना यह है कि जब ऐसा होगा, तब भी वे हल नहीं होंगे। AI उन्हें प्रतिवर्ती सिस्टम में बदल देगा, हमें केंद्रीय प्रश्न पर वापस लाते हुए।
क्या होता है जब मॉडल में भीड़ को समाहित करना होता है?
3. सार्वजनिक बाजार LLM द्वारा हल नहीं किए जाएंगे।
भीड़ को समाहित करने के लिए AI को पूरी तरह से अलग मॉडल की आवश्यकता है।
लोग Claude के उनके लिए बाजार को हराने का इंतजार कर रहे हैं।
ऐसा नहीं होगा।
जबकि LLM मौलिक विश्लेषण के लिए वास्तव में उपयोगी लगते हैं, मौलिक विश्लेषण अक्सर प्रतिवर्तिता के कारण विफल हो जाता है। भीड़ की गतिशीलता से उच्च मूल्यांकन पूंजी की लागत को कम कर सकता है, जो विकास को गति देता है, और मूल्यांकन को और ऊंचा करता है।
प्रतिवर्तिता मूल सिद्धांतों को बदल देती है।
तो कौन सा AI वास्तव में भीड़ का मॉडल बना सकता है?
3.1 ट्विटर ने वॉल स्ट्रीट से पहले भीड़ का मॉडल बनाया था।
मॉडलों का एक वर्ग पहले से ही किसी भी LLM से बेहतर मानव व्यवहार की भविष्यवाणी और आकार देता है।
"न्यूज़फ़ीड" में पहले से ही मानव मनोविज्ञान का लगभग सही मॉडल समाहित है। यह चुनावों को प्रभावित करता है, सांस्कृतिक रुझान निर्धारित करता है, और अरबों लोगों को उन लोगों से बेहतर मॉडल करता है जितना वे खुद को जानते हैं।
सोशल मीडिया विज्ञापन सर्वर उसी तरह काम करते हैं। जिस चीज़ को आप खरीदने वाले थे, उसके लिए ठीक वैसा विज्ञापन, अक्सर आपको पहले उसे खरीदने का मन करता है। प्रतिवर्तिता पर ध्यान दें।
न्यूज़फ़ीड की किसी पोस्ट की अनुमानित प्रासंगिकता (नारंगी) वास्तविक जुड़ाव और प्रासंगिकता (टील) को मॉडल और बना सकती है।
यह एक असामान्य परिणाम देता है:
xAI पृथ्वी पर सबसे अच्छी स्थिति वाली फाइनेंस लैब है।
Grok उस दुर्लभ डेटासेट पर बैठता है जो वास्तविक समय में भीड़ को कैप्चर करता है।
फ़ीड पहले से ही बाजारों को चलाती है।
खुदरा निवेशकों के लिए, ध्यान पहले से ही मूल सिद्धांतों से अधिक मायने रखता है। तेजी से, हर स्टॉक एक मीम स्टॉक है, और फ़ीड मीम्स को नियंत्रित करती है।
तार्किक अंत शांत करने वाला है। एक भविष्य प्रणाली भीड़ की प्रतिक्रिया की भविष्यवाणी कर सकती है, जीतने वाली कथा उत्पन्न कर सकती है, फिर इसे बॉट "निवेशकों" के माध्यम से अपनी होल्डिंग्स को बढ़ाने के लिए वितरित कर सकती है। एक महान मार्केटिंग अभियान और बाजार हेरफेर के बीच की रेखा पहले से ही पतली है, और विलक्षणता के बाद, यह धुंधली हो जाती है।
बाजार हेरफेर एक मॉडल क्षमता बनने वाला है।
3.2 मॉडल में बाजार समाहित होना चाहिए।
सिमुलेशन स्टार्टअप इस समस्या पर खरोंच कर रहे हैं लेकिन प्रतिवर्तिता को हल नहीं करेंगे। सिंथेटिक भीड़ जो कभी वास्तविक कीमत को नहीं छूती, एक बॉक्स में फोकस ग्रुप हैं।
पूर्वानुमान बाजार भी इससे बच जाते हैं। बारिश की संभावना मौसम नहीं बदल सकती।
एक सच्चे प्रतिवर्ती मॉडल को दो काम करने चाहिए:
- अन्य नियामकों को समाहित करें। इसे भविष्यवाणी करनी चाहिए कि बाजार कैसे प्रतिक्रिया करता है, और एक कदम आगे रहना चाहिए।
- अपने स्वयं के प्रभाव को समाहित करें। ऐतिहासिक डेटा उस निवेशक के प्रभाव को प्रकट नहीं कर सकता जो कभी अस्तित्व में नहीं था। मॉडल को व्यापार करना चाहिए, निरीक्षण करना चाहिए कि वह क्या बदलता है, और स्वयं को अपडेट करना चाहिए।
ये मॉडल पहले से ही प्रशिक्षण से व्यापार की ओर बढ़ रहे हैं।
लेकिन एक पकड़ है: AI केवल एक स्थिर रणनीति सीख सकता है जब तक उसके व्यापार बाजार को स्थानांतरित करने के लिए पर्याप्त छोटे रहते हैं।
शिक्षाविद इसे अभिसरण बाधा कहते हैं।
व्यापारी इसे एक परिचित कहावत कहते हैं:
"आकार व्यापार को मार देता है।"
यह आने वाली चीज़ों को नहीं रोकेगा।
जो मशीनें बाजार को हराती हैं, वे मिलीसेकंड से मिनटों, दिनों, तिमाहियों और वर्षों तक फैल जाएंगी।
मशीन के खिलाफ व्यापार करना व्यर्थ होगा।
बाढ़ के द्वार खुल रहे हैं।
हर बाजार पर मशीनों का वर्चस्व होगा।
हर कंपनी AI के साथ प्रतिस्पर्धा करेगी।
हमारे संगठनों को तदनुसार बदलना चाहिए।
क्वांट फर्म इस नई वास्तविकता के आसपास पुनर्गठित होने वाली पहली थीं। उनके संगठन चार्ट भारी मात्रा में डेटा एकत्र करने, साफ करने, संरचित करने और मॉडल करने के लिए सिस्टम बन गए। वे अपने बाजारों के अच्छे नियामक बन गए।
हर कंपनी उसी परिवर्तन का सामना करने वाली है।
भविष्य का सबसे महत्वपूर्ण काम मशीनों को दुनिया की संरचना सिखाना होगा।
आप विलक्षणता को शॉर्ट नहीं कर सकते।
आप केवल इसका हिस्सा बन सकते हैं।
इस सिस्टम के मेरे मॉडल को बेहतर बनाने के लिए मैनी रोमन, रॉब गोल्डस्टीन, मार्टी शावेज़, बॉब स्टील, @WillManidis, और @lennysan को बहुत-बहुत धन्यवाद।
