Logo ChatGPT được thấy trong minh họa này, chụp vào ngày 3 tháng 2 năm 2023. REUTERS / Dado Ruvic / Minh họa / LONDON, ngày 19 tháng 5 (Reuters Breakingviews) - "Đồng nghiệp của tôi, họ nghiên cứu trí tuệ nhân tạo," nhà tâm lý học người Israel Amos Tversky đã từng nói. "Còn tôi, tôi nghiên cứu sự ngu ngốc tự nhiên". Người sáng lập ra kinh tế học hành vi, người qua đời vào năm 1996, không sống đến năm 2023, khi nhiều đồng nghiệp học thuật của ông đua nhau nhảy vào phát triển trí tuệ nhân tạo cùng với nhà đầu tư, các nhà lãnh đạo công ty và nhà giao dịch chứng khoán. Nhưng nhà đầu tư nên chú ý đến chuyên môn của Tversky. Kinh tế học hành vi, nghiên cứu về cách những yếu tố tâm lý, cảm xúc và xã hội ảnh hưởng đến quyết định của con người, có một số chỉ bảo quan trọng cho những người hy vọng kiếm tiền từ trí tuệ nhân tạo.
Bài học đầu tiên là rõ nhất: cẩn trọng với bong bóng. Từ khi OpenAI phát hành chatbot ChatGPT của mình vào tháng 11 năm ngoái, dòng vốn đầu tư thông qua các dự án liên quan đến trí tuệ nhân tạo đã chuyển từ mạnh sang cực mạnh. Cổ phiếu của Nvidia (NVDA.O), nhà sản xuất chip hàng đầu thế giới được sử dụng trong việc tạo ra trí tuệ nhân tạo, đã tăng hơn 100% trong vòng sáu tháng qua. Gã khổng lồ phần mềm Microsoft (MSFT.O) đã tăng gần 500 tỷ đô la giá trị thị trường kể từ tháng Hai khi công bố tích hợp trí tuệ nhân tạo vào công cụ tìm kiếm Bing của mình. Nhà đầu tư của Alphabet (GOOGL.O) đã thêm 60 tỷ đô la vào giá trị của Google chỉ trong một ngày tuần trước khi CEO Sundar Pichai giới thiệu dịch vụ trí tuệ nhân tạo mới tại hội nghị I / O hàng năm của công ty.
Thực sự, sự háo hức về trí tuệ nhân tạo đã trở thành một tia hy vọng duy nhất xuyên qua sự u tối của thị trường chứng khoán được tạo ra bởi sự tăng trưởng kỷ lục lãi suất của Mỹ. Trong tuần trước, nhà phân tích SocGen Manish Kabra tính toán rằng, nếu không tính đến các lợi nhuận liên quan đến trí tuệ nhân tạo, chỉ số S&P 500 Index (SPX) sẽ giảm 2% tính đến đầu năm. Thay vào đó, chỉ số này đã tăng 8%. Đợt bùng nổ này còn có hậu quả về kinh tế toàn cầu. Bộ trưởng Tài chính Ireland Michael McGrath đã công bố kế hoạch thành lập quỹ tài sản quốc gia trị giá 90 tỷ euro mới, chủ yếu được tài trợ bởi khoản lợi nhuận thuế doanh nghiệp từ các công ty công nghệ như Apple (AAPL.O) và Microsoft có trụ sở tại nước này.
Đối với các công ty khác, những lỗ hổng nhận thức về trí tuệ nhân tạo có thể gây ra sự suy tàn. Cổ phiếu của Chegg (CHGG.N) đã rơi vào tình trạng sóng gió thành phố tháng trước khi nhà sản xuất tài liệu học tập thừa nhận rằng các mô hình ngôn ngữ lớn được gọi là ChatGPT đang ăn mòn thị phần của mình.
Các mô hình giá trị tài sản thường xuyên áp dụng những biến động điên cuồng này nhằm đánh giá khả năng sinh lợi trong tương lai. Nhưng kinh tế học hành vi đã trang bị giải thích thay thế bằng cách liệt kê một bộ sưu tập các lỗi hệ thống trong quyết định của con người. Chúng có thể từ việc đàn đúm, tự tin quá mức đến vấn đề xác nhận và sợ bỏ lỡ cơ hội. Đó là thời điểm tốt để nhà đầu tư đặc biệt cảnh giác với xu hướng ngu ngốc tự nhiên khiến các giá trị của thị trường chứng khoán trở nên không thực tế - và cuối cùng sẽ không sinh lợi.
Tuy nhiên, những bài học quan trọng nhất của kinh tế học hành vi liên quan đến câu hỏi cơ bản hơn: Trí tuệ nhân tạo thế hệ mới sẽ làm những gì mà nó hứa hẹn? Công nghệ này đã đạt được một số kết quả ấn tượng. Vào tháng 11 năm 2020, AlphaFold của Google DeepMind đã khiến thế giới khoa học bàng hoàng khi đạt được bước tiến mới trong một trong những thử thách lớn nhất trong sinh học phân tử. Nó đã tiên đoán các cấu trúc mà protein "gập" vào dựa trên các chuỗi của các axit amin thành phần. Venki Ramakrishnan, người đoạt giải Nobel và lúc đó là Chủ tịch Hội đồng Hoàng gia Anh, gọi nó là một bước tiến sẽ "thay đổi cơ bản nghiên cứu sinh học".
