Mesterséges Intelligencia: a nagyon közeli jövő! Mit várhatunk az MI-tól a gazdaságban és a tőzsdén?

Dátum: 2023. június 27., kedd 18:00 - 19:00

Érintett témák:

• Mi az a Mesterséges Intelligencia?
• Mit várunk tőle, mire használható?
• Ez az új ipari forradalom: áldás vagy átok?
• Mely tőzsdei cégek a sztori főszereplői?
• MI részvények és a tőzsdei buborék esete.

Előadók:

• Dr. Jakovác Antal, a Wigner Fizikai Kutatóközpont MI kutatócsoportjának vezetője
• Miró József, PhD, az Erste Befektetési Zrt. vezető elemzője, stratégája
• Varjú Péter, az Erste Befektetési Zrt. Értékpapír és Derivatív kereskedés vezetője
• Turner György, az Erste Befektetési Zrt. USA Desk üzletkötője

A webinárium alatt érkezett kérdések és szakértőink válaszai:

Azt láthatjuk, hogy eltérő felhasználásra eltérő AI "termékek" vannak. Van olyan ami kutatásra/piackutatásra használható?

Ami itt leginkább eszembe jut, azok az ajánlórendszerek. Ezek nem a neural network struktúra alapján dolgoznak, de adatokból derítik ki az ügyfél preferenciáit.

80%-os kripto árfolyam előrejelzés? Ez egy aranybánya... :)

Az eredmények tényleg bíztatóak :) A preprint EZEN linken érhető el.

A tiszta fizikában, például a statisztikus fizikába betörhet vagy már betört-e a mesterséges int.?

Amit szoktak csinálni, hogy az egyenletmegoldásokat megsegítik MI előrejelzésekkel. Ez lehet teljes körű, mint pl. mechanikában, ahol a mozgástörvényeket numerikusan lehet rekonstruálni a megfigyelési adatok segítségével. Máshol csak "educated guess", azaz viszonylag jó előrejelzés várható, amit ugyan pontosítani kell, de kevesebb erőforrással. Ilyesmi működik hidrodinamikában, vagy éppen a ray tracing új eljárásainál.

Kell-e aggódnia valakinek, hogy elveszítheti a munkáját az MI miatt?

A világ át fog alakulni az AI eszközök használata miatt, ezért bizonyos munkakörökre nem lesz szükség. Ez így történt a gépek megjelenésével, amely pl. a kubikusok munkáját tette feleslegessé, vagy a számítógépek megjelenése, amely sok irodista munkáját helyettesítette. Ugyanakkor születtek új munkakörök (gépkezelő, -gyártó, számítógép programozó, stb.). Azt gondolom, hogy ehhez hasonló jelenségek fognak most is lejátszódni. Lesznek ugyan vesztesek, de a társadalom nagy része profitálni fog a változásból. Felelősségünk, hogy aki leszakad, annak segítsünk magára találni az új körülmények között.

Dr. Jakovác Kutató Úrhoz, mekkora és hány összetevős adatbázist használtak fel a Bitcoin elemzéshez? Úgy gondolom, elég sok más, nem feltétlenül pénzügyi adatot kell ahhoz elemezni, hogy lehessen találni mintázatot, vagy akár egy black swan eventet előrejelezni!? MIt vettek bele, pl energia vagy más index mozgását is, akár a live news-ban futattak folyamatos kereséseket?

A Bitcoin elemzés preprint formájában elérhető, a részleteknek ott lehet utánanézni. Alapvetően 2019 januárja és 2022 októbere közötti pénzügyi adatokkal dolgoztunk, 1 perces időközökkel.
A második megjegyzése teljesen jogos: amit mi meg tudunk állapítani, hogy a kriptovaluták piacának milyen törvényszerűségei voltak ebben az időszakban. Ha a törvényszerűségek megváltoznak -- black swan event, vagy akár a piaci viszonyok tartós megváltozása --, akkor a törvényeket újra kell alkotni. De hát pont ez a tanulás!

