Игроки

Искусственный интеллект перенимает жадность, азарт и страхи своих создателей.

Обычно, говоря о применении искусственного интеллекта (ИИ) в инвестировании, важным достоинством ИИ считают его рациональность. Человек при самых разных действиях, в том числе – и при инвестировании чаще всего руководствуется эмоциями – жадностью, страхом, азартом и часто неверно оценивает возможные риски. Машина же должна быть лишена подобных недостатков.

Однако все зависит от того, какой ИИ вы используете, на каких данных он проходил обучение и какое задание вы ему даете. В понимании того, как могут действовать на рынке широко распространенные универсальные модели искусственного интеллекта, могут помочь два недавних эксперимента.

В ходе одного эксперимента компания Nofl на платформе Alpha Arena проследила, как шесть ИИ будут торговать бессрочными контрактами на криптовалюты, включая биткоин, эфириум и солану. Каждому ИИ был дан первоначальный капитал в размере $10 тыс. и установка – максимализировать доходность с поправкой на риск. Все модели работали с одинаковым набором данных и одинаковым промтом, опирались на технический анализ и не учитывали новостной фон. Цель эксперимента – выявить поведенческие шаблоны различных моделей ИИ. Соревнование стартовало 18 октября, а первый его этап завершился 3 ноября.

В результате четыре из шести моделей ИИ оказались в минусе по итогам торгов. Самые большие убытки показал ChatGPT – от $10 тыс. в результате его усилий осталось всего $3,7 тыс. ИИ Gemini оставил от первоначального капитала $4,5 тыс., ИИ Grok – $5,2 тыс., ИИ Claude – $6,7 тыс. Двум моделям ИИ удалось заработать – ИИ DeepSeek приумножил первоначальный капитал на $0,5 тыс., а ИИ Qwen3 – на целых $2,3 тыс.

В ходе эксперимента были выявлены существенные различия в поведении моделей ИИ. Модели ИИ с меньшим числом сделок и более осторожной стратегией обошли те, которые часто открывали и закрывали позиции. Размер ставки, время удержания позиций и выбор актива оказались критическими – те модели ИИ, которые играли более агрессивно, понесли и бОльшие потери. Ограниченный доступ к данным – без новостей и специфика рынка криптовалют с его высокой волатильностью дополнительно усложнили эксперимент.

Второй эксперимент – казино для ИИ – был еще интереснее. В ходе него ученые из Gwangiu institute of science and technology из Южной Кореи дали четырем моделям ИИ – двум версиям ChatGPT, Gemini и Claude по $100 и подключили их к симулятору игрового автомата с отрицательным матожиданием: выигрыш с вероятностью 30% и выплатой ставки в тройном размере.

Модели ИИ, когда им позволяли выбирать размер ставки и задавали цель максимального выигрыша, в большинстве случаев теряли от 35% до 50% от стартового капитала, а в трети случаев теряли капитал полностью. При фиксированных ставках модели показывали более устойчивый результат, банкротства случались редко либо их вовсе не было. Однако ни одна модель ИИ не смогла увеличить первоначальный капитал – все показали размер убытка от 10% до 15%. Авторы исследования делают вывод: ИИ не чувствует азарта, но все равно играет как игрок-человек. Это – следствие обучения моделей на результатах работы человека.

В обоих случаях модели ИИ показали четкие игровые поведенческие черты – иллюзию контроля, т.е. ИИ были уверены, что понимают ситуацию и могут повлиять на результат, погоню за проигрышем или выигрышем, т.е. модели увеличивали ставку после серии проигрышей или выигрышей, надеясь отыграться или на то, что череда выигрышей продолжится. По сути, ИИ повторяли модели иррационального поведения человека-игрока в похожих ситуациях.

Но какие же выводы можно сделать из описанных выше экспериментов? Очевидно, что использование универсальных моделей ИИ в целях инвестиций пока может быть ограниченным. В условиях, когда модели ИИ предоставлены самим себе, их поведение будет значительно различаться. Однако все универсальные модели в своем нынешнем виде пока не являются тем волшебным помощником из русских сказок, который по заданию хозяина выполняет любое его желание. Более того – они склоны повторять человеческое поведение и человеческие ошибки. Без заданного строгого управления рисками со стороны человека ИИ может не только преумножить, но, что даже более вероятно, и значительно уменьшить размер вашего первоначального капитала.

В то же время универсальные ИИ модели уже сегодня могут оказать существенную помощь инвестору, например, в сборе и анализе больших объемов информации. Важно только уметь правильно формулировать запросы и иметь достаточные знания в выбранной области инвестирования, чтобы суметь оценить предоставленный ИИ результат и избежать ошибок «галлюцинаций» ИИ, которые возможны при использовании всех сегодняшних моделей.

Однако использование ИИ частными инвесторами становится все более частым явлением. Например, по результатам опроса маркетплейса Выберу.ру и компании IT Smart finance, каждый третий из опрошенных инвесторов применяет ИИ для сбора информации по активам, а каждый пятый – полностью делегирует ИИ подбор ценных бумаг в свой инвестпортфель. Однако большинство инвесторов все же рассматривают ИИ лишь как вспомогательный инструмент, а окончательные решения принимают сами.

По итогам опроса Мосбиржи 60% инвесторов готовы приобретать инвестиционные инструменты, управляемые ИИ. При этом 62% частных инвесторов доверяют использованию ИИ в вопросах инвестирования. И лишь 28% опрошенных отказываются приобретать ИИ-инструменты, работающие без участия человека. Интересно, что 75% опрошенных готовы платить комиссию за доверительное управление активами с использованием ИИ. Однако 52% опрошенных опасаются риска ошибок и «галлюцинаций» искусственного интеллекта.

По опросу брокерской компании eToro, 13% частных инвесторов задают вопросы о покупке акций ChatGPT, Gemini и другим универсальным ИИ. А половина опрошенных собирается использовать ИИ при принятии решений о покупке или продаже акций в будущем.

Пожалуй, сегодня нет больше ни одной отрасли, которую развивали бы столь же быстро и к развитию которой прилагались бы столь значительные усилия, начиная от размера финансовых инвестиций и заканчивая интеллектуальными усилиями сотен тысяч специалистов самого разного профиля. Поэтому те результаты, которые были получены, справедливы только для настоящего времени. Даже через полгода поведение самых популярных универсальных моделей ИИ может стать иным.

Возможно, в ближайшие годы получат развитие уже существующие специализированные ИИ, которые будут адаптированы именно под потребности частного инвестора. Ожидается массовое распространение персональных инвестиционных ИИ-агентов, которые будут способны анализировать цели инвестора, его толерантность к риску и с учетом этого не только консультировать инвестора по различным вопросам, но также составлять и балансировать инвестиционный портфель из различных классов активов. Такие ИИ-помощники могут быть встроены прямо в брокерские приложения и окажут существенную помощь при грамотном их использовании опытными инвесторами.