AlphaFold đã chứng tỏ điều được nhận thức rộng rãi là sức mạnh hàng đầu của trí tuệ nhân tạo (AI): khả năng nhận ra các mô hình mà cả trực giác và phân tích thống kê truyền thống không thể nhận biết được, và sau đó sử dụng các mô hình này cho mục đích dự đoán. Khả năng tương tự đã được thể hiện trong các thành tựu đáng chú ý của AI trong việc đánh bại các đối thủ con người trong các trò chơi chiến lược như cờ vua và Go, và đã cho phép ChatGPT sản xuất những kết luận tự nhiên.
Câu hỏi lớn là liệu AI có thể tái tạo được khả năng dự đoán phi thường này trong các lĩnh vực kinh doanh, tài chính và chính trị nơi các quy tắc không rõ ràng. Kinh tế hành vi cung cấp một số câu chuyện cảnh tỉnh cho các nỗ lực này để áp dụng AI trong môi trường động.
Một vấn đề tiềm ẩn là vấn đề bias làm mẫu được gọi là khi xây dựng các mô hình dự đoán dựa trên học máy thống kê. Vấn đề là các bộ dữ liệu được sử dụng để huấn luyện các mô hình có thể bỏ qua các sự kiện hiếm nhưng có tác động. Ví dụ, lợi suất thị trường chứng khoán có thể bị ảnh hưởng bởi một số ít các di chuyển hiếm nhưng cực kỳ mạnh trong giá cổ phiếu. Do đó, các công ty giao dịch định lượng thường tránh các chiến lược đào tạo dữ liệu thuần túy để tiếp cận các phương pháp trong đó xác suất của các rủi ro đuôi được cho là giả định thay vì học được. Nhà đầu tư ít kỹ thuật áp dụng phiên bản riêng của chiến thuật này khi triển khai các nguyên tắc đơn giản như "mức độ an toàn" của nhà đầu tư điển hình Benjamin Graham.
Các nhà kinh tế hành vi mô tả vấn đề phân tích bias khi nghiên cứu cách con người học hỏi. Nhưng các mạng thần kinh có thể gặp các hạn chế tương tự. Các máy thông minh, không kém phi những con người hàng đầu, sẽ phải đối mặt với sự thật đáng chọc tức rằng sự vắng mặt của bằng chứng gần như không bao giờ là bằng chứng của sự vắng mặt.
Có thể nói đây là một trong những vấn đề khó chịu nhất khi đến với việc mô hình hóa và điều khiển hành vi của con người: Định luật Goodhart. Đây là một nghịch lý, được đưa ra lần đầu tiên bởi quan chức Ngân hàng Anh Charles Goodhart vào năm 1975, rằng khi một chỉ tiêu trở thành mục tiêu chính sách thì nó sẽ không còn là một chỉ tiêu đáng tin cậy nữa. Ví dụ, tổng số tiền nhận được một lần được xem là dự báo tốt của lạm phát. Nhưng khi ngân hàng trung ương áp dụng mục tiêu dựa trên các con số đó, liên kết ổn định đã biến mất.
Nguyên nhân của vấn đề này là các hệ thống của con người cơ bản được thích nghi theo cách mà các hệ thống vật lý không. Con người hiểu và cố gắng vượt qua các nỗ lực để dự đoán hành vi của họ nếu họ cảm thấy rằng điều đó là đối nghịch với lợi ích của họ. Các axit amin liên quan đến gập protein không thể làm được điều đó.
Một lần nữa, những thách thức thực tế này được ghi chép rõ ràng trong lĩnh vực đầu tư. Giao dịch chứng khoán là một trò chơi không sinh lời: lợi nhuận vốn của một nhà đầu tư là thua lỗ vốn của một nhà đầu tư khác. Kết quả là có một động lực mạnh mẽ và tự động cho phần còn lại của thị trường để thích nghi và vô hiệu hóa các quy tắc giao dịch thành công lịch sử ngay khi chúng được xác định. Định luật Goodhart giải thích tại sao các chiến lược đầu tư có hệ thống thường bị sụt giảm về thời gian. Liệu AI có giành được điều gì tốt hơn để thoát ra khỏi trọng lực của nó hay không vẫn là một câu hỏi mở.
Nhà đầu tư sẽ điên rồ nếu bỏ qua kết quả tuyệt vời mà AI đã đạt được cho đến nay. Nhưng khi đến với các ứng dụng rộng hơn, họ nên thận trọng. Trí tuệ nhân tạo có thể có nhiều điểm chung hơn với sự ngốc nghếch tự nhiên hơn là con người - hoặc máy móc - hiện tại nghĩ.
Theo Reuters Graphics
Theodore C.F. Lin
Sửa chữa bởi Peter Thal Larsen và Pranav Kiran
Tiêu chuẩn của chúng tôi: Nguyên tắc Tin cậy Thomson Reuters.
Các quan điểm được bày tỏ là của tác giả. Chúng không phản ánh quan điểm của Reuters News, là công ty cam kết về tính trung thực, độc lập và tự do khỏi sự thiên vị.
