بات‌چت جدید به نام ساتوشی به کمک تریدرهای کریپتو می‌آید

 

هوش مصنوعی و رمزارز در تلاش برای ترکیب پتانسیل خود هستند. ربات تریدینگ جدید فالکون ایکس (FalconX)، به نام ساتوشی، ممکن است اولین موفقیت بزرگ آنها در نتیجه همکاری با یکدیگر باشد.

هوش مصنوعی می‌تواند به زودی موج جدیدی را در ترید ارزهای دیجیتال ایجاد کند، هرچند شاید آنطور که شما فکر می‌کنید به نظر نرسد. فالکون ایکس، کارگزار اصلی مستقر در سانفرانسیسکو، قصد دارد یک چت‌بات جدید به سرمایه‌گذاران ارائه دهد.

با استفاده از فناوری ایجاد شده توسط OpenAI، که برنامه ChatGPT آن به شرکت‌هایی مانند مایکروسافت کمک می‌کند تا تغییری اساسی در جستجوی آنلاین به وجود بیاورند، مشتریان فالکون ایکس می‌توانند سوالاتی مانند «سه تفاوت بزرگ بین دو پلتفرم بلاک چین چیست؟» را از رباتی به نام ساتوشی بپرسند.

مدیرعامل فالکون ایکس Raghu Yarlagadda می‌گوید: «ساتوشی که عنوان آن از اسم ساتوشی ناکاموتو موسس بیت کوین گرفته شده است، توانایی این را دارد که ایده‌های سرمایه‌گذاری را برای کاربران بر اساس فعالیت‌های تریدینگ، پرتفولیو و علایق آنها ایجاد کند.» 

اگرچه این فناوری در مراحل اولیه خود قرار دارد–نمونه اولیه در درجه اول به کاربران اجازه می‌دهد تا خلاصه‌های اخبار سفارشی شده را شبیه به پاسخ‌های معمول چت جی پی تی به سؤالات کاربران دریافت کنند.

چت‌بات ساتوشی می‌تواند خلاصه‌ای سریع از آخرین اخبار ارزهای دیجیتال ارائه دهد.

فالکون ایکس بین فناوری OpenAI و ارزهای دیجیتال ارتباط برقرار می‌کند. Prathab Murugesan، رئیس مهندسی این شرکت، ۲ سال و نیم را در Google صرف کرد تا فناوری‌های یادگیری ماشینی (machine-learning) را وارد کند، فرآیندی که به واسطه آن کامپیوترها برای تشخیص الگوها و پیش‌بینی اقدامات، در محصولاتی مانند Gmail و Google Docs آموزش می‌بینند.

یارلاگادا، کار خود را در گوگل در سال ۲۰۱۴ در تیم سیستم عامل کروم ساندار پیچای، مدیرعامل فعلی، آغاز کرد. یارلاگادا می‌گوید: «ساندار گفت که گوگل یک شرکت یادگیری ماشینی خواهد بود. این روند کاملاً غیرمعمول بود، چرا که یادگیری ماشین هرگز در مقیاسی اجرا نشده بود که بتوانید از طریق آن آزادانه به همه این محصولات دسترسی پیدا کنید.»

این رویکرد یادگیری ماشینی از آغاز در سال ۲۰۱۸ در فالکون ایکس درنظر گرفته شده بود، چرا که تنها راه برای به دست آوردن تصویر روشنی از بازار بود. 

با این حال، الگوریتم‌های یادگیری ماشین نمی‌توانند به تریدرها مسیر مشخصی بدهند که در مرحله بعد چه کاری انجام دهند. برای درک بهتر این موضوع، یارلاگادا می‌گوید که می‌توان با به اشتراک گذاشتن مجموعه‌ای از تصاویر به یک مدل کامپیوتری آموزش داد که تصاویر گربه‌ها را تشخیص بدهد. از این طریق می‌تواند در تشخیص گربه از سگ و حتی شناسایی انواع نژاد گربه‌ها تبخیر پیدا کند، اما هر تعداد تصویر که ببیند باز هم نمی‌تواند یک گربه ترسیم کند. اگر این مثال را یک قدم جلوتر برداریم، حتی اگر این مدل برای تشخیص ده‌ها نوع حیوان آموزش دیده باشد، نمی‌تواند پیش‌بینی کند که یک پلاتیپوس طی ۱۰۰۰ سال و در شرایطی که دمای اقیانوس‌ها دو درجه افزایش می‌یابد، چگونه تکامل پیدا می‌کند.

در حوزه تردیدینگ، این مقایسه مثل این است که از یک مدل معاملاتی الگوریتمی سنتی، که احتمالاً تیمی از توسعه‌دهندگان کدنویسی آن را انجام دادند، درخواست کنیم تا یک استراتژی برای شرایطی که هنوز اتفاق نیفتاده و به صورت انحصاری برای یک پورتفولیوی بخصوص بسازند.

مدل‌های زبانی بزرگ (LLM)، مانند مدل‌هایی که توسط OpenAI و Google استفاده می‌شوند، می‌توانند بر پایه یادگیری ماشین مجموعه‌ای از داده‌های فیلترنشده و نه چندان دقیق بسازند و به هر سوالی پاسخ دهند. 

