Примечание редактора: когда ИИ начинает писать код, оптимизировать код и даже постепенно брать на себя управление процессами производства программного обеспечения, приближаются более глубокие структурные изменения: профессиональное разделение труда, корпоративная организация и даже барьеры знаний могут быть переопределены.
Автор этой статьи управлял командой из почти 20 человек в хедж-фонде, но выбрал уход с работы и создание стартапа на пике своей карьеры. По его мнению, настоящим сигналом является не рыночные настроения, а скачок в технологических возможностях. Когда модели могут стабильно генерировать пригодный код и обладают способностью к рекурсивному улучшению, логика разработки программного обеспечения и производства знаний уже начала меняться.
С точки зрения количественных финансов, в статье анализируются несколько типов краткосрочных «рвов», которые все еще могут существовать в эпоху ИИ, включая проприетарные данные, регуляторное трение, авторитетную поддержку и отставание физического мира, одновременно выдвигая ключевое суждение: в высоконеопределенную эпоху важнее, чем точно предсказывать будущее, — это определить направление и действовать до того, как окно возможностей закроется.
Ниже оригинальный текст:
Когда модели начинают писать код, изменения уже необратимы
Я впервые осознал, что отрасль приближается к переломному моменту, на своей предыдущей работе, как будто услышал, как фоновая музыка замедляется, а окружающие все еще притворяются, что ничего не изменится.
В то время я управлял командой из почти 20 человек в хедж-фонде, занимаясь тем, что делал много лет. Со стороны это выглядело как стабильно растущий карьерный путь. Если бы я остался там, я, скорее всего, достиг бы еще больших успехов. Но в итоге я выбрал уход с этой позиции, о которой многие мечтают, чтобы с нуля создать стартап с командой всего из нескольких человек. Это решение в то время почти никто не понимал, его даже считали «карьерным самоубийством».
Но за последние месяцы массовые увольнения, добровольные уходы для создания бизнеса и все больше людей, которые днем работают, а ночью тихо пишут код для проектов, — все это делает то тогдашнее «безумное» решение не таким уж странным.
За это время многие спрашивали меня: к чему все это в конечном итоге приведет? Эта статья — ответ, который я могу дать сейчас.
Честно говоря, я не уверен, насколько масштабными в итоге окажутся изменения. Но количественные финансы научили меня одному: быть правым в направлении часто уже достаточно.
Что действительно заставило меня осознать необратимость изменений, так это модель o1 от ChatGPT.
До этого я всегда называл эти системы «LLM», а не «ИИ». Я не считал, что они действительно обладают способностью, близкой к интеллекту. Но когда появился o1, кое-что изменилось: эти модели впервые смогли стабильно генерировать код через структурированные промты.
Код все еще не идеален, в нем могут быть галлюцинации или ошибки понимания. Но ключевой момент в том, что он уже может писать полезный код.
Мое суждение простое. Как только ИИ сможет генерировать пригодный код, он начнет рекурсивно улучшать собственную логику и с невообразимой для нас скоростью推动 разработку программного обеспечения.
Каждый раз, когда я это озвучиваю, кто-то возражает: «В этом коде все еще есть баги, он далек от требований production-среды». Но это как раз упускает из виду факт: код, написанный людьми, тоже содержит баги. Нам не нужно, чтобы ИИ писал идеальный код, чтобы перестать писать код самим.
Настоящий переломный момент наступит, когда частота ошибок кода от ИИ станет ниже человеческой, а скорость — значительно выше. В тот момент написание кода будет полностью передано на аутсорсинг машинам.
Увидев возможности o1 своими глазами, я почти наверняка могу сказать: в будущем произойдут очень резкие изменения.
Рвы, все еще существующие в эпоху ИИ
Изначально я думал, что ИИ будет постепенно размывать отрасль количественных финансов, но这个过程 будет медленным. Причина проста: для институционального кода почти нет公开 данных для обучения.
Тогда я представлял разработку программного обеспечения как пирамиду: самый нижний уровень — базовая编码 работа; выше — старшие инженеры с архитектурными способностями; еще выше — профильные разработчики, например, data scientist'ы, количественные разработчики, различные отраслевые эксперты. Теоретически, чем глубже экспертные знания, тем безопаснее профессия.
