Perly týdne: Rotace zpět k Mag7 a dno na kryptu a softwaru

Steve Eisman přinesl obsáhlý rozhovor s expertem na umělou inteligenci. Daniel Guetta z Columbia University v něm hovořil mimo jiné o tom, jak AI vlastně funguje a proč kvůli tomu má své limity. A na Wall Street se stále živě diskutuje o tom, jaký bude další vývoj na softwarových akciích.

Blízko dna?

Analytik Citi Tyler Radke na CNBC vysvětloval svůj pohled na další vývoj na softwarových akciích. Začal s tím, že v tuhle chvíli si není jistý, jestli plní funkci analytika, nebo spíše terapeuta. Po této narážce na vysoké ztráty na softwarových akciích řekl, že objem prodejů tu byl naprosto ojedinělý, a přitom docházelo k dobrému vývoji na úrovni zveřejňovaných zisků. „Už se blížíme ke dnu, stále je ale třeba vybírat, nejistota je vysoká.“

Dobrou sázkou na umělou inteligenci jsou podle experta společnosti jako Microsoft, které mají k dispozici velký objem dat a mají potenciál pro monetizaci nové technologie a s ní spojených služeb. Investoři přitom nyní chtějí u softwarových firem vidět zrychlující tempo růstu tržeb a vyšší marže. Pokud tuto charakteristiku firma a akcie nemá, může být pod větším tlakem. „Možná pak její valuace klesnou natolik, že se stane zajímavá pro hodnotové investory. Ale v principu jde o společnosti, kterých bychom se nyní stranili,“ řekl analytik.

Tom Lee z Fundstratu pak na CNBC uvedl, že akcie moc neodráží dobrou výsledkovou sezónu. Velká část firem totiž vykazuje lepší než očekávané výsledky, ale ceny akcií tak nereagují, snad s výjimkou menších společností. Celkově se trhy podle investora posouvají směrem ke třem hlavním tématům, kterými je rotace zpět k velkých technologickým firmám, dosažení dna na kryptoměnách a dosažení dna na softwarových společnostech. Trhy už směrem k nim „urazily asi 90 % cesty“.

Co je vlastně umělá inteligence a jaké to má důsledky

Steve Eisman je široké veřejnosti znám zejména díky filmu The Big Short a dění kolem finanční krize. Nyní se poměrně intenzivně věnuje tématu umělé inteligence a souvisejícím investicím. Na svém Youtube kanále měl jako hosta profesora Daniela Guettu z Columbia University. Ten v rámci diskuse o tom, zda je nyní v popředí vývoje Google nebo jiná firma, na začátek rozhovoru popisoval, co jsou vlastně velké jazykové modely LLM. Ty jsou často vydávány za synonymum umělé inteligence, jde ale o přílišné zjednodušení.

Základy umělé inteligence pocházejí podle experta z osmdesátých a devadesátých let, kdy modely pracovaly s daty a hledaly v nich vzorce a snažily se tvořit predikce dalšího vývoje. O prvním strojovém učení se pak hovoří v případě, že model upravuje své parametry tak, aby se zlepšily jeho výstupy. Limit je ovšem v tom, že se stále pracuje jen s čísly. Dalším rozšířením je tedy schopnost pracovat i s textem a dalšími zdroji dat, ne pouze s těmi číselnými. I pak může být ale přehnané hovořit o tom, že by LLM „chápal“, co se děje. Pouze to odráží na základě analýzy ohromného množství dat a mění své parametry tak, aby byl co nejpřesnější.

LLM podle profesora v podstatě fungují tak, že se k dosavadní konverzaci snaží doplnit nejvhodnější pokračování. Pokud se tak někdo zeptá na hlavní město Argentiny, model přijde na základě dostupných dat s „pokračováním“ této konverzace, které je „Buenos“. A pak se slovem „Aires“. Podstatné přitom je, že pro hledání každého dalšího pokračování prochází celou předchozí konverzaci. To je jeden z důvodů, proč je provoz LLM „tak drahý“. Čím delší je totiž konverzace, o to více toho musí model od začátku procházet.

