Журнал "Системы Безопасности" № 1‘2024

Ц И Ф Р О В А Я Т Р А Н С Ф О Р М А Ц И Я , И И , И Н Т Е Р Н Е Т В Е Щ Е Й 141 Кто еще может уйти с рынка труда или сократить свою численность? Из всего вышесказанного следует, что к ката- строфе социальной напряженности между "живыми" людьми (к бунту "новых луддитов", погромам или даже к революциям) приложе- ния искусственного интеллекта могут привести только в случае быстрого вовлечения достаточ- но больших и достаточно сильных профессио- нальных сообществ. Актеры и сценаристы Гол- ливуда уже получили нужные им уступки от работодателей. С их стороны ждать революции уже нет смысла. Одной из хорошо оплачиваемых и весьма влия- тельных профессиональных групп являются банкиры, биржевики и брокеры. Они все при- надлежат к одной группе в силу того, что "рабо- тают" в качестве рессоры, сглаживающей слу- чайные блуждания цен на деньги, товары, ресурсы. Каждый профессионал этой группы, находясь на своем месте, пытается заработать на дисбалансе спроса и предложения. Банкиры хранят деньги тех, у кого они в избытке, и дают тем, у кого денег нехватка. Владельцы биржи предоставляют торговую площадку для броке- ров, покупающих оптом деньги, товары, ресур- сы. Все вместе они являются некоторой рессо- рой, смягчающей колебания цен на рынке. Если автомобиль едет по хорошей (гладкой) дороге, рессоры ему не нужны. Ситуация меняется, если дорога становится "плохой". Тогда рессоры необходимы, именно они позво- ляют более-менее комфортно передвигаться по плохой дороге. При этом обычная рессора переводит неровности дороги в тепло. Она может перегреться и лопнуть. Стабилизирую- щие "рессоры" рынка (банки, биржи, брокеры) при малой волатильности цен имеют малую прибыль (малый нагрев рессоры). Если рынок лихорадит, то прибыли банков, бирж, брокеров увеличиваются, однако эта "рессора" может лопнуть, как пузырь, от перегрева – тогда насту- пает финансовый кризис. Проще всего оценить потенциальную прибыль фрагмента рыночной "рессоры" в лице конкрет- ного брокера. Брокеры работают, опираясь на свою интуицию [4, 5]. Формальные правила, которыми они руководствуются, просты. Если рынок находится на подъеме ("бычий" тренд), то нужно продавать тот ресурс, который конт- ролирует брокер. Если цены на рынке падают, то нужно покупать ресурс, продаваемый други- ми брокерами той же биржи. На рис. 1 дан суточный разброс цен на биткоины за период с 8 мая по 6 июня 2023 г. Из рисунка видно, что за месяц наблюдения колебания цен на рынке брокер увидел два тренда "медведи" и между ними – один тренд "быки". Живые брокеры стараются угадать нача- ло тренда и предсказать момент его окончания. Если человек-брокер точно угадает начало и конец трендов, то две продажи и две покупки за месяц дадут ему прибыть в 14,6%. Кто не доверяет, тот может повторить вычисления: (27,64 - 26,36 + 27,97 - 26,36 + 27,97 - 26,9)/27,16 = 0,146 , где 27,16 – это средняя цена одного биткоина. В этом случае годовая прибыль составит 752%. Прибыль огромная, как отмечал классик эконо- мики Карл Маркс, перспектива прибыли в 300% годовых заставляет предпринимателей идти на любые риски. Перспектива получить 752% прибыли еще более привлекательна. Сегодня банки уже играют нашими деньгами на бирже. Насколько эффективно у них это полу- чается – коммерческая тайна. Обещаемая бан- ками прибыль для своих вкладчиков составляет от 6 до 9%. Если Сбер или Тинькофф предложат своим вкладчикам 36% годовых, то все здра- вомыслящие вкладчики принесут им свои день- ги. Для банков, бирж и брокеров переход к промышленному искусственному интеллекту, способному достаточно надежно предсказывать точки переключения трендов рынка "медведи/быки", – это очевидное конкурентное преимущество. Можно предположить, что в ближайшее время и Сбер, и Тинькофф долж- ны активно вкладывать свои ресурсы в развитие искусственного интеллекта. Пожелаем им удачи добраться хотя бы до прибыли в 36% годовых, прибыль в 752% в ближайшее время, скорее всего, не достижима. Как страна может помочь нашим банкирам и брокерам в конкурентной борьбе с крупнейшим банком JP Morgan- Chase&Сo из Нью-Йорка? Очевидно, что при прогнозировании годовой прибыли в 752% никаких пирамид нет. Однако есть весьма сильное предположение, что ней- росетевой искусственный интеллект близкого будущего сможет достаточно надежно предска- зывать тип тренда "медведи" или "быки", наклон тренда, время его начала и окончания. Каким образом и по каким технологиям искусствен- ный интеллект будет обучаться всему этому – вопрос открытый. Если предположить, что это будут многослой- ные сверточные сети глубокого обучения [6, 7], то обучаться они должны на множестве карти- нок "быков" и "медведей". Примеры типичных образов обычных "быков" и "медведей" приве- дены на рис. 2. Картинок, разложенных людьми по двум пап- кам "быки" и "медведи", должно быть очень много, миллионы. Это в том случае, если бы мы обучали нейросеть различать образы реальных животных. Тогда нейросеть должна иметь век- тор входных данных об образе достаточно большой размерности. Основная функция свер- точной нейросети – это свернуть входной образ из тысяч "плохих" данных в вектор меньшей размерности "хороших" данных [2]. Если это касается распознавания лиц, то первым под эту промышленную технологию был создан нейросетевой автомат поиска лица человека в кадре. Этот первый этап был пройден пример- но в 2011 г. На тот момент все цифровые "мыльницы" имели встроенный автомат, ото- бражающий квадратиками найденные в кадре лица людей. Далее почти революцию в обучении многослой- ных сверточных нейросетей совершил Хинтон [6, 7]. Его усилиями, не без помощи большого числа представителей научно-технической общественности, были созданы инструменты для автоматизированного обучения нейросе- тей. В частности, в рамках разработки открытых кодов сообщество Pyton-программистов сфор- мировало инструмент обучения PyTorch. Корпо- рация Google создала другой инструмент машинного обучения – TensorFlow, ориентиро- ванный на использование аппаратной под- держки их облачных серверов. Насколько будут подходить структуры нейросетевых моделей, заложенные в PyTorch и TensorFlow, для распо- знавания "быков" и "медведей" реального рынка – это вопрос открытый. Об этом мы все узнаем через несколько лет. Весьма и весьма положительным является то, что получать данные, на которых PyTorch, Ten- sorFlow или иной инструмент будет обучать сверточные нейросети, нетрудно. Уже суще- ствуют и где-то хранятся данные о реальных биржевых торгах биткоинами, догкоинами и другими криптовалютами. То же самое относит- ся и к торговле зерном, алюминием, платиной, нефтью. Нужно предварительно разметить дан- ные этих рынков в ручном режиме на участки "быки" и "медведи" (как это сделано на рис. 1). Для того чтобы выполнить эту работу и сделать рыночные данные общедоступными, достаточ- но политической воли любой биржи или любо- го университета. Файлообменников множество, нужно только сформировать и выложить уже www.secuteck.ru февраль – март 2024 Рис. 1. Вариации цен биткоина в период с 8 мая по 6 июня 2023 г.