جَمب تِريدينغ توسّع أبحاثها الكمية باستخدام GPT-6 Astra
تحولت أدوات الذكاء الاصطناعي من مساعدين لكتابة الأكواد إلى شركاء بحثيين قادرين على إدارة مهام معقدة تمتد لأيام، مما يعيد تشكيل منهجية العمل في شركات التداول الكمي.
رضوان عبدالهاديمحرر وكاتب تقني
توظيف الذكاء الاصطناعي في الأبحاث الكمية
تستثمر شركة جَمب تِريدينغ، المتخصصة في التداول الكمي، بشكل مكثف في تقنيات الذكاء الاصطناعي لتوسيع نطاق أبحاثها. تعتمد الشركة على نموذج GPT-6 Astra من OpenAI للتعامل مع مشاكل بحثية تتطلب وقتاً أطول وتتميز بدرجة عالية من الغموض. في بيئة الأسواق المالية المعقدة والضجيجية، حيث يصعب التنبؤ الدقيق بحركة الأصول، يرى لويس باكر، رئيس أبحاث LLM في جَمب تِريدينغ، أن تحقيق دقة تتفوق قليلاً على الصدفة على نطاق واسع يكفي لبناء استراتيجية ناجحة. ويمكن الرجوع إلى OpenAI News للاطلاع على التفاصيل الأصلية للمصدر.
يقود باكر فريقاً متخصصاً في تطوير الوكلاء (Agents) والبنية التحتية التي تتيح للباحثين الكمي استكشاف أفكارهم بعمق واتساع أكبر. ساهم دمج GPT-6 Astra في توسيع نطاق وتعقيد المهام التي يمكن تفويضها لهذه الوكلاء، بدءاً من كتابة الأكواد اليومية وصولاً إلى دراسات كمية متقدمة للتحقق من الفرضيات الجديدة.
من أدوات مساعدة إلى شركاء بحثيين
شهد العام الماضي تحولاً جذرياً في دور الذكاء الاصطناعي، حيث انتقل من كونها أداة مساعدة لكتابة مقاطع أكواد قصيرة أو اكتشاف أخطاء بسيطة، إلى نظام شامل وقادر على تطوير قواعد أكواد كاملة وخدمات مستقلة. اليوم، يميل فريق جَمب تِريدينغ إلى التعامل مع هذه الأنظمة كشركاء عمل أكثر منها مجرد أدوات. يحدد الباحثون المشكلة الرئيسية، وبيئة العمل، ومعايير تقييم جودة النتائج، ثم يوجهون الوكلاء في الوقت الفعلي لتحديد نقاط التركيز أو المهام التالية.
يشير باكر إلى أن GPT-6 Astra مكن الوكلاء من إيجاد تغييرات ذات معنى وعملي، ثم دمج هذه المكاسب وتراكمها في عملية تحسين تكرارية. خلال مهمة طويلة واحدة، يمكن للنظام تحليل النتائج، وقصها مقابل المعايير المتفق عليها في المقترح الأولي، وإعادة توجيه جهوده بنشاط دون الحاجة إلى تدخل بشري في كل جولة من التغييرات.
إدارة المهام المعقدة والبيانات المتعددة
تعمل جَمب تِريدينغ عبر جميع الأفق الزمنية وفئات الأصول، مما يجعل كل خطوة في العملية معقدة. في صناعة مالية خاضعة لتنظيمات صارمة، يمكن للأخطاء أن تترتب عليها عواقب مالية وقانونية. يؤكد باكر على أهمية الوعي بالمخاطر الناجمة عن تفويض العمل للذكاء الاصطناعي، مشيراً إلى أن الذكاء الوكي يمكن تطبيقه أيضاً لتحسين الجودة والأمان والمراقبة، وليس فقط لإضافة ميزات جديدة.
تتمثل استراتيجية الشركة في تصميم أنظمة قوية وحدود واضحة، مع بنية تحتية تعزز القدرة على التوجيه والمراقبة، إلى جانب المراجعة البشرية للتغييرات. هذا النهج يضمن جاهزية سير العمل المدعوم بالذكاء الاصطناعي للتوسع في بيئة منظمة. يقول باكر: 'إذا كان لديك بيئة آمنة حيث يكون الوكيل حراً في إنتاج أي مخرجات يحتاجها، ولكن هناك أيضاً عملية مراجعة بشرية في النهاية حيث يتم التحقق الحاسم بموافقة بشرية، فهذا ما يمنحنا الثقة'.
الامتثال والمراقبة في بيئة تنظيمية
تخضع إشارات التداول التي ينتجها النظام لنفس آلية المراجعة التي تخضع لها أي مخرجات أخرى. تُعامل الإشارة كعنصر معلوماتي قد يكون صحيحاً أو خاطئاً، وتُدمج مع بقية الإشارات في بيئة تنفيذ صارمة المراقبة والتحكم. هذا النهج يوازن بين سرعة وكفاءة الذكاء الاصطناعي والحاجة الماسة إلى الدقة والامتثال في القطاع المالي.
