桥水如何投资AI？

全球最大的对冲基金如何看待AI？

7月3日周一，桥水联系首席投资官Greg Jensen在接受采访时系统谈了桥水对AI技术的看法，分享了他对桥水如何投资AI、如何利用AI投资以及对AI技术的展望等问题的看法。

Jensen称：

在重组桥水的过程中，我们还做了一件以前没有做过的事情，就是让一些人去研究、投资那些可能不会立即盈利的东西，但这是我们的长期项目。

因此，我们就成立了这个AI项目，团队一共有17个人，由我领导。我仍然积极参与桥水基金的核心工作，但其他16个人则百分百致力于通过机器学习的方式重塑桥水基金。

我们将设立一个专门由机器学习技术运营的基金，这就是我们现在在实验室所做的工作，并突破了人工智能、机器学习能力的限制。

现在，想要成立这样的基金还很大的问题。如果我们采用大型语言模型，它们有两类问题。第一，这些模型在语言结构方面接受了更多训练，所以他们通常会反馈一些看起来像是结构、语法正确的东西，但并不总是准确的答案。这是一个问题。第二，它产生幻觉，它编造事情，因为它更关注接下来出现的单词或概念的结构，而不是接下来出现的概念是否准确。

因此，Jensen认为，AI可以帮助人们将观察到的事物概念化、理论化，但是真正要利用AI来选择股票，还有很长的路要走。因此，桥水真正的关注点是：

但还有其他方法可以将其与统计模型和其他类型的AI结合起来。这正是我们真正关注的重点，即将精度较差的大型语言模型与擅长准确描述过去但对未来预测很糟糕的统计模型结合起来。

将这些结合在一起，我们开始构建一个生态系统，我相信这一生态系统可以实现桥水分析师正在做的事情。

如果这一生态系统搭建完成，我们相当于同时拥有数百万个水平处于中上的投资合伙人。如果我们有能力通过统计数据来控制AI的幻觉和错误，我们就可以快速完成大量工作。 这正是我们在实验室所做的事情，并证明该过程是可行的。

如果可以搭建一个包含了AI和其他技术的生态系统，桥水将如何利用这一系统进行投资呢？

Jensen认为，其中统计AI和大规模语言模型可以相得益彰，在投资中扮演桥水“左右手”的角色：

统计人工智能可以采用理论，回溯这些理论是否至少在过去是正确的，以及它们的缺陷是什么，并对其进行完善，提供如何以不同的方式去做的建议，然后我们可以与之对话。

大规模语言模型具有的一个优势是，采用一个复杂的统计模型并讨论它在做什么。有一些方法可以训练语言模型来做到这一点。我们模拟这种情况的方式是语言模型可以提出潜在的理论。这不是世界上最具创意的事情，但它是规模化的理论，这是肯定的。再说一次，大规模语言模型非常好，但是我们必须以某种方式调整语言模型，我们就可以使用统计数据来控制它。

然后，我们可以再次使用语言模型来获取统计引擎中的结果，并与人类或其他AI进行讨论，并报告所发现的内容、内容以及理论类型。如果得出的结论和人们的认知相反，那么就进行更多的测试。

这就是我非常兴奋的循环，正如我所说，到目前为止，统计AI受到限制，因为它专注于市场数据。对于语言模型来说，好处是它能够更好地理解统计模型所没有的东西。

例如，市场统计模型没有贪婪的概念，但大规模语言模型几乎可以理解贪婪的概念——这些模型读过所有关于贪婪和恐惧之类的文章。因此，现在将两者结合，就能产生类似人类的思考模式。

随着时间的推移，计算机可以做的事情越来越多。Jensen认为：

我想说的是，今天，人类已经习惯了只完成和直觉、创意相关的角色，我们使用计算机进行记忆并不断准确地运行这些规则。这只是过渡到了一半，现在又一次迎来飞跃。

毫无疑问，AI将改变投资助理所扮演的角色。确切地说，在可预见的未来，我们仍然需要人们围绕这些事情进行工作，我们仍需要一段时间来构建这些机器学习代理的生态系统等等。

利用AI将成为未来工作的一部分，我认为在任何知识行业中都很难不利用这些技术。

在计算机程序编写方面，我们正在看到编码方面的巨大突破。现在，借助AI，人们只需要知道想要编码什么，而不是需要知道如何编码，这是一个巨大的突破。 因此，一群在C++、Python或其他方面没有受过良好培训或能力的人可以突然更快地获得他们想要的东西。

所以突然之间，职场需要的技能组合正在发生变化，而且它们的变化方式对许多人来说是令人惊讶的，因为这实际上是很多知识工作，例如内容创建等等，人们一度认为被机器取代的时间还在遥远的将来，但实际上却近在眼前。

所以最重要的是，现在有太多的变化，在职场上需要拥有灵活性，并能够利用任何工具，这是非常必要的。

市场上现在出现了五花八门的AI投资管理工具，人们关心的是，随着AI的大发展，未来是不是人类只需要把投资交给AI就可以了呢？

Jensen认为：

我认为这既会导致事故，又让我感到非常兴奋。显然，我对AI的力量感到兴奋，我认为有一些方法可以很好地利用它。但同时，AI会产生很多错误。

有些基金会使用GPT来挑选股票，但这些基金经理并没有真正深入了解AI以及可能存在的弱点。

有一个例子，在房地产市场上，房地产中介平台Zillow就使用了AI技术来预测房价、评估房价，并进入市场开始购买AI认为被低估的房子。但是，Zillow有几个问题。

一是虽然他们拥有大量的住房数据，但这些数据是在相对较短的时间内发生的。因此，尽管他们拥有看似大量的数据点，但仍然存在一个宏观周期影响着他们所做的评估。

其次，当它实际上是一个对抗性市场时，他们低估了理论与实践脱节的情况。

因此，这显然对Zillow来说是一个巨大的问题，他们对房地产市场产生了很大的影响，然后又遭遇了巨大的失败。

回到股市，非常短期的交易，可以说更适合机器学习，因为有大量数据，AI可以通过这些数据更快地学习。

但另一方面，更长期来看，AI的作用就未必能发挥的出来了。数据通常就像一个人一生的心率数据一样。你可能会觉得，哇，我的心跳已经持续了49年，这看起来像是很多数据，但当你心脏病发作时，这些数据就完全无关紧要了。因此，即使有大量数据，也可能会产生误导，而这些问题将导致这些技术出现巨大问题。

因此，人们必须了解这些工具，它们擅长什么，不擅长什么，并以一种能够发挥各类工具长处、规避短处的方式组合起来。

在大型语言模型上，还有很多工作要做，我们当然可以通过强化学习进行训练，以确保它们不会犯已知的错误。

Jensen认为，市场依然被乐观情绪主导。他说：

美联储在将采取的行动方面似乎比市场更加现实一些。当你看看市场的反应时，你会发现这是非常乐观的。

但是我们不得不注意的是，从历史上来看，市场常常容易过于乐观。