ChatGPT വഴി ജമ്പ് ട്രേഡിങ്ങിൽ പരിമാണാത്മക ഗവേഷണവികാസം

പരിമാണാത്മക വ്യാപാര സ്ഥാപനമായ ജമ്പ് ട്രേഡിങ്, ആസ്തിവിലകൾ കഴിയുന്നത്ര കൃത്യമായി പ്രവചിക്കാൻ മാതൃകകൾ വികസിപ്പിക്കുന്നു. വിപണിയിലെ ഡാറ്റ, വാർത്തകളും സംഭവങ്ങളും, വിവിധ ബദൽ ഡാറ്റാ സ്രോതസ്സുകൾ എന്നിവയാണ് ഇവ ഉപയോഗിക്കുന്നത്. വിപണികൾ സങ്കീർണവും അനാവശ്യ വിവരങ്ങൾ നിറഞ്ഞതും കാലക്രമേണ മാറുന്നതുമായതിനാൽ, എന്തു സംഭവിക്കുമെന്ന് കൃത്യമായി മുൻകൂട്ടി അറിയാൻ അപൂർവമായേ കഴിയൂ. എന്നാൽ, ഒരു നാണയം എറിഞ്ഞ് ഫലം ഊഹിക്കുന്നതിനെക്കാൾ അൽപമെങ്കിലും മെച്ചപ്പെട്ട പ്രവചനം വലിയ തോതിൽ നടത്താനായാൽ വിജയകരമായ തന്ത്രമുണ്ടാക്കാമെന്ന് ജമ്പിന്റെ LLM ഗവേഷണ-വികസന വിഭാഗം മേധാവി ലൂക്കസ് ബേക്കർ പറയുന്നു.

ഏജന്റ് അധിഷ്ഠിത ഗവേഷണത്തിനും വികസനത്തിനും നേതൃത്വം നൽകുന്നത് ബേക്കറാണ്. പരിമാണാത്മക ഗവേഷകർക്ക് തങ്ങളുടെ ആശയങ്ങൾ കൂടുതൽ വിശാലമായും ആഴത്തിലും പരിശോധിക്കാനുതകുന്ന ഏജന്റുകൾ, ഹാർനെസുകൾ, അടിസ്ഥാനസൗകര്യങ്ങൾ എന്നിവ നിർമിക്കുന്നതിലാണ് അദ്ദേഹത്തിന്റെ ശ്രദ്ധ. GPT‑6 Astra കൂടി ഉപയോഗിക്കാൻ തുടങ്ങിയതോടെ ഏജന്റുകളെ ഏൽപ്പിക്കാവുന്ന പ്രവർത്തനക്രമങ്ങളുടെ വ്യാപ്തിയും സങ്കീർണതയും വൻതോതിൽ വർധിച്ചു. ദൈനംദിന കോഡെഴുത്ത് മുതൽ പുതിയ പരികൽപ്പനകൾ പരിശോധിക്കാനുള്ള വിപുലമായ പരിമാണാത്മക പഠനങ്ങൾ വരെ ഇതിൽ ഉൾപ്പെടുന്നു.

ഒറ്റത്തവണ ആവശ്യങ്ങൾക്കുള്ള കോഡ് എഴുതാനും ചെറിയ പിഴവുകൾ കണ്ടെത്താനും സഹായിക്കുന്ന ഉപകരണമായിരുന്നു നിർമിതബുദ്ധി. കഴിഞ്ഞ ഒരു വർഷത്തിനിടെ അത് സമ്പൂർണ കോഡ് ശേഖരങ്ങളും സേവനങ്ങളും സ്വയം വികസിപ്പിക്കാൻ കഴിയുന്ന, ബഹുമുഖ ശേഷിയുള്ള സംവിധാനമായി മാറി. ഒരു സഹപ്രവർത്തകനെപ്പോലെ പരിഗണിക്കുമ്പോഴാണ് നിർമിതബുദ്ധി ഏറ്റവും നന്നായി പ്രവർത്തിക്കുന്നതെന്ന് ബേക്കറും സംഘവും ഇപ്പോൾ തിരിച്ചറിയുന്നു. ഗവേഷകർക്ക് പ്രധാന പ്രശ്നവും പ്രവർത്തനാന്തരീക്ഷവും ഫലങ്ങളുടെ ഗുണമേന്മയും പ്രാധാന്യവും വിലയിരുത്താനുള്ള രീതിയും നിർവചിക്കാം. തുടർന്ന്, വിശകലനം എവിടെ കേന്ദ്രീകരിക്കണം, അടുത്തതായി ഏതു ജോലി ചെയ്യണം എന്നതിൽ ഒന്നോ അതിലധികമോ ഏജന്റുകൾക്ക് തത്സമയം നിർദേശം നൽകാം.