Мое тогдашнее предположение было таким: в течение двух лет сначала будут вытеснены базовые программисты; затем старшие инженеры; а выше, по мере того как модели постепенно поглощают экспертные знания, более высокие позиции также окажутся под ударом.
Но вскоре я осознал另一件事: передовые модельные компании в конечном итоге будут напрямую нанимать отраслевых экспертов, чтобы вводить экспертные знания в модели. Другими словами, экспертные знания действительно станут краткосрочным рвом, но в долгосрочной перспективе они также будут постепенно поглощаться моделями.
В том суждении несколько типов бизнеса в ближайшие пять лет вряд ли будут легко颠覆нуты.
Первый тип: Проприетарные данные
Компании с большим объемом проприетарных данных сложнее заменить.
Например, крупные многопрофильные хедж-фонды (pod shop), такие как Millennium, ежедневно генерируют огромные объемы данных: исследования аналитиков, инвестиционные предложения, рыночные суждения, фактические результаты交易
Эти данные можно использовать для постоянной тонкой настройки моделей, создавая преимущества, которые сложно воспроизвести извне. Пока источники данных компании не являются легко доступными для модели, у нее все еще есть ров на некоторое время.
Второй тип: Регуляторное трение
Любую отрасль, требующую大量 человеческих согласований, нелегко быстро颠覆нуть. Например, традиционные финансовые рынки.
Чтобы выйти на эти рынки, вам нужно: открыть брокерский счет, получить лицензию, подписать международные юридические документы. Торговать криптоактивами легко, но иностранной компании, желающей торговать железной рудой в Китае, это далеко не так просто.
Пока в какой-либо отрасли仍然 требуется человеческая подпись для утверждения, ее развитие обязательно будет ограничено процессами согласования.
Третий тип: Авторитет как услуга
Сейчас уже не проблема заставить ИИ написать юридическое заключение. Но реальность такова, что люди все еще готовы платить десятки тысяч долларов за заключение юриста. Причина проста: мнение ИИ в настоящее время не обладает авторитетом.
Аудит смарт-контрактов работает по той же логике. С технической точки зрения, ИИ, возможно, уже достиг или превзошел уровень лучших аудиторов. Но рынок все еще предпочитает покупать «печать» известных аудиторских компаний.
Потому что клиент покупает не само заключение, а авторитет, стоящий за ним.
Четвертый тип: Физический мир
Аппаратное обеспечение развивается гораздо медленнее, чем программное, и аппаратные проблемы также сложнее исправить.
Следовательно, материальные отрасли, напрямую взаимодействующие с реальным миром, вряд ли будут быстро颠覆нуты ИИ в краткосрочной перспективе. Однако, как только возможности硬件 поспеют, та же логика все равно apply: сначала исчезнут низкоуровневые позиции, затем позиции более высокого уровня.
Эти рвы действительно существуют. Но必须承认, они лишь замедляют изменения, а не阻止 их.
Действовать на основе сигналов, а не ждать определенности
Когда будущее высоконеопределенно, а скорость изменений极快, люди обычно совершают две ошибки.
Первая — ждать появления определенности, прежде чем действовать. Вторая — просто применять исторические аналогии, например: «Это похоже на пузырь доткомов».
Оба подхода могут привести к ошибкам в суждении.
В условиях неполной информации более разумный метод — рассуждение от первых принципов.
Вам не нужно знать каждую деталь будущего. Вам只需要大致 определить направление,设计 асимметричную ставку — то есть, если вы ошиблись в суждении, потери可控ны; если вы правы, выгода огромна.
В неопределенном будущем асимметрия — это все.
Практичный метод мышления — сначала спросить себя: «Какие предпосылки должны быть, чтобы произошел某个 результат?», а затем спросить, появились ли уже эти предпосылки?
Оглядываясь на этот переломный момент с ИИ, его其实并不难预见. Потому что ключевые входные данные早已存在: код, который может писать код, модели, способные к рекурсивному улучшению, институциональные знания, которые можно купить, а не培养.
Достаточно внимательно观察 эти сигналы, чтобы大致 определить направление будущего.
Можно даже продолжить推演.
Мы, возможно, еще не видели по-настоящему следующие сценарии: ИИ может обучать себя, ИИ может复制 себя, ИИ работает полностью автономно
Если ИИ может посредством一系列 действий повысить свои способности на 0.1%, это звучит незначительно. Но пока это число не 0, оно будет усиливаться. За этим стоит типичный эффект степенного закона.
