วิลสัน ชาน ผู้ก่อตั้งและซีอีโอของ Permutable AI – ชุดสัมภาษณ์

วิลสัน ชาน เป็นผู้ก่อตั้งและซีอีโอของ Permutable AI บริษัทที่ตั้งอยู่ในลอนดอน ซึ่งเชี่ยวชาญด้านข้อมูลและอินเทลลิเจนซ์แบบเรียลไทม์สำหรับสถาบันการเงิน ด้วยประสบการณ์ทางด้าน AI ตลาดการเงิน และวิศวกรรมข้อมูล วิลสันสร้างระบบที่แปลข้อมูลจำนวนมากให้เป็นข้อมูลที่สามารถอธิบายและนำไปใช้ได้ เขาเป็นผู้ให้ความคิดเห็นบ่อยๆ เกี่ยวกับนวัตกรรม AI ในตลาดการเงิน ความเห็นของตลาด และอนาคตของการตัดสินใจโดยใช้ข้อมูล โดยสนับสนุนเทคโนโลยีที่เพิ่มทักษะของมนุษย์มากกว่าการแทนที่มัน

คุณเริ่มอาชีพของคุณที่เมอร์ริล ลินช์ และซิตี้ ก่อนที่จะก่อตั้ง Permutable AI สิ่งใดกระตุ้นให้คุณเปลี่ยนจากวงการเงินแบบดั้งเดิมไปสู่การสร้างบริษัท AI ที่เน้นไปที่อินเทลลิเจนซ์ของตลาด?

ฉันเริ่มอาชีพของฉันเป็นเทรดเดอร์ควอนตัมที่เมอร์ริล ลินช์ ในแผนกอนุพันธ์แบบฟิกซ์ อิน컴 ซึ่งแม้แต่ในตอนนั้นเราก็ทดลองใช้เทคนิคการเรียนรู้ของเครื่องจักรในระยะแรกเพื่อเพิ่มความเร็วในการทำอาร์บิทราจ_across_ คอร์브ของผลตอบแทน ส่วนใหญ่ของการเงินยังคงอยู่ในมุมมอง “ซอฟต์แวร์ 1.0” – กฎที่เขียนด้วยมือและแบบจำลองที่ตั้งค่าด้วยมือ

ในช่วง１０年 ที่ผ่านมา เราได้เห็นการเปลี่ยนแปลงอย่างรวดเร็ว: อันดับแรกไปสู่ “ซอฟต์แวร์ 2.0” ซึ่งเครือข่ายนิวรัลแทนที่ตรรกะที่ชัดเจน และตอนนี้ไปสู่ “ซอฟต์แวร์ 3.0” ซึ่งโมเดลภาษาขนาดใหญ่สามารถให้เหตุผลโดยตรงกับปริมาณข้อมูลที่ไม่มีโครงสร้างขนาดใหญ่ การเปลี่ยนแปลงเหล่านี้ทำให้เห็นจากภายในว่าตลาดจะถูกกำหนดโดยระบบที่เป็นมิตรกับ AI ที่สามารถตีความข้อมูลทั่วโลกได้เร็วและครอบคลุมมากกว่าระบบแบบดั้งเดิม

Permutable AI ถูกสร้างขึ้นเพื่อจับโอกาสนี้ – โดยการสร้างระบบ LLM และมัลติ-เอเจนต์สมัยใหม่ที่สามารถคาดการณ์การเปลี่ยนแปลงของตลาดแบบเรียลไทม์แทนการทำตามหลังเหตุการณ์

ภารกิจของ Permutable AI ในการ “คาดการณ์ ไม่ใช่แค่ทำตามการเปลี่ยนแปลงของตลาด” นั้นน่าดึงดูด มุมมองนี้มีอิทธิพลต่อการออกแบบโครงสร้าง LLMแนวตั้งในช่วงแรกๆ อย่างไร?

เราสร้างโมเดลการให้เหตุผลที่ออกแบบมาเพื่อทำความเข้าใจความสัมพันธ์และสาเหตุ ไม่ใช่แค่ความสัมพันธ์ โครงสร้างนี้ปรับเปลี่ยนอย่างต่อเนื่องกับสภาวะใหม่ๆ ของเศรษฐกิจข่าวสาร และการเปลี่ยนแปลงทางภูมิรัฐศาสตร์ ชั้นการปรับตัวนี้เป็นแก่นกลางของปรัชญาของเรา: หากคุณต้องการคาดการณ์ตลาด ระบบจะต้องพัฒนาเร็วเท่ากับโลกเอง

คุณสามารถอธิบายได้อย่างไรว่าโมเดลภาษาขนาดใหญ่แนวตั้ง แตกต่างจากโมเดลภาษาขนาดใหญ่แบบทั่วไป เช่น GPT และเหตุใดจึงเหมาะสมกว่าสำหรับตลาดการเงินและตลาดสินค้าโภคภัณฑ์?