GPT‑6 Astra ഉപയോഗിക്കുന്ന ഏജന്റുകൾക്ക് അർഥവത്തും പ്രായോഗികവുമായ മാറ്റങ്ങൾ കണ്ടെത്താൻ മാത്രമല്ല, ആ നേട്ടങ്ങൾ കൂട്ടിച്ചേർത്ത് ഓരോ മെച്ചപ്പെടുത്തലിനെയും അടുത്തതിന്റെ അടിത്തറയാക്കാനും ഇപ്പോൾ കഴിയുമെന്ന് ബേക്കർ പറയുന്നു. ദീർഘനേരം നീളുന്ന ഒറ്റ ജോലിക്കിടെത്തന്നെ ഈ സംവിധാനത്തിന് കണ്ടെത്തലുകൾ വിശകലനം ചെയ്യാനും, പ്രാരംഭ നിർദേശത്തിൽ അംഗീകരിച്ച മാനദണ്ഡങ്ങളുമായി അവ താരതമ്യം ചെയ്യാനും, സ്വന്തം പ്രവർത്തനങ്ങളുടെ ദിശ മാറ്റാനും കഴിയും. ഓരോ ഘട്ടത്തിലെയും മാറ്റങ്ങൾ വിശകലനം ചെയ്യാൻ ഒരാളെ ആശ്രയിക്കേണ്ടതില്ല. അദ്ദേഹം വിശദീകരിക്കുന്നു: “ദിവസങ്ങളോളം തുടരേണ്ട ഒരു ജോലി നിങ്ങൾക്ക് നിർവചിക്കാം. അതിന് പല സ്രോതസ്സുകളിൽനിന്ന് ഡാറ്റ ശേഖരിക്കണം, എന്താണ് പ്രധാനമെന്നും അല്ലെന്നും സൂക്ഷ്മമായി തീരുമാനിക്കണം, എല്ലാം പരസ്പരം ബന്ധിപ്പിക്കണം. ഇങ്ങനെ സമഗ്രമായ ഒരു വിശകലനം സൃഷ്ടിക്കുന്നത് ഇപ്പോൾ ശരിക്കും സാധ്യമാണ്.”

ജമ്പ് ട്രേഡിങ് എല്ലാ കാലയളവുകളിലും എല്ലാ ആസ്തിവിഭാഗങ്ങളിലും പ്രവർത്തിക്കുന്നു. ഈ പ്രക്രിയയിലെ ഓരോ ഘട്ടവും സങ്കീർണമാണ്. ധനകാര്യംപോലെ കർശനമായ നിയന്ത്രണങ്ങളുള്ള മേഖലയിൽ പിഴവുകൾ സാമ്പത്തിക നഷ്ടത്തിനും നിയമാനുസരണത്തിലെ വീഴ്ചകൾക്കും കാരണമാകാം. നിർമിതബുദ്ധിയെ ജോലികൾ ഏൽപ്പിക്കുമ്പോഴുള്ള അപകടസാധ്യതകൾ അറിഞ്ഞിരിക്കേണ്ടത് നിർണായകമാണെന്ന് ബേക്കർ പറയുന്നു. അതേസമയം, പുതിയ സവിശേഷതകൾ ചേർക്കാൻ മാത്രമല്ല, ഗുണമേന്മയും സുരക്ഷയും നിരീക്ഷണവും മെച്ചപ്പെടുത്താനും ഏജന്റുകളുടെ ബുദ്ധിശേഷി ഉപയോഗിക്കാം. ദൃഢമായ സംവിധാനരൂപകൽപ്പനയും അതിരുകളും, വ്യക്തമായ പരിമിതികൾ, പ്രവർത്തനം നയിക്കാനും നിരീക്ഷിക്കാനും സഹായിക്കുന്ന അടിസ്ഥാനസൗകര്യങ്ങൾ, മാറ്റങ്ങളുടെ മാനുഷിക അവലോകനം എന്നിവ ജമ്പ് ട്രേഡിങ് സംഘത്തെ സഹായിക്കുന്നു. നിയന്ത്രണങ്ങൾക്ക് വിധേയമായ അന്തരീക്ഷത്തിൽ നിർമിതബുദ്ധി അധിഷ്ഠിത പ്രവർത്തനക്രമങ്ങൾ വിപുലീകരിക്കാൻ സജ്ജമാണെന്ന് ഇവ ഉറപ്പാക്കുന്നു.

