Si e zgjeron Jump Trading kërkimin sasior me ChatGPT

Si firmë që merret me tregtim sasior, Jump Trading krijon modele parashikuese që përdorin të dhëna tregu, lajme e ngjarje, si dhe një sërë burimesh alternative të dhënash, për të parashikuar sa më saktë çmimet e aktiveve. Meqë tregjet janë komplekse, plot luhatje të rastësishme dhe ndryshojnë me kalimin e kohës, rrallëherë mund të parashikohet saktësisht çfarë do të ndodhë. Por sipas Lucas Baker, drejtues i kërkimit dhe zhvillimit për LLM në Jump, mjafton që parashikimet në shkallë të gjerë të jenë qoftë edhe pak më të sakta se hedhja e një monedhe, që strategjia të jetë e suksesshme.

Baker drejton kërkimin dhe zhvillimin për agjentët dhe përqendrohet te ndërtimi i agjentëve, strukturave dhe infrastrukturës që u mundësojnë studiuesve sasiorë t’i eksplorojnë idetë e tyre më gjerësisht dhe më thellë. Përfshirja e GPT‑6 Astra ka rritur ndjeshëm shkallën dhe kompleksitetin e proceseve të punës që mund t’u besohen agjentëve, nga programimi i përditshëm deri te studimet e avancuara sasiore për të vërtetuar hipoteza të reja.

Gjatë vitit të fundit, IA-ja është shndërruar nga një mjet ndihmës për të shkruar fragmente kodi për nevoja të veçanta ose për të gjetur gabime të vogla, në një sistem të aftë e të gjithanshëm që mund të zhvillojë vetë baza të tëra kodi dhe shërbime. Tani, Baker dhe ekipi i tij vërejnë se IA-ja punon më mirë kur trajtohet më shumë si kolege. Studiuesit mund të përcaktojnë një problem kyç, një mjedis pune dhe një mënyrë për të vlerësuar cilësinë e rëndësinë e rezultateve, e më pas të udhëzojnë në kohë reale një ose disa agjentë se ku ta përqendrojnë analizën ose cilën detyrë të kryejnë më tej.

Baker thotë se me GPT‑6 Astra, agjentët tashmë janë të aftë jo vetëm të gjejnë ndryshime domethënëse e praktike, por edhe t’i ndërthurin këto arritje, duke ndërtuar mbi to në një proces përmirësimi rekursiv. Gjatë një detyre të vetme afatgjatë, sistemi mund t’i analizojë gjetjet e veta, t’i vlerësojë sipas kritereve të dakordësuara në propozimin fillestar dhe t’i riorientojë përpjekjet në mënyrë aktive, pa pasur nevojë që një njeri të analizojë çdo raund ndryshimesh. Siç e shpjegon ai: “Mund të përcaktoni një detyrë që duhet të vazhdojë për ditë të tëra: të marrë të dhëna nga shumë burime, të bëjë dallime të holla mes asaj që ka rëndësi dhe asaj që nuk ka, e të lidhë gjithçka së bashku, për të krijuar një analizë gjithëpërfshirëse. Tani kjo funksionon vërtet.”

Jump Trading vepron në çdo horizont kohor dhe klasë aktivesh. Çdo hap i procesit është kompleks dhe, në një sektor me rregulla të rrepta si financa, gabimet mund të kenë pasoja si financiare, ashtu edhe për pajtueshmërinë rregullatore. Baker thotë se është thelbësore të njihen rreziqet që lindin kur puna i besohet IA-së, por edhe se inteligjenca e agjentëve mund të përdoret për të përmirësuar cilësinë, sigurinë dhe monitorimin, jo vetëm për të shtuar funksione. Projektimi i qëndrueshëm i sistemit dhe i kufijve të tij, kufizimet e qarta, infrastruktura që lehtëson drejtimin dhe vëzhgimin, si dhe shqyrtimi njerëzor i ndryshimeve, e ndihmojnë ekipin e Jump Trading të sigurohet se proceset e punës me IA janë gati të zgjerohen në një mjedis të rregulluar.

“Nëse keni një mjedis të sigurt ku agjenti ose sistemi është i lirë të prodhojë çdo rezultat që i nevojitet, por në fund ka edhe një proces shqyrtimi nga njerëzit, ku bëhet verifikimi vendimtar dhe jepet miratimi njerëzor, pikërisht kjo na jep besim”, thotë ai. Për shembull, nëse një agjent prodhon një sinjal tregtimi, atij i përcaktohet fusha e përdorimit dhe shqyrtohet si çdo rezultat tjetër: si një sinjal, zakonisht informues, por që mund të jetë i gabuar, i cili integrohet me çdo sinjal tjetër në një mjedis ekzekutimi që i nënshtrohet shqyrtimit dhe kontrollit të rreptë.

Baker mendon se po shkojmë drejt një bote ku “kërkimi i automatizuar”, ose përmirësimi rekursiv i sistemeve të matshme nga agjentët kërkimorë, do të bëhet aq i përhapur, sa do të shihet thjesht si pjesë e punës së zakonshme të një studiuesi sasior. Sot, edhe detyrat më afatgjata të GPT‑6 Astra përfshijnë ende konsultime të rregullta me personin që përcakton detyrën: jo vetëm për të dhënat që duhen marrë, kohëzgjatjen dhe atë që quhet e rëndësishme, por edhe nëse rezultatet e ndërmjetme kanë kuptim. Kërkimi i automatizuar i avancuar do të niste sërish nga një sistem i përcaktuar nga njeriu, përfshirë të dhënat hyrëse, përkufizimin e mjedisit, metrikat e vlerësimit, kompromiset dhe përparësitë e përgjithshme, por pjesa tjetër e procesit do t’i besohej një “flote” agjentësh me strukturë fleksibël, të bashkërenduar nga agjentë të tjerë. Brenda një procesi kërkimor të strukturuar mirë, këta agjentë do të mund të merrnin vendime inteligjente për mënyrën e eksplorimit të ideve, ndarjen e kohës së përpunimit kompjuterik dhe integrimin e gjetjeve premtuese, duke nisur thuajse vetëm nga një pyetje e hapur.

“Si do të ishte sikur të mund ta lidhnit gjithë këtë proces nga fillimi në fund, të bënit një pyetje të përgjithshme, përgjigjen e së cilës as ju nuk e dini, dhe të merrnit një rezultat të dobishëm?”, pyet ai. “Nëse mund të zgjidhni një nga Problemet e Mijëvjeçarit, ka të ngjarë të zbuloni edhe disa fakte mjaft interesante për financën sasiore.”

Çdo vit ka sjellë jo vetëm përparim të vazhdueshëm në matjet e testeve krahasuese, por edhe hapa të mëdhenj në llojin e punës që modelet ishin të afta të kryenin. Shpesh këto zhvillime ishin të vështira për t’u parashikuar edhe disa muaj më parë: ndërsa në vitin 2024 konsiderohej mbresëlënëse që agjentët e parë të shkruanin një skedar të vetëm pa gabime, në vitin 2025 u bë e mundur të krijoheshin nga e para baza të tëra kodi, e në vitin 2026 të arrihej përparim në çështje kërkimore të pazgjidhura, me shumë agjentë që bashkëpunonin në mënyrë dinamike krah për krah. “Çfarë do të kemi vitin e ardhshëm?”, thotë ai. “Është një perspektivë vërtet e jashtëzakonshme.”