الذكاء الاصطناعي وول ستريت

كيف يمكن للذكاء الاصطناعي المتاح أن يُحدث ثورة في تداول وول ستريت

لطالما تمتعت أفضل شركات التداول عالي التردد (HFT) في وول ستريت بميزة تنافسية عززتها اعتمادها على أنظمة تداول خاصة ومكلفة. ومع ذلك، يظهر منافس محتمل من جهة غير متوقعة: الذكاء الاصطناعي مفتوح المصدر (AI). في حين تضخ الشركات المالية العملاقة التقليدية الملايين في خوارزميات تخضع لحراسة مشددة، فإن منصات مثل DeepSeek، وهي شركة ناشئة صينية في مجال الذكاء الاصطناعي، يمكن أن تتيح الوصول إلى تكنولوجيا التداول المتطورة، مما يجعلها متاحة مجانًا - أو تقريبًا - لأي شخص. يثير هذا التطور السؤال التالي: هل يمكن للذكاء الاصطناعي الميسور التكلفة والمتاح بسهولة أن يعيد تشكيل مشهد وول ستريت، أم أن الحواجز الراسخة للبنية التحتية والخبرة ستحافظ على هيمنة اللاعبين الراسخين؟

يسلط هاري مامايسكي، مدير الدراسات المالية في كلية كولومبيا للأعمال وخبير في تطبيقات الذكاء الاصطناعي في مجال التمويل، الضوء على أن DeepSeek يمثل تتويجًا للعديد من التطورات. وأشار إلى Investopedia: “الكثير من الذكاء الاصطناعي مفتوح المصدر بالفعل”، مشيرًا إلى نموذج الذكاء الاصطناعي الخاص بـ Meta، Llama، ومنصة Hugging Face.

وأوضح مامايسكي: “يكمن التحدي في الحصول على الأجهزة اللازمة لتشغيل هذه النماذج، والحصول على البيانات لتغذيتها، ثم تكييف النماذج العامة لحالات استخدام محددة”.

دعونا نتعمق في آليات تطبيق الذكاء الاصطناعي مفتوح المصدر في مجال التمويل.

تطور تداول الذكاء الاصطناعي

لطالما كان مجال التداول في وول ستريت محكومًا بشركات النخبة التي تستخدم أنظمة ذكاء اصطناعي خاصة - خوارزميات باهظة الثمن تم تطويرها في سرية بموارد هائلة. حافظت هذه المؤسسات تقليديًا على ميزتها من خلال الاستفادة من مواردها المالية الكبيرة، والمواهب المتخصصة، والبنية التحتية الحاسوبية المتقدمة. كشف تحليل حديث للصناعة أن تطوير نماذج تداول متطورة للذكاء الاصطناعي يتطلب استثمارات تتراوح من 500000 دولار إلى أكثر من مليون دولار، باستثناء النفقات المستمرة للاحتفاظ بالمواهب وصيانة البنية التحتية.

يمكن إرجاع دمج الذكاء الاصطناعي في التداول إلