Jump Trading inavyopanua utafiti wa takwimu kwa ChatGPT

Kama kampuni inayofanya biashara ya mali za kifedha kwa kutumia uchanganuzi wa takwimu, Jump Trading huunda modeli zinazotumia data za masoko, habari na matukio, pamoja na vyanzo mbalimbali mbadala vya data ili kutoa utabiri sahihi iwezekanavyo wa bei za mali. Kwa kuwa masoko ni changamano, yana mabadiliko mengi yasiyoashiria mwelekeo maalumu, na hubadilika kadiri muda unavyopita, ni nadra kuweza kutabiri kwa usahihi kabisa kitakachotokea. Lakini kulingana na Lucas Baker, Mkuu wa Utafiti na Maendeleo ya LLM katika Jump, utabiri wenye usahihi unaozidi hata kidogo tu ule wa kubahatisha unaweza kuleta mkakati wenye mafanikio ukitumika kwa kiwango kikubwa.

Baker anaongoza utafiti na maendeleo ya mifumo ya mawakala, akijikita katika kuunda mawakala, mazingira ya uendeshaji na miundombinu inayowawezesha watafiti wa takwimu kuchunguza mawazo yao kwa upana na kina zaidi. Kuongezwa kwa GPT‑6 Astra kumepanua sana kiwango na uchangamano wa michakato inayoweza kukabidhiwa mawakala, kuanzia uandishi wa msimbo wa kila siku hadi tafiti za hali ya juu za takwimu za kuthibitisha nadharia tete mpya.

Katika mwaka uliopita, AI imebadilika kutoka zana saidizi ya kuandika vipande vya msimbo kwa mahitaji ya mara moja au kupata hitilafu ndogo, na kuwa mfumo wenye uwezo mpana unaoweza kuunda hazina nzima za msimbo na huduma wenyewe. Sasa, Baker na timu yake wanaona kuwa AI hufanya kazi vizuri zaidi inapochukuliwa zaidi kama mfanyakazi mwenzao. Watafiti wanaweza kubainisha tatizo kuu, mazingira ya kazi, na njia ya kutathmini ubora na umuhimu wa matokeo, kisha kuelekeza wakala mmoja au wengi wakati kazi inaendelea kuhusu mahali pa kulenga uchanganuzi au kazi ya kufanya inayofuata.

Baker anasema kuwa kwa GPT‑6 Astra, mawakala sasa wanaweza si tu kutambua mabadiliko yenye maana na yanayotekelezeka, bali pia kuyaunganisha na kutumia mafanikio ya kila hatua kama msingi wa maboresho yanayofuata. Wakati wa kazi moja ya muda mrefu, mfumo unaweza kuchanganua matokeo yake, kuyatathmini kwa vigezo vilivyokubaliwa katika pendekezo la awali, na kurekebisha mwelekeo wa juhudi zake wenyewe badala ya kuhitaji mtu achanganue kila awamu ya mabadiliko. Kama anavyoeleza, “Unaweza kubainisha kazi inayohitaji kuendeshwa kwa siku kadhaa—ichukue data kutoka vyanzo vingi, ifanye maamuzi yanayohitaji umakini kuhusu kilicho muhimu na kisicho muhimu, na ihusianishe kila kitu—ili kutoa uchanganuzi wa kina. Sasa hilo linafanya kazi kweli.”

Jump Trading hufanya biashara katika vipindi vyote vya uwekezaji na aina zote za mali. Kila hatua ya mchakato ni changamano, na katika sekta inayodhibitiwa sana kama fedha, makosa yanaweza kuwa na madhara ya kifedha na pia kuathiri uzingatiaji wa kanuni. Baker anasema ni muhimu kufahamu hatari zinazotokana na kukabidhi kazi kwa AI, lakini pia kwamba uwezo wa kufikiri wa mawakala unaweza kutumika kuboresha ubora, usalama na ufuatiliaji, si kuongeza vipengele tu. Muundo thabiti wa mfumo na mipaka yake, masharti yaliyo wazi, miundombinu inayorahisisha uelekezaji na ufuatiliaji, pamoja na ukaguzi wa mabadiliko unaofanywa na binadamu, husaidia timu ya Jump Trading kuhakikisha kuwa michakato inayotumia AI iko tayari kupanuliwa katika mazingira yanayodhibitiwa kisheria.

