CorrectiveAI

What is Corrective AI? - PredictNow

Ernest ChanはPredictNow.ai Inc.の創設者です。彼によると、機械学習の究極の目標は人間のように自律的な判断ができる人工一般知能（AGI）を作ることです。残念ながら、完全自動運転車の開発に何十億ドルもの研究開発費が投じられているにも関わらず、これはまだ実現していません。一方で、現在では新車を購入するとほとんどがアシストドライビング技術が搭載されています。

資産管理の分野でも同様のことが言えます。Chan氏は数十年にわたって機械学習の研究と実践を行い、IBMのワトソン・ラボ、モルガン・スタンレーのAIグループ、そして彼が創設したヘッジファンドで完全自動のトレーディングシステムを試みました。もし大成功していたら、彼はスーパーヨットでシャンパンを飲んでいるでしょう。しかし、実際はそうではなく、成功したファンドは少ないのが現状です。しかし数年前、彼は機械学習を商業的問題に適用する、より実用的な方法を見出しました。

PredictNow.aiは、AIがゼロから判断を下すよりも、人間や単純なアルゴリズムによる誤った判断を修正する方がずっと効果的だと考えています。この概念を「修正AI」と呼んでいます。

2019年末に、Chan氏のファンドはこの「修正AI」を危機アルファ戦略に試し、驚くべき効果を見せました。2020年初頭、このAIは市場の危機を予測し、全力で取引を行うように勧めました。これにより、COVIDによる金融危機が発生した数ヶ月で約80%の総収益を上げました。2020年11月初旬には、再び市場の危機は予期されないとAIが示しました。数日後、ファイザーとBioNTechがワクチンの発表を行いました。

この驚異的な効果と一般的な適用性を目の当たりにした後、Chan氏はPredictnow.aiを立ち上げ、これを金融の世界を超えて商業化することを決意しました。資産管理はAIの使用が最も難しいケースですが、これが成功すれば他の企業アプリケーションでもさらに良い成果が得られると信じています。

PredictNow.aiは、資産管理以外の分野でも専門知識を持っていることが他の専門家に受け入れられるかどうかが疑問視されました。これは、スペースシャトル・チャレンジャー号の事故調査委員会に理論物理学者のリチャード・ファインマンが参加した時にも同じような状況でした。ファインマンは航空工学の専門家ではありませんでしたが、彼のユニークでシンプルな洞察が正しかったのです。同様に、私たちのチームも資産管理の分野以外で新しい視点を提供し、専門家を驚かせることができます。

例えば、石油探査会社の幹部との協力のもと、私たちはそのデータが多次元であることを発見しました。従来数個の変数を用いていたところ、40万個もの変数を取り入れることができます。このようにデータセットを拡大することで、石油井戸の生産性をより正確に予測できるようになりました。これは、業界で既に信頼されている既存の式を置き換えるのではなく、修正するだけです。

また、半導体メーカーは、製造プロセスの結果を予測するために、プロセスエンジニアが手作りしたエキスパートシステムを使用しています。このシステムは古いコンピュータプログラムのようなもので、アマチュアには強いがチャンピオンには勝てません。しかし、DeepMindのAlphaGoが登場し、過去の動きから学び未来のゲームで勝利を収めることができました。私たちはこの成功を製造業に応用しようとしており、主要な半導体製造者の生産管理責任者やAI責任者と協議中です。修正AIははるかに多くの予測因子から学び、製造プロセスにリアルタイムで調整を加えることができます。

私たちの目標は、特定の業界ごとに最適化された入力特徴を用いて、特許出願中の最適化技術を一般的なSaaSプラットフォームを通じて提供することです。これにより、様々な企業のプロセスを改善することが可能です。

私たちは資産管理業界で最初の製品を作り、初期の成功を収めました。SaaSプラットフォームを通じて投資判断を修正し、現在30の有料顧客が使用しています。これらの顧客はプロのトレーダーから機関投資家まで様々です。中には利益分配契約を結んだ顧客もいます。

新たな業界への応用も想像力を働かせるだけでなく、確固たる信念が必要です。

私たちのプラットフォームに新たに参加するユーザーは、多くの場合、私たちが使っている技術が大々的に宣伝されているディープラーニングではないことに驚きます。研究者たちは、ディープラーニングが画像認識や音声認識、その他の自然言語処理のタスクでは非常に成功している一方で、商業データセット（多くの金融データセットを含む）には適していないと指摘しています。これらのデータは「異質」であることが多いです。さらに、ディープラーニングは通常、利用可能な商業用ケースのデータセットよりもはるかに大きなデータセットを必要とし、トレーニングにも長い時間がかかることがあります。私たちが使用している「修正AI」技術の利点の一つは「説明可能性」です。私たちは、どの入力特徴が予測に本当に重要かについて、人間のオペレーターにより良い直感を提供できる方法に関する複数の論文を発表しています。

資産管理業界でのサービス提供を通じて、商業化におけるもう一つの重要な成功要因を学びました。どんなに優れたアルゴリズムであっても、それが顧客にとって有用であるためには、各アプリケーションドメインにカスタマイズされた事前にエンジニアリングされた入力特徴が伴う必要があります。資産管理者向けには、伝統市場で600以上、暗号資産市場で800以上の特徴を作成しました。これらの特徴を作成するには、私たちの深いドメイン知識が必要ですが、多くの顧客はこれを最も魅力的な価値提案と感じています。これと同様の現象が、私たちの石油探査パートナーとの実証実験で起こっています。彼らは、オイルウェルの生産性を予測するための入力特徴がほんの一握りしかないと思っていましたが、地質工学の専門知識を持つ私たちのデータサイエンティストが、それを数十万に増やす方法を示しました。

すべての研究開発と製品開発の成功は、わずか7人のエンジニアによって成し遂げられました。現在、私たちはプレシードラウンドで100万ドルを調達しており、その85％が既に購読されています。初期段階にもかかわらず、私たちは素晴らしい才能を惹きつけるのに困難はありません。その中には、MITの数学博士やUCバークレーの最適化学の博士もいます。各新しい業界垂直で修正AIを展開するためには、特定のドメインの専門知識を持つエンジニアを雇う必要があります。これは特にAI人材の不足が報告されている中で困難なことのように思えますが、私

たちの公開研究や教育資料（主要出版社からリリースされた高く評価されている書籍を含む）の高い可視性のため、様々な業界のエンジニアやデータサイエンティストが自発的に（バーチャルで）私たちのところに来ます。私たちはまた、DV Tradingの共同創設者やSolaceの創設者など、技術や資産管理のリーダーを初期投資家として惹きつけることができました。これらの投資家は単なる受動的な投資にとどまらず、Cレベルの連絡先を紹介したり、彼ら自身の組織の元取締役や上級幹部を私たちを支援するために参照しています。さらに、トムソン・ロイターの元CTOも私たちの取締役会に参加しています。

PredictNow.aiはすでに毎日複数のユーザーの投資判断を修正するために機械学習を使用しています。その成功を別の垂直方向で複製するには少しの想像力が必要ですが、信念の飛躍は必要ありません。