Илон Маск  полагает, что людям пора свой интеллект объединить с роботами. Вероятно, он снова прав.

В одном из своих последних интервью Илон Маск рассуждает о том, что людям надо слиться с искусственным интеллектом в ближайшее время и создать новую форму интерфейса взаимодействия. Вероятно, этот симбиоз сможет приблизить человечество к тому, чтобы решать одну из наиболее трудно решаемых задач – прогнозировать будущее с высокой точностью.

Совершенно без исключения,во всех сферах бизнеса, люди пытаются уже много лет решить данную задачу с применением разных технологий с разной степенью успешности.Трейдеры и инвесторы пытаются предсказывать успех компаний, чтобы получать сверхприбыли в инвестиционных сделках и будущие значения цен акций. Политические аналитики делают прогнозы исхода президентских выборов, а корпорации тратят большие средства, пытаясь предугадать технологические тренды будущего. Многие из этих вертикалей уже в той или иной степени пользуются интеллектуальным краудсорсингом, чтобы решить эти задачи. Предлагаем рассмотреть текущие решения.

В настоящий момент так называемые синдикаты закрывают большинство инвестиционных венчурных сделок. То есть в сделке в одном раунде одновременно принимают участие несколько инвесторов. И этот тренд только усиливался с каждым годом. Помимо просто синдикатных сделок, в которых принимают участие партнерские венчурные фонды, каждый год организуются специальные объединения/клубы коллективных инвестиций (самым известным примером можно назвать – AngelList, российский аналог – VentureClub)

Почему венчурные (и не только) инвесторы любят входить в сделки не в одиночку, а группой, хотя, казалось бы, к чему делиться со своими конкурентами по рынку выгодной инвестицией?
Одной из причин таких структур сделок является использование системы коллективного интеллекта для хеджирования рисков от возможных ошибок группового мышления, когда инвестор способен принять ошибочное решение о сделке на почве недостаточной компетенции в конкретной отрасли или ложного тренда, инсайта. В синдикате же набор компетенций и предыдущего опыта инвесторов может быть очень разнородным, что дает возможность взглянуть под разными угламии на стартап в целом, и на команду, и на возможные риски. И в случае если найдутся какие-то веские причины, чтобы отменить сделку – сделать это. В большинстве венчурных инвестициях наилучшая сделка – это сделка нереализованная.

А теперь представим, что к коллективному интеллекту профессиональных инвесторов можно добавить технологию искусственного интеллекта, которая в реальном времени на основе множества данных (подобных количеству выходов, ситуации на фондовом рынке в конкретной отрасли, ситуации на рынке труда и даже поведению основателей стартапа в социальных сетях) адаптируется к настоящей рыночной ситуации и создает сигналы для принятия решения о вхождении или не вхождении в ту или иную сделку без какого-либо эмоционального фактора. Большинство инвесторов пред-посевных и посевных стадий говорят, что основным фактором для принятия их инвестиционных решений до сих пор остаются эмоции.

В данном случае симбиоз двух типов интеллектов мог бы эффективно нивелировать недостатки «эмоционального» подхода людей, усилив сигнал для принятия решений множеством децентрализованных точек для анализа данных. Применение подобного подхода обосновано в системах с еще большей степенью неопределенности и высокой сложностью решаемых задач. К примеру, биотехнологии. В известной научной работе исследователи придумали игру, в которой каждый участник с разной степенью знания мог принять участие в процессе молекулярного докинга (процесс, который позволяет предсказать структуру будущего химического элемента с желаемыми свойствами).

Каждый участник этого проекта мог разместить две молекулы белка любым способом относительного друг друга. Используя подобныйкраудсорсинг от множества различных специалистов совместно с виртуальным скринингом (компьютерное моделирование и machinelearning), ученные путем совмещения молекулы (лекарства) и целевого белка (раковой мишени)создают новые лекарства. Синергия двух интеллектов помогает людям создавать лекарства от прежде неизлечимых заболеваний.

«Коллективный разум» для новых технологий корпоративного управления пользуют Johnson&Johnson,Google и еще некоторые не менее серьезные корпорации. Для краудсорсинга новых идей, для создания прогнозов о будущем компании и ее конкурентов (старт работы на новых рынках,выпуск новых продуктов,планы продаж) корпорации уже начали интегрировать в свои стратегические процессы технологию краудсорсинга идей и предсказания будущего. Компания из Чикаго CultivateLabs, которая выросла из стартапа одного из самых первых выпусков Y Combinator в 2006 году, как раз предлагает крупным компаниям и общественным организациям подключиться к внутреннему коллективному интеллекту, чтобы генерировать ценные «инсайты».

С одной стороны, топ-менеджмент собирает (что важно, децентрализованно) сигналы и предложения от разных департаментов и сотрудников– ведь, точки зрения и «инсайты» у менеджера по продажам, каждый день собирающем от рынка обратную связь, и разработчика, который владеет информацией о действительной ценности технологии и выполнения продуктового плана компанией, имеют совсем различную ценность и природу. Подключив к данной системе беспристрастные алгоритмы обработки больших данных (непрерывно изменяющуюся рыночную ситуацию, прогнозы и аналитические отчеты,данные о продажах) и математического моделирования, топ-менеджмент компании получает доступ к ценному децентрализованному источнику принятия решений, которым можно пользоваться в связке с прочими стратегическими параметрами.

Такая технология, безусловно, будут использовать и в политических целях. Примечательным является известный студенческий проект Iowa Electronic Market, который был запущен в 1988 году и стал в итоге одним из наиболее точных инструментов, призванных предсказывать результаты выборов и политических событий для большинства стран. Участники этого «рынка» могут продавать или покупать контракты на те ли иные итоги будущих политических событий (аналогично коротким и длинным позициям на бирже), формируя тем самым ожидания и очень точную вероятность победы того или иного кандидата в президента. На протяжении двадцати лет эта технология предсказывала результаты президентских выборов в США с наибольшей точности по сравнению с любыми компаниями или аналитиками (до последних выборов, кстати).