يؤكد المسؤولون في الشركة على أن المراجعة البشرية ليست خطوة شكلية، بل هي جزء أساسي من دورة حياة أي نموذج أو استراتيجية. تضمن هذه العملية أن تكون القرارات النهائية مدعومة بفهم بشري للسياق والمخاطر المحتملة، مما يقلل من احتمالية الأخطاء الكارثية في إدارة الأصول.
رؤية مستقبلية: البحث الذاتي
يتوقع لويس باكر أننا نتجه نحو عالم يصبح فيه مفهوم 'البحث الذاتي' (Autoresearch) شائعاً لدرجة أنه يُعتبر جزءاً عادياً من سير عمل الباحث الكمي. يشمل هذا المفهوم التحسين التكراري للأنظمة القابلة للقياس بواسطة وكلاء بحثيين. حالياً، حتى أطول مهام GPT-6 Astra تتضمن فحوصات دورية مع الشخص الذي حدد المهمة، ليس فقط حول البيانات والوقت والمعايير، بل أيضاً حول منطقية النتائج الوسيطة.
في المستقبل، سيبدأ البحث الذاتي المتقدم بنظام يحدده البشر، بما في ذلك المدخلات وتعريف البيئة ومقاييس التقييم والأولويات، لكن سيتم تفويض بقية العملية لأسطول من الوكلاء المنظمين بشكل مرن، يتعاونون مع بعضهم البعض. ضمن خط أنابيب بحثي منظم، ستكون هذه الوكلاء قادرة على اتخاذ قرارات ذكية حول كيفية استكشاف الأفكار وتخصيص وقت الحوسبة ودمج النتائج الواعدة، بدءاً من مجرد سؤال مفتوح.
تطور القدرات عبر السنوات
أظهرت السنوات الأخيرة تقدماً مستقراً في مقاييس الأداء، بالإضافة إلى تغييرات نوعية في نوع العمل الذي يمكن للنماذج تنفيذه. كانت هذه التطورات صعبة التنبؤ بها حتى قبل أشهر قليلة؛ ففي عام 2024، كان يُعتبر إنجازاً مبهراً أن تكتب الوكلاء المبكرة ملفاً واحداً دون أخطاء، بينما أصبح ممكناً في عام 2025 إنشاء قواعد أكواد كاملة من الصفر، وفي عام 2026 تحقيق تقدم في أسئلة بحثية مفتوحة من خلال تعاون ديناميكي بين عدة وكلاء.
يختتم باكر حديثه بتساؤل حول الشكل الذي ستتخذه هذه التقنية عندما يصبح بإمكان الباحثين طرح سؤال عام لا يعرفون إجابته بأنفسهم، والحصول على نتيجة مفيدة. ويقول: 'إذا كان بإمكانك حل مشكلة من مشكلات الألفية، فيمكنك على الأرجح أيضاً اكتشاف بعض الحقائق المثيرة للاهتمام حول التمويل الكمي'. ويضيف أن هذا التطور السريع يجعل من الصعب التنبؤ بما سيحدث في العام المقبل، واصفاً ذلك بأنه منظور مثير للإعجاب.
المصادر
- OpenAI NewsHow Jump Trading is scaling quant research with ChatGPT
تابع التسلسل الزمني
تغطية الكيانات المرتبطة
أخبار مرتبطة
Proaction ترفع مبيعاتها 60% وتوفّر 75 ساعة شهرياً عبر Codex
تستثمر شركة Proaction في أدوات الذكاء الاصطناعي من OpenAI، وتحديداً Codex وGPT-6 Astra، لتسريع إدارة الأساطيل، ورفع كفاءة المبيعات، وتقليل العبء الهندسي بشكل ملحوظ.
إيربنوبر توسع نطاق استخدام نموذج GPT-6 Astra
توسع منصة إيربنوبر نطاق وصول فرق الهندسة التابعة لها إلى نموذج GPT-6 Astra ونماذج أوبن إيه آي الرائدة لتسريع تطوير البرمجيات.
GPT-6 Astra يهزم منطقة البداية في World of Warcraft دون رؤية
نجح نموذج GPT-6 Astra من OpenAI في إكمال منطقة البداية لعرق الأورك في World of Warcraft خلال 40 دقيقة دون أي وفيات، مستخدماً بيانات الشبكة فقط.
Higgsfield AI تسرّع إنتاج المحتوى المرئي عبر GPT-6 Astra
توظف Higgsfield AI قدرات نموذج GPT-6 Astra لتبسيط صناعة الإعلانات المرئية للمشاريع الصغيرة وتسريع وتيرة تطوير أدواتها الإبداعية الجديدة بفاعلية.
