في الآونة الأخيرة، أدرس بعمق المنطق الأساسي لـ transform. وأعمق فهم لي هو أن الذكاء الاصطناعي يعتبر في الواقع تقريبًا قويًا جدًا للدوال، وهو نوع من النمذجة الإحصائية القصوى. بناءً على ذلك، أعتقد حقًا أن بعض الأشخاص الذين يستخدمون قدرات الـ LLM الحالية في القيام بالكمية والتداول الحقيقي في السوق، هم في الحقيقة لا يختلفون عن المقامرة على الإطلاق، فهي مسار خاطئ تمامًا. لأن نموذج الـ LLM يتقن توقع الكلمات، فهو نموذج توليدي تلقائي يعتمد على التتابع، ولا يمكنه إلا أن ينتج "صحيحًا" من الناحية الإحصائية. كأن تسأله "هل سيرتفع سعر البيتكوين؟"، فإن الـ LLM سيعتمد فقط على توزيع النصوص في بيانات تدريبه، ويكوّن إجابة تتكرر بشكل كبير عبر التاريخ البشري، كلمة كلمة. ويعتمد ذلك أيضًا على الكلمة الأولى التي يخرجها. على سبيل المثال، الخيارات المحتملة قد تكون:

سيزيد،
لن يزيد،
السوق غير مؤكد،
سيصعد أولًا ثم ينخفض،
...
سيقوم الـ LLM استنادًا إلى الكلمة الأولى التي ينتجها، بتوليد النص بشكل مستمر، لينتهي به الأمر إلى تقرير طويل يبدو محترفًا جدًا، لكنه في الحقيقة لا يعرف مدى صحته أو خطئه، ويعتمد بشكل كامل على السياق الذي تم مطابقته في محرك البحث. أما النماذج الحقيقية للكمية، فهي تتطلب الوصول إلى تدفقات الأوامر في السوق، ونماذج رياضية متنوعة، وعوامل متعددة، وغيرها الكثير. النماذج الكبيرة للكمية والنماذج الكبيرة للـ LLM هما أمران مختلفان تمامًا، فأنظمة الكمية لا تستخدم الـ transform على الإطلاق. وأي شخص يستخدم أدوات الـ LLM في إجراء أي تداول تلقائي كامل، فهو في الحقيقة يغامر بشكل كامل، ويعتمد على مدى قدرة محرك البحث المدمج في الـ LLM على ربط السياق، وعلى الكلمة الأولى التي يولدها. سواء كان الأمر يتعلق بتوقع السوق، أو بالتداول بالعقود، أو بأسواق الأسهم الأمريكية أو غيرها، فالمقامرون الصغار يجب أن يتوقفوا عن تصديق قصص التداول الآلي الكامل بالذكاء الاصطناعي. مؤخرًا، رأيت الكثير من الأشخاص الذين يربطون مهارة واحدة بـ openclaw ويطلبون منه التداول الآلي الكامل، وهو أمر غير منطقي. ليس أن الذكاء الاصطناعي لا يمكن أن يحقق التداول الآلي الكامل، مثل تلك الأنظمة التي أنشأها أستر سابقًا، فإن الاعتماد الأساسي فيها ليس على قدرات الـ LLM نفسها، وإنما على استخدام الـ LLM لاستدعاء نماذج كمية، وهو بمثابة تغليف، حيث يكون دور الـ LLM فقط في اتخاذ القرارات استنادًا إلى البيانات الحقيقية، ومع ذلك، هذا لا يزال غير موثوق به تمامًا.