Но все же лидером в глубине проработки и использования гибридного интеллекта в бизнесе являются, без сомнения, фондовые рынки. Сфера, в которой трейдерам приходится принимать решения на миллионы долларов каждую секунду (а торговым роботам – каждую миллисекунду).

Финансовый рынок - это предсказание в чистом виде. Выимеете цену акций на настоящий момент и много неизвестных, которые завтра станут оказывать влияние на цену. При этом рынок очень быстрый, прогнозы необходимы в большом объеме и каждый день. Где их брать? Безусловно, у аналитиков, но количество специалистов ограничено и все они используют почти одну и ту же информацию. Мы стали заниматься изучением публичных экспериментов. В одном из них профессор предлагал студентам угадать количество конфет в банке, демонстрируя, что средневзвешеннный ответ их большой группы был бы наиболее точным (по сравнению с ответами даже самых точных и удачливых индивидуумов). А в 1906 году британский ученный Френсис Гальтон подобным образом определил точный вес быка, продававшегося на сельско-хозяйственном аукционе, децентрализовано опросив около 800 посетителей этой ярмарки. В середине 20-го векасоциолог ХейгелНайтдала студентам задание оценить в комнате температуру. Средний арифметический показатель мнения группы сообщил о том, что температура в комнате должна быть на уровне 22,44 градусов, в то время как реальная температура составила 22,2 градуса.   Технологии гибридного интеллекта для финансовых рынков, я убежден, не менее перспективны.

На рынке эту задачудавно стараются решить. К примеру, стартап Estimize с помощью двадцати тысяч разнородных непрофессилнальных аналитиков уже несколько лет дает более точные прогнозы по доходности публичных компаний, чем WallStreet. На протяжении уже четырех лет коллективный разум Estimize бьет рыночный консенсуc профессиональных аналитиков WallStreet в 70% случаев. Но один из главных вызовов для этой компании – это по-прежнему разработка системы весов доверия каждого из участников коллективного интеллекта для нивелирования шумов и попыток мошенничеств. Другая компания, Numer.ai  собирает коллективные прогнозы —  только не людей, а математических моделей. Этот калифорнийский стартап создал свой собственный хедж-фонд, управление которым они доверили тысячам разработчкикам торговых роботов. Запуская соревнование между ними и мотивируя финансово каждый месяц сто наиболее релеватных (с точки зрения профита), Numerai создают новый подход краудинвестинга интеллектуальных ресурос — ProofofIntelligence. Только на прошлой неделе фонд анонсировал IСO собственной криптовалюты для перехода на нее выплаты денежных бонусов разработчикам. Этот шаг дает возможность, с одной стороны иметь легальную возможность выплачивать дивиденды пользователям со всего мира, а с другой стороны — сделать этот формат сотрудничества совершенно анонимным. Numerai еще лишь предстоит решить одну из основных проблем такого подхода – «переоптимизация» математических и торговых моделей. Эта проблема вызвана тем, что построение их моделей строится на основе ретроспективных данных, а не в формате форвард тестирования реальных сделок  в реальном времени, учитывая всевозможные рыночные изменения.

Наш эксперимент с Московской Биржей (автор представляет сервис прогнозов Cindicator  - Forbes) подтвердил, что коллективный интеллект непрофессиональных трейдеров вместе с искусственным интеллектом торговых роботов может заработать на бирже.  Коллективный разум в этом эксперименте состоял из 863-х абсолютно не связанных между собой людей, которые каждый день прогнозировали внутридневные ценовые уровни для 4-х фьючерсов. Всего в ходе эксперимента было задано пятьдесят шесть вопросов, на основе которых робот совершил двадцать семь сделок, семнадцать из которых были прибыльными. В результате за пятнадцать дней эксперимента модельный портфель вырос на 2.81% в валюте. Это соответствует доходности 47% годовых в валюте.

Но стоит полностью понимать все вероятные риски такой модели, которые требуют серьезной проработки, чтобы поддерживать релевантные результаты на длительном промежутке времени.
Кроме сбора достаточной в размерах выборки аналитиков-«предсказателей, надо внимательно оценивать качество решаемых задач каждым из участников группы для максимально корректного определения весов доверия. По теории Суперфоркастинга надо находить именно те 2% людей из случайной выборки, которые в процессе прогнозирования обладают наибольшей ценностью. Созданием такой системы для этого эксперимента занималась целая группа наших математиков. Также нужно было удостовериться, что каждый из суперфоркастеров обладает очень серьезной мотивации делать прогнозы каждый с максимально возможной для него точности во избежание появления шумов и понижению точности. Для этого мы на протяжении всего эксперимента поддерживали соревновательный накал за денежный приз, который динамически повышался от положительного результата трейдинга торгового робота.  Не менее серьезно нужно подходить и к самой формулировке поставленной задачи. Например, нам пришлось выяснить эмпирически мы выяснили, что оптимальным горизонтом прогнозирования ценовых уровней является внутри-дневные и внутри-недельные минимальные и максимальные значения цен финансовых инструментов. Что интересно, если провести бектесты сделок, учитывая только прогнозы победителя (самый точный участник) в этом эксперименте, то его прибыль составила бы +1,48%, что почти вдвое ниже прибыли, которую показал гибридный интеллект.
В общем, возможно, и здесь Илон Маск оказался прав:  людям, действительно, пора объединяться в единый гибридный интеллект с роботами.