Trong suốt hơn 25 năm qua, đã có mối lo ngại về việc các nhà giao dịch con người bị thay thế bởi máy móc, tuy nhiên số người tham gia giao dịch vẫn gia tăng hơn bao giờ hết. Sự phát triển của các thuật toán giao dịch đã tạo ra một bức tranh hỗn hợp, với cả thành công và thất bại, trong thị trường tài chính. Google DeepMind đã giới thiệu AlphaEvolve, một tác nhân AI có khả năng tạo ra các thuật toán hoàn toàn mới, sau đó được sử dụng trong cơ sở hạ tầng của công ty. Sự đổi mới này kết hợp các mô hình ngôn ngữ Gemini của Google với các kỹ thuật tiến hóa, dẫn đến những cải tiến trong hiệu suất và giải quyết vấn đề trong các trung tâm dữ liệu và hệ thống đào tạo AI. AlphaEvolve hoạt động bằng cách tích hợp tính sáng tạo với sự xem xét thuật toán, tinh chỉnh các giải pháp được tạo ra bởi các mô hình ngôn ngữ lớn. Khả năng này đã giúp AlphaEvolve giải quyết các vấn đề phức tạp mà các nhà nghiên cứu đã không thể giải quyết, làm tăng sức hấp dẫn của hệ thống này trong nhiều ngành công nghiệp. Trong khi các ứng dụng tiềm năng của AlphaEvolve trong thị trường tài chính là rất lớn, công nghệ tương tự cũng có thể được áp dụng cho các mục đích quân sự. Tính chất đa công dụng của công nghệ này tạo ra cả mối lo ngại và cơ hội, vì nó có thể hình thành nhiều khía cạnh của cả thương mại lẫn quốc phòng. Những gì chúng ta thấy ở đây là một sự thay đổi do sự đổi mới trong học máy và trí tuệ nhân tạo thúc đẩy. Sự bổ sung gần đây của AlphaEvolve, dựa vào xử lý ngôn ngữ và logic tiến hóa, đánh dấu một giai đoạn mới trong việc phát triển các hệ thống tự động không chỉ thực hiện mệnh lệnh mà còn có thể tạo ra các giải pháp mới từ con số không. Khả năng của DeepMind trong việc kết hợp các mô hình có cấu trúc với các kỹ thuật thích ứng cho phép nó giải quyết những thách thức mà một đội ngũ con người có thể mất hàng tuần hoặc thậm chí hàng tháng mới có thể giải quyết—nếu có thể. Tiến bộ ban đầu trong tối ưu hóa trung tâm dữ liệu và phát triển mô hình AI cho thấy rằng các hệ thống này không chỉ bị giới hạn trong môi trường phòng thí nghiệm—chúng đã hỗ trợ những cải tiến rõ rệt trong hiệu suất cơ sở hạ tầng và giảm chi phí hoạt động. Những lợi ích này có thể có vẻ không liên quan đến bàn giao dịch nhưng thực tế không phải vậy. Các hệ thống được thiết kế để tự động tạo ra các chiến lược dựa trên thuật toán mới không cần phải chỉ giới hạn trong việc lập lịch máy chủ hoặc phân tích sửa chữa cơ khí. Nếu một thứ đang chọn những con đường tối ưu trong các hệ thống vận hành dày đặc, thì chỉ cần rất ít điều chỉnh để nó tập trung lại vào việc dự đoán dòng chảy thanh khoản hoặc phát hiện sự chênh lệch thông qua lập bản đồ độ trễ. Không phải ai cũng nhận ra rằng các mô hình này không phải là mô hình dựa trên quy tắc theo nghĩa cũ. Chúng không phụ thuộc vào con người để cung cấp các tham số if-then. Thay vào đó, chúng phát triển các chiến lược phản ánh thông qua thử nghiệm và tinh chỉnh, và đây là nơi mọi thứ trở nên tinh tế hơn. Thay vì áp đặt logic cho dữ liệu, chúng học các mẫu bằng cách chống lại thất bại qua các mô phỏng, thường tạo ra những cấu trúc mà các nhà phân tích định lượng truyền thống có thể không nhận ra khi xem xét đầu ra mã. Vì vậy, đáng lưu ý điều mà Hassabis đã chỉ ra khi triển khai dự án này không chỉ qua các diễn đàn nghiên cứu trực tuyến mà còn vào triển khai nội bộ. Đây là những công cụ không chỉ có khả năng xử lý một lượng lớn và ồn ào dữ liệu mà còn đưa ra quyết định về cách làm điều đó một cách phương pháp. Khi là các nhà giao dịch, chúng ta đôi khi đã đo lường lợi thế của mình bằng cách hiểu cả hành vi thị trường hiện có tốt như thế nào. Bây giờ, lợi thế có thể nằm ở nơi các hệ thống ứng biến dưới các công cụ kiểm toán, luôn đi trước một chút so với tín hiệu có thể quan sát được. Điều này không có nghĩa là từ bỏ kiểm soát. Nó, tuy nhiên, nâng cao yêu cầu đối với việc giải thích mô hình. Những cấu trúc mà từng được xem là tiên tiến—như các bộ máy phân tích tâm lý hoặc các trọng số rủi ro đa yếu tố—có thể sớm được coi là cơ bản. Đặc biệt nếu chúng ta quan sát thấy rằng mã sinh học có thể phát triển các phương pháp chuyển đổi nội trong ngày. Suleyman đã bắt đầu đặt câu hỏi về sự giám sát, đặc biệt khi xem xét rằng công nghệ tương tự có thể vượt qua các lĩnh vực chỉ với những thay đổi cụ thể cho lĩnh vực. Việc tái ứng dụng những hệ thống như vậy trong môi trường an toàn tạo ra các biến số mà, mặc dù không phổ biến trong hầu hết các trường hợp bán lẻ, có thể làm méo mó đầu vào thị trường từ các tác nhân bên ngoài. Điều này thêm một lớp cẩn trọng—có thể cần phải đặt một khoản phí cao hơn vào việc xác minh tính toàn vẹn của nguồn cung cấp và xác nhận hành vi mô hình trong thời gian dài, ngay cả khi kết quả chính có vẻ ổn định.

Bắt đầu giao dịch ngay bây giờ — nhấp vào đây để tạo tài khoản VT Markets trực tiếp của bạn.