Milyen szektorokra lehet nagy hatással az AI?

Az AI alapvetően ott alkalmazható, ahol sok adatból kell döntést hozni, de a döntés részben heurisztikus. Ilyen terület nagyon sok van, a pénzügytől az orvostudományon keresztül az újságírásig, vagy akár az autóvezetésig. Alapvetően arra kell számítani, hogy a megoldásokat segítő eszközökként jelennek meg a piacon az AI termékek, nem önálló döntéshozóként.

Ha visszaszorítjuk a laborokba, sokkal kevesebb interakcióból tud tanulni, mint ha nyilvános és milliókkal kell kapcsolatba kerülni.

Egyetértek. Az AI akkor fog fejlődni, ha sokan használják, fejlesztik. Ahogy annak idején a programozás esetén, mihelyst a személyi számítógépek megjelenése miatt széles körben elérhető lett, hirtelen ugrásszerű fejlődésnek lehettünk tanúi, Hasonló volt a GPU, a grafikus kártyák felhasználása: mikor a játékok miatt sokakanak szüksége lett rá, egyszerre meglendült az iparág.
Ha mi Európában vagy Amerikában az AI-t a laborokba szorítjuk vissza, olyan versenyhátrányba kerülünk pl. Kínával szemben, amely hosszú távon beláthatatlan következményekkel fog járni. Már most a kínaiak sokkal több tanító adathoz jutnak hozzá, és nehéz a versenyt tartani. De ha adminisztratíve még rásegítünk, biztosan le fogunk maradni.

A MI tud a közeljövőben (az ERSTE bankárok segítségével) segíteni a befektetéseink OPTIMALIZÁLÁSÁBAN? Mit vegyünk nagyobb esetleges Nyereség elérése érdekében?

Turner György kollégám felsorolt számos elsősorban technológiai részvényeket. Ezekhez lehet hozzá adni más izgalmas cégeket. Ilyenek például a felhószolgáltatók, de például azok a speciális ingatlankezelők, akik felhőszolgáltatóknak építenek és adnak ki ingatklanokat, azok is az iparági ternd nyertessi lehetnek.
Mit vegyünk nagyobb esetleges Nyereség elérése érdekében ? A felvezető értékláncok a hetvenes évek óta többször is drasztikusan átalakultak (más országok más vállalatai emelkedek fel), úgyhogy az évtizedekre előre prognosztizáló trendeknél érdemes figyelembe venni azt is, hogy az ezekből ténylegesen profitáló vállalatok nem feltétlenül azok lesznek, amik most a területen tevékenykednek, vagy a legnagyobb médiavisszhangot kapják.

Mikor várható olyan személyi asszisztenshez hasonló MI, ami elolvassa az emailt, megválaszolja, naptárbejegyzést hoz létre, akár utalást indít?

A Google Bard és Microsoft Buing ChatGPT segítségével próbáltam optimalizálni a reggeli munkánkat. Azaz releváns, minket érdeklő gazdasági vállalati hírek gyűjtésére próbáltam rávenni őket. A kísérlet kudarcba fulladt, mert még az időponttal is problémái voltak. Lazán hoztak egy évvel ezelőtti híreket, pedig 24 órán belülieket kértem tőlük. Szóval szerintem még egy kis idő szükségeltetik, míg titkárnőnek, titkárnak lehet használni őket.

Két MI tudja egymást tanitani? Tudnak kommunikálni?

Több esetben ez az eljárás: pl. táblajátékok esetén (sakk, go) az egyes AI programok egymással játszottak, és így tudtak egyre jobbak és jobbak lenni. Másik példa a GAN (generatív adversarial network) struktúra: itt van egy képgeneráló rendszer, és egy képfelismerő rendszer. Ez utóbbinak az a feladata, hogy felismerje, gép által generált, vagy valódi képet lát. Ha a két részrendszer kiegyensúlyozott, egymást tanítva tudnak egyre valósághűbb képet generálni.