Vybírání vhodných slov a pokračování dosavadní konverze pak probíhá v principu tak, že LLM má každé slovo definované na základě hodnot celé řady parametrů. Pokud je mu položena otázka, určí si její celkové parametry a hledá slova, která mají parametry podobné a ta nabídne jako odpověď. Profesor k tomu dodal, že model „určí vibraci otázky a reaguje na ni slovy, která mají podobné vibrace s tím, že tyto vibrace jsou dány právě podobností parametrů.“

S ohledem na uvedený proces pak Guetta míní, že není překvapivé, že LLM halucinují. Tedy že generují i zavádějící a mylné odpovědi. Překvapivé by spíše bylo, kdyby halucinace modelů neexistovaly. Vše, co dělají, je to, že hledají „esenci“ otázky a pak hledají slovo s podobnou esencí a pak další a další. A jak dodal Eisman, „takhle si myšlení nepředstavujeme.“ Profesor souhlasil s tím, že lidé přemýšlí na úplně jiném základě, nehledají, jaké další slovo k dané konverzaci na základě historických zkušeností nejvíce odpovídá tomu, co bylo doposud řečeno.

Eisman připomněl svůj nedávný rozhovor s Garym Marcusem, který mimo jiné tvrdí, že každé další zlepšení jazykových modelů bude menší a menší. To jde podle Eismana proti převažujícímu pohledu na AI včetně její investiční atraktivity. Guetta k tomu řekl, že pokud se hovoří o škálování LLM, jednak jde o přidávání dalších dat, ale také o přidávání parametrů. A jestliže se hovoří o zlepšování modelů, většinou není jasně definováno, co se tím přesně myslí. Měřítek může být více, jedním z nich může být například jednoduchá práce s Excelem. S tím souvisí i to, že ve skutečnosti je dost těžké nějak přesně hovořit o možnosti, že se AI stane „chytřejší“ než lidé. I zde totiž narážíme na to, jak chytrost a inteligenci vlastně definovat.

Guetta je tak rezervovanější k teoriím o tom, kam až se AI dostane čistě proto, že definice pokroku a zlepšování mohou být velmi odlišné. Dodal ale, že popsaný způsob fungování modelů založený na výběru „dalšího vhodného slova“ má limity. I kdyby už ale nedošlo k vůbec žádnému zlepšování a modely by dál halucinovaly, podle experta i tak přinášejí obrovskou hodnotu. Významný potenciál má podle experta například sledování konverzace na webových stránkách firem a platforem. Nyní jsou placeny velké týmy lidí, kteří sledují, zda konverzace a komentáře odpovídají etickým a právním standardům, a to může zajišťovat umělá inteligence.

Eisman připomněl, že minulý rok panovalo nadšení z velkých technologických společností a těch, které se zaměřovaly na hardware. Nyní se intenzivně diskutuje o tom, jaký může mít AI dopad na softwarové společnosti a Eisman dodal, že podobné téma lze probírat ve vztahu ke konzultantským společnostem. Guetta k tomu řekl, že současná situace je podobná tomu, jako kdybychom „řídili auto, které se zároveň ještě dokončuje.“ Vývoj je totiž velmi rychlý, ale dá se čekat, že dojde ke zpomalení, když už bude nutné řešit složitější problémy a aplikace umělé inteligence v praxi.

Profesor pokračoval s tím, že softwarové společnosti nenabízí jen samotné programy, ale řadu služeb, které s ním souvisejí. Včetně organizace procesů tak, aby byl software používán správným a efektivním způsobem. Problém mohou mít například společnosti, které vytvářely databáze z textů, protože je může AI nahradit. Na druhém konci spektra ale podle experta může být třeba Bloomberg, který má elektronické databáze s ohromným množstvím dat a má jich různé druhy. K tomu dodal, že vedle práce s existujícími databázemi se díky AI otevírá prostor pro tvorbu úplně nových – třeba díky tomu, že AI dokáže pracovat s obrázky a fotkami.