“Ukiwa na mazingira salama ambamo wakala au mfumo uko huru kutoa matokeo yoyote yanayohitajika, lakini mwishoni kukawa pia na ukaguzi wa binadamu wa kufanya uthibitishaji muhimu na kutoa idhini, hilo ndilo linalotupa imani,” anasema. Kwa mfano, wakala akitoa kiashiria cha biashara, upeo wake hubainishwa na kikakaguliwa kama matokeo mengine yoyote: kama kiashiria ambacho kwa kawaida kina taarifa muhimu lakini kinaweza kuwa na makosa. Kisha huunganishwa na viashiria vingine vyote katika mazingira ya utekelezaji yanayokaguliwa na kudhibitiwa kwa umakini mkubwa.

Baker anasema anaamini tunaelekea katika ulimwengu ambamo “utafiti wa kiotomatiki,” yaani mawakala watafiti kuboresha mifumo inayopimika kwa kutumia matokeo ya kila hatua kuongoza maboresho yanayofuata, utaenea kiasi cha kuchukuliwa kuwa sehemu ya kawaida tu ya kazi ya mtafiti wa takwimu. Leo, hata kazi za GPT‑6 Astra zinazochukua muda mrefu zaidi bado zinahitaji mashauriano ya mara kwa mara na mtu anayebainisha kazi hiyo—si tu kuhusu data za kuchukua, muda wa kufanya kazi na mambo ya kuchukuliwa kuwa muhimu, bali pia kama matokeo ya hatua za kati yana mantiki. Utafiti wa kiotomatiki wa hali ya juu bado ungeanza na mfumo uliobainishwa na binadamu, ukiwemo ufafanuzi wa data za kuingiza, mazingira, vipimo vya tathmini, mambo ya kusawazisha, na vipaumbele vya jumla. Hata hivyo, mchakato uliosalia ungekabidhiwa “kundi” la mawakala lenye muundo usio mgumu, ambalo lingeratibiwa na mawakala wengine. Katika mchakato wa utafiti uliopangiliwa vizuri, mawakala hawa wangeweza kufanya maamuzi yenye busara kuhusu jinsi ya kuchunguza mawazo, kugawa muda wa ukokotoaji na kuunganisha matokeo yenye matumaini, wakianza kwa kupewa swali ambalo bado halijajibiwa na maelezo machache tu.

“Inakuwaje unapoweza kuunganisha haya yote kutoka mwanzo hadi mwisho, kuuliza swali la jumla ambalo hata wewe hujui jibu lake, na kupata matokeo yenye manufaa?” anauliza. “Ukiweza kutatua mojawapo ya matatizo ya Milenia, huenda pia ukaweza kugundua mambo ya kuvutia sana kuhusu fedha zinazochanganuliwa kwa takwimu.”

Kila mwaka umeleta si tu maendeleo endelevu katika vipimo vya utendaji, bali pia mabadiliko makubwa katika aina za kazi ambazo modeli zinaweza kufanya. Mara nyingi ilikuwa vigumu kutabiri maendeleo haya hata miezi michache kabla: mwaka wa 2024, ilionekana kuwa mafanikio makubwa kwa mawakala wa awali kuandika faili moja bila makosa. Lakini mwaka wa 2025, iliwezekana kuunda hazina nzima za msimbo kutoka mwanzo, na mwaka wa 2026, kupiga hatua katika maswali ya utafiti ambayo hayajajibiwa, huku mawakala wengi wakishirikiana kwa wakati mmoja na kurekebisha ushirikiano wao kulingana na mahitaji. “Mwaka ujao tutakuwa na nini?” anasema. “Uwezekano ulioko mbele yetu unastaajabisha sana.”