“ഏജന്റിനോ സംവിധാനത്തിനോ ആവശ്യമായ ഏതു ഫലവും സൃഷ്ടിക്കാൻ സ്വാതന്ത്ര്യമുള്ള സുരക്ഷിതമായ ഒരു അന്തരീക്ഷം വേണം. ഒടുവിൽ മനുഷ്യരുടെ അവലോകനത്തിലൂടെ നിർണായക പരിശോധനകൾ നടത്തി അവരുടെ അംഗീകാരം ലഭിക്കുകയും വേണം. ഇതാണ് ഞങ്ങൾക്ക് ആത്മവിശ്വാസം നൽകുന്നത്,” അദ്ദേഹം പറയുന്നു. ഉദാഹരണത്തിന്, ഒരു ഏജന്റ് വ്യാപാരസൂചന സൃഷ്ടിച്ചാൽ, മറ്റേതൊരു ഫലത്തെയുംപോലെ അതിന്റെ പരിധി നിശ്ചയിച്ച് അവലോകനം ചെയ്യും. സാധാരണയായി വിവരപ്രദമെങ്കിലും തെറ്റാകാൻ സാധ്യതയുള്ള ഒരു സൂചനയായാണ് അതിനെ കാണുന്നത്. കർശനമായി അവലോകനം ചെയ്യുകയും നിയന്ത്രിക്കുകയും ചെയ്യുന്ന നിർവഹണാന്തരീക്ഷത്തിൽ മറ്റ് സൂചനകൾക്കൊപ്പം അതും സംയോജിപ്പിക്കും.

“സ്വയം ഗവേഷണം” സർവസാധാരണമാകുന്ന ഒരു ലോകത്തേക്കാണ് നാം നീങ്ങുന്നതെന്ന് ബേക്കർ കരുതുന്നു. അളക്കാൻ കഴിയുന്ന സംവിധാനങ്ങളെ ഗവേഷക ഏജന്റുകൾ ആവർത്തിച്ച് മെച്ചപ്പെടുത്തുന്ന ഈ രീതി, ഒരു പരിമാണാത്മക ഗവേഷകന്റെ സാധാരണ പ്രവർത്തനക്രമത്തിന്റെ ഭാഗം മാത്രമായി കണക്കാക്കപ്പെടും. ഇന്നും GPT‑6 Astra ഏറ്റവും ദീർഘമായി ചെയ്യുന്ന ജോലികളിൽപ്പോലും, ജോലി നിർവചിച്ച വ്യക്തിയുമായി പതിവായി ആശയവിനിമയം നടത്തേണ്ടതുണ്ട്. ഏതു ഡാറ്റ ശേഖരിക്കണം, എത്രനേരം പ്രവർത്തിക്കണം, എന്തിന് പ്രാധാന്യം നൽകണം എന്നതിനൊപ്പം ഇടക്കാല ഫലങ്ങൾ യുക്തിസഹമാണോ എന്നും പരിശോധിക്കണം. വികസിതമായ സ്വയം ഗവേഷണവും മനുഷ്യർ നിർവചിക്കുന്ന ഒരു സംവിധാനത്തിൽനിന്നുതന്നെയാകും തുടങ്ങുക. നൽകേണ്ട വിവരങ്ങൾ, പ്രവർത്തനാന്തരീക്ഷം, വിലയിരുത്തൽ മാനദണ്ഡങ്ങൾ, വിട്ടുവീഴ്ചകൾ, മൊത്തത്തിലുള്ള മുൻഗണനകൾ എന്നിവ അതിൽ ഉൾപ്പെടും. എന്നാൽ ശേഷിക്കുന്ന പ്രക്രിയ, മറ്റ് ഏജന്റുകൾ ഏകോപിപ്പിക്കുന്ന, അയവുള്ള ഘടനയിലുള്ള ഒരു ഏജന്റ് “സംഘത്തെ” ഏൽപ്പിക്കും. നന്നായി ചിട്ടപ്പെടുത്തിയ ഗവേഷണപ്രക്രിയയിൽ, ആശയങ്ങൾ എങ്ങനെ പരിശോധിക്കണം, കണക്കുകൂട്ടലിനുള്ള സമയം എങ്ങനെ വിനിയോഗിക്കണം, പ്രതീക്ഷ നൽകുന്ന കണ്ടെത്തലുകൾ എങ്ങനെ സംയോജിപ്പിക്കണം എന്നിവയിൽ ഈ ഏജന്റുകൾക്ക് വിവേകപൂർണമായ തീരുമാനങ്ങളെടുക്കാനാകും. തുടക്കത്തിൽ ഉത്തരമറിയാത്ത ഒരു ചോദ്യമുണ്ടായാൽ മാത്രം മതിയാകും.