ที่ Permutable เราสร้างสแต็คมัลติ-เอเจนต์ที่ออกแบบมาเพื่อทำงานร่วมกันและดำเนินงานแบบ end-to-end ที่ดูแลโดยทีมงานแบบดั้งเดิม เรามั่นใจว่าพวกมันสามารถทำงานได้ดีกว่าตลาดส่วนใหญ่แล้ว (ดูผลลัพธ์ 1 ปีของเรา) แต่เรายังเชื่อด้วยว่าผลลัพธ์ที่ดีที่สุดมาจากการผสมผสานเอเจนต์เหล่านี้กับวิศวกรและผู้เชี่ยวชาญด้านสินค้าระดับสูง

โมเดลภาษาขนาดใหญ่แนวตั้งฝังออนโทโลจีทางการเงิน – เอนติตี้, การไหล, สายโซ่อุปทาน, ตัวขับเคลื่อนมาโคร, สหสัมพันธ์ ผลลัพธ์ของมันไม่ใช่แค่ข้อความ แต่เป็นตัวตัดสินแบบมีโครงสร้าง: ตัวขับ, ระดับผลกระทบ, คะแนนความมั่นใจ ดังนั้นจึงถูกออกแบบมาเพื่อใช้ในตลาด

หลายสถาบันกำลังดิ้นรนในการปรับปรุงโครงสร้างพื้นฐานการวิเคราะห์ข้อมูลของคุณอย่างไร โครงสร้างการให้เหตุผลและปรับตัวแบบของคุณสามารถแทนที่ระบบเก่าได้อย่างไร?

เราสร้างระบบ LLM ที่มีการประเมินตนเองและการติดตามอย่างต่อเนื่องเป็นแกนกลาง จุดมุ่งหมายคือเพื่อรักษาการกำกับดูแลของมนุษย์ให้แคบและน้อยที่สุด ในขณะเดียวกันก็รับรองความน่าเชื่อถือ ความจริงคือนวัตกรรมภายในสถาบันที่ใหญ่ๆ นั้นยากมากเพราะสิ่งกีดขวางทางวัฒนธรรมและโครงสร้างบ่อยครั้งมาขัดขวาง

ที่ไหนที่องค์กรมีวัฒนธรรมและผู้นำที่เหมาะสม การเปลี่ยนแปลงนั้นจะน่าประทับใจ สุดท้าย สถาบันที่ยอมรับการเปลี่ยนแปลงนี้จะเร่งความเร็ว สถาบันที่ไม่ทำเช่นนั้นอาจต้องดิ้นรนเพื่อรักษาความเกี่ยวข้อง

Trading Co-Pilot เป็นการพัฒนาที่น่าตื่นเต้น มันใช้ข้อมูลเชิงลึกและข้อมูลมาโครในแบบเรียลไทม์เพื่อให้เทรดเดอร์มีความได้เปรียบอย่างไร?

ระบบของเราสแกนเนื้อหานับแสนในแบบเรียลไทม์และนำเสนอเนื้อหาที่มีความสำคัญจริงๆ พร้อมการวิเคราะห์ที่สร้างขึ้นเกือบจะทันที มันไปไกลกว่าที่โมเดลภาษาขนาดใหญ่ทั่วไปสามารถสร้างได้ เป็นเครื่องมือให้เหตุผลแบบเรียลไทม์ที่นั่งอยู่ข้างๆ ทุกเทรดเดอร์ อัปเดตมุมมองของมันเกี่ยวกับโลกอย่างต่อเนื่อง

AI ที่สามารถอธิบายได้กำลังเป็นสิ่งสำคัญในอุตสาหกรรมที่มีการควบคุมมากขึ้น Permutable รับรองความโปร่งใสและความรับผิดชอบภายในโมเดลและผลลัพธ์ของการตัดสินใจอย่างไร?