На финансовых рынках, как только сигнал становится очевидным, торговля往往 уже переполнена.
В инвестициях вы обмениваете неопределенность на раннюю убежденность. В карьере и предпринимательстве, по сути, то же самое.
Так что настоящий вопрос не в том, что произойдет в будущем? А в том, что я уже знаю? К какому направлению ведет эта информация? Какова разница в成本 между действием сейчас и ожиданием?
Еще один часто упускаемый факт: само действие создает информацию.
Действие происходит не в вакууме. Когда вы воздействуете на мир, мир дает обратную связь. Эта обратная связь приносит новую информацию. Информация推动 итерацию. Итерация порождает лучшие действия. Это базовый механизм прогресса.
Оставаться в покое в неопределенности — это медленный спад. А действие означает исследование.
Если бы я просто хотел продолжать пользоваться红利ами существующей системы, я, вероятно, мог бы продержаться еще несколько лет. Но я всегда хотел сделать что-то truly свое, и я чувствую, что это окно быстро закрывается.
Конечно, крупнейшим в мире хедж-фондам все еще будет хорошо, у них есть проприетарные данные, которые极难复制. Традиционные финансовые рынки также все еще ограничены регулированием и ручными процессами.
Но я верю, что эти учреждения в конечном итоге также будут использовать ИИ для замены подавляющего большинства сотрудников, включая даже управляющих портфелями.
Это произойдет не сразу, но рано или поздно.
Мое тогдашнее суждение было таким, что у меня, вероятно, еще есть 4-5 лет окна возможностей. К тому времени, как базовые модельные компании поглотят足够多的 отраслевых талантов, новым стартапам будет很难 войти в эту область. На некоторых рынках, таких как американский фондовый рынок, эта тенденция уже очень очевидна. Насколько высокой будет эффективность через несколько лет, почти难以 представить.
Скоро в этом мире не останется места для «второго места». Я мог бы продолжать работать на топовые учреждения, но я предпочитаю действовать в areas, где у меня все еще есть преимущество.
Поэтому я уволился и пошел ва-банк на создание стартапа. Позже эта компания превратилась в OpenForage.
Сейчас окно заметно сужается. Скорость изменений больше не является постепенной. Прогресс, на который раньше требовались месяцы, теперь занимает недели.
Я не думаю, что работа полностью исчезнет в ближайшие годы. Людям все еще будут нужны люди. Человек — социальное животное, и люди все еще не доверяют ИИ. Авторитетная сертификация все еще должна исходить от человека.
В ближайшие годы мы, возможно, даже увидим ИИ-CEO, но, скорее всего, все еще будет нужен человеческий CEO для утверждения решений ИИ. Эта «человеческая сертификация» будет передаваться вниз по организационной структуре. Человеческие менеджеры будут управлять группой ИИ-агентов.
Но логика найма изменится. Если CEO легче отдавать指令 ИИ, чем вам, то вас, скорее всего, не наймут. Базовую编码 работу будет все труднее найти.
Если вы хотите стать незаменимым, вам нужно сделать две вещи. Во-первых, превзойти ИИ во временном масштабе. Например, долгосрочное стратегическое планирование, сложное принятие решений, управление многолетними циклами. Во-вторых, превзойти ИИ в масштабе системы. Контекст ИИ все еще ограничен, они знают много фактов, но им трудно понять连锁反应 сложных систем.
Если вы способны мыслить долгосрочно, быстро усваивать информацию, принимать долгосрочные решения и обладаете хорошими合作 способностями, то в обозримом будущем у вас все еще будет работа.
До наступления переломного момента сигналы其实 можно увидеть. Просто большинство людей не смотрят, увидев — не действуют, или реагируют, только когда сигналы становятся оглушительными. Но тогда возможности往往 уже оценены рынком.
Не игнорируйте движущуюся почву под ногами, не оставайтесь на позиции, которая теряет преимущество, одновременно говоря себе, что нужно подождать, пока时机 станет лучше. Настоящий时机 редко предупреждает заранее. Когда все осознают, окно往往 уже закрыто.
Я увидел сигнал, я сделал ставку. Сейчас я живу в результате этой ставки — каким бы он ни был.