“ഇതെല്ലാം തുടക്കംമുതൽ ഒടുക്കംവരെ കൂട്ടിയിണക്കി, നിങ്ങൾക്കുപോലും ഉത്തരമറിയാത്ത ഒരു പൊതുചോദ്യം ചോദിച്ച്, പ്രയോജനകരമായ ഒരു ഫലം ലഭിച്ചാൽ എങ്ങനെയിരിക്കും?” അദ്ദേഹം ചോദിക്കുന്നു. “സഹസ്രാബ്ദ ഗണിതപ്രശ്നങ്ങളിലൊന്ന് പരിഹരിക്കാൻ നിങ്ങൾക്കാകുമെങ്കിൽ, പരിമാണാത്മക ധനകാര്യത്തെക്കുറിച്ചുള്ള ഏറെ രസകരമായ ചില വസ്തുതകളും കണ്ടെത്താനായേക്കും.”

ഓരോ വർഷവും മാനദണ്ഡപരിശോധനകളിലെ അളവുകളിൽ സ്ഥിരമായ പുരോഗതി മാത്രമല്ല ഉണ്ടായത്. മാതൃകകൾക്ക് ചെയ്യാൻ കഴിയുന്ന ജോലികളുടെ തരത്തിലും വലിയ കുതിച്ചുചാട്ടങ്ങളുണ്ടായി. പലപ്പോഴും മാസങ്ങൾക്കുമുമ്പുപോലും ഈ മാറ്റങ്ങൾ പ്രവചിക്കാൻ പ്രയാസമായിരുന്നു. 2024-ൽ ആദ്യകാല ഏജന്റുകൾ തെറ്റില്ലാതെ ഒരൊറ്റ ഫയൽ എഴുതുന്നതുതന്നെ ശ്രദ്ധേയമായിരുന്നു. 2025-ൽ സമ്പൂർണ കോഡ് ശേഖരങ്ങൾ ആദ്യംമുതൽ സൃഷ്ടിക്കാൻ കഴിഞ്ഞു. 2026-ൽ പല ഏജന്റുകളും സാഹചര്യാനുസരണം ഒരുമിച്ച് പ്രവർത്തിച്ച്, ഉത്തരം കണ്ടെത്താത്ത ഗവേഷണപ്രശ്നങ്ങളിൽ പുരോഗതി കൈവരിക്കാനും സാധിച്ചു. “അടുത്ത വർഷം നമുക്ക് എന്തൊക്കെ ലഭിക്കും?” അദ്ദേഹം ചോദിക്കുന്നു. “അത് ചിന്തിക്കുമ്പോൾത്തന്നെ അതിശയം തോന്നുന്നു.”