สิ่งที่ทำให้เราแตกต่างคือว่าผลลัพธ์ของโมเดลทุกๆ อย่างสามารถติดตามย้อนกลับไปถึงบทความที่แน่นอน ตัวชี้วัดเวลา และแหล่งที่มาได้ เราลดการ “เห็นภาพ” โดยการควบคุมขอบเขตงานของโมเดลแต่ละตัว ทุกอย่างมีประวัติการตรวจสอบที่มีประสิทธิภาพและความโปร่งใสที่ฝังอยู่ในโครงสร้างพื้นฐาน

หุ้นส่วนของคุณปัจจุบันครอบคลุมผู้ให้บริการข้อมูล แพลตฟอร์มการเทรด และบริษัทวิเคราะห์ หุ้นส่วนเชิงยุทธศาสตร์ที่เหมาะสมสำหรับ Permutable มีลักษณะอย่างไร และหุ้นส่วนเหล่านี้เพิ่มพื้นที่ครอบคลุมระดับโลกของคุณอย่างไร?

เราค้นหาพันธมิตรที่สอดคล้องกับวิสัยทัศน์ระยะยาวของ Permutable: นำการวิเคราะห์ตลาดแบบเรียลไทม์ที่ขับเคลื่อนด้วย AI เข้าสู่กระบวนการตัดสินใจหลักของตลาดทั่วโลก พันธมิตรที่เหมาะสมมีเครือข่ายระดับนานาชาติ มีเครดิตในระบบนิเวศ และมีความสามารถในการช่วยขยายข่าวกรองและข้อมูลเชิงลึกของเราไปทั่วหลายภูมิภาคและประเภทสินทรัพย์

คุณกล่าวถึงเป้าหมายในการสร้าง “โมเดลโลกสำหรับตลาดเงิน” โมเดลนี้จะมีลักษณะอย่างไรในทางปฏิบัติ และต้อง克服อุปสรรคอะไรเพื่อให้บรรลุเป้าหมายนี้?

โมเดลโลกจะทำการแมปกับและเข้าใจว่าราคาสินทรัพย์ที่สามารถซื้อขายได้โต้ตอบและอิทธิพลซึ่งกันและกันอย่างไร – ไม่ว่าจะเป็นหนี้สินของประเทศ อัตราแลกเปลี่ยน สินค้าโภคภัณฑ์ หรือแม้กระทั่งสิ่งที่เฉพาะเจาะจงเช่นราคากาแฟ มันเป็นตัวแทนแบบรวมของพลวัตตลาดทั่วโลก

คุณมองเห็น AI ที่ปรับตัวเปลี่ยนแปลงความเร็วและความแม่นยำในการตัดสินใจสำหรับผู้จัดการสินทรัพย์ กองทุนเฮดจ์ฟันด์ และสถาบันการเงินอื่นๆ ในช่วง 5 ปีข้างหน้าอย่างไร?

ทุกครั้งที่ฉันถูกเชิญเข้าร่วมการประชุมระดับคณะกรรมการ ฉันรู้ภายใน 1 นาทีแรกว่าองค์กรนั้นสามารถผ่านการเปลี่ยนแปลงของ AI ได้หรือไม่ วัฒนธรรมคือทุกอย่าง

เป็นข้อเท็จจริงที่ว่า AI แบบหลายโหมดจะรวมรายงาน ข่าว รูปภาพ ข้อมูลการไหล และสัญญาณราคาเข้าเป็นชั้นการให้เหตุผลเดียว และว่ากองทุนเฮดจ์ฟันด์จะก้าวหน้าไปอีกเพราะพวกเขาสามารถปรับตัวได้เร็ว แต่หลายองค์กรการค้าขนาดใหญ่และทีมที่ดีที่สุดยังคงต้านนวัตกรรม – พวกเขาไม่เข้าใจว่าภูมิทัศน์เปลี่ยนแปลงอย่างรวดเร็วแค่ไหน

สุดท้าย เมื่อ AI ยังคงเปลี่ยนแปลงการเทรดและการวิเคราะห์ สิ่งใดที่คุณตื่นเต้นที่สุดเกี่ยวกับขอบเขตใหม่ของ Permutable AI และระบบนิเวศ fintech ที่กว้างขึ้น?

เรามั่นใจว่าระบบมัลติ-เอเจนต์จะกลายเป็นโครงสร้างพื้นฐานที่โดดเด่น แม้ว่าเครื่องมือเหล่านั้นยังคงอยู่ในช่วงการเติบโตก็ตาม สิ่งที่ทำให้ฉันตื่นเต้นที่สุดคือผู้ชนะในด้านการเทรดและการวิเคราะห์จะเป็นสถาบันที่เต็มใจและสามารถปรับตัวได้ – และนั่นคือที่ที่วิสัยทัศน์ของ Permutable นั่งอยู่

ขอขอบคุณสำหรับการสัมภาษณ์ที่ดี ผู้อ่านสามารถเยี่ยมชม Permutable AI เพื่อเรียนรู้เพิ่มเติม