یارلاگادا می‌گوید که این شرکت بیش از ۹ ماه و پیش از تبلیغات ChatGPT روی ساتوشی کار کرده است. با این حال، موانعی وجود داشت که با آمدن OpenAI این موانع از بین رفتند.

یارگالادا می‌گوید: «ما در پنج تا شش ماه اول پیشرفتی نداشتیم، چرا که بیشتر به یادگیری ماشین متکی بودیم.»

در حال حاضر فالکون ایکس از زیرساخت‌های API OpenAI برای آزمایش و ساخت ساتوشی استفاده می‌کند و اغلب با تیم‌های مدیریت حساب و مهندسی شرکت در تعامل است. همه اینها بخشی از تلاش‌های شرکت برای تبدیل مدل زبانی بزرگ Chat GPT به یک لایه پایه برای طیف گسترده‌ای از کاربردها است.

یارلاگادا می‌گوید در کریپتو ۹۰ درصد از کل معاملات قانونی توسط ۱۰ درصد تریدرها انجام می‌شود که بیشتر آنها از مدل‌های الگوریتمی استفاده می‌کنند. اینها معمولاً شرکت‌های بزرگی هستند که منابع لازم برای استخدام تیم‌هایی را دارند که قادر به ساخت ابزار هستند. این کسب‌وکارها می‌توانند مجموعه‌ای از رویکردها مانند استراتژی‌های خنثی بازار همچون بازارسازی و آربیتراژ (بهره‌برداری از تفاوت قیمت دارایی‌ها در پلتفرم‌های معاملاتی) و رویکردهای کمی بلند و کوتاه را اجرا کنند. 

بر اساس گزارشی در سال ۲۰۲۲ در مورد صندوق‌های تامینی کریپتو، این دو رویکرد حدود ۵۵ درصد از این صنعت را تشکیل می‌دهند.

این امر همچنان باعث می‌شود که ۴۵ درصد از صندوق‌های تامینی حداقل در برخی از معاملات خود از رویکردی اختیاری استفاده کنند و با در نظر گرفتن سایر دسته‌ها مانند صندوق‌های سرمایه‌گذاری خطرپذیر، دفاتر خانوادگی، کارگزاران و تریدرها درصد چنین معاملاتی افزایش می‌یابد. ساتوشی برای کمک به این گروه‌ها طراحی شده است تا در شرایط نسبتا یکنواخت رقابت کنند.

ساتوشی این کار را به سه روش انجام خواهد داد. ساتوشی اول می‌تواند تمام اخبار و اطلاعات مرتبط را در رسانه‌های اجتماعی بررسی کند تا اطلاعاتی را در مورد علایق مشتریان یا هلدینگ‌ها ارائه دهد. این اطلاعات می‌تواند به سؤالاتی همچون «عملکرد پورتفولیوی من در ۲۴ ساعت گذشته چگونه بوده است؟» یا «سه تا از بزرگترین اینفلوئنسرهای شبکه‌های اجتماعی که در مورد یک دارایی خاص صحبت می‌کنند چه کسانی هستند و چه نظری دارند؟»

سپس، کاربر می‌تواند استراتژی‌های معاملاتی را با پرسیدن سؤالات خدماتی مانند: «یک پوزیشن فروش ۱۰۰۰ دلاری روی بیت کوین چقدر برای من هزینه دارد؟» یا «بهترین استراتژی برای خرید ۵ میلیون دلار اتر بدون پرداخت بیش از ۲۵ بیت در ثانیه چیست؟» را مطرح کند. در نهایت، ساتوشی دکمه‌های خرید/فروش را مستقیماً در پلتفرم تعبیه می‌کند تا کاربر فوراً از این استراتژی‌ها استفاده کند.

البته ساتوشی همچنان در مرحله آزمایش است و هنوز با پلتفرم‌های ضروری مانند دفتر سفارش ادغام نشده است و نمی‌تواند نمودارهای معاملاتی و سایر ابزارهای ضروری را در اختیار کاربران حرفه‌ای قرار دهد.

از سوی دیگر، مشکلات حل نشده‌ای در زمینه هوش مصنوعی وجود دارد، از جمله مسائل مربوط به حریم خصوصی. مورد دیگر مربوط به پدیده‌ای است که زمانی رخ می‌دهد که پلتفرم‌های هوش مصنوعی پاسخ‌های اشتباه را به صورت واقعی و در عین حال قانع‌کننده ارائه می‌دهند. در این صورت، اگر استراتژی‌های معاملاتی نادرست ارائه دهند، می‌تواند برای کاربران بسیار خطرناک و گمراه‌کننده باشد و سرمایه خود را از دست بدهند.

چت جی پی تی به خاطر همین پدیده بدنام شده است؛ مانند زمانی که به دروغ ادعا کرد که یک استاد حقوق دانشگاه جورج واشنگتن به آزار جنسی متهم شده است و برای تأیید این ادعا، یک داستان واشنگتن پست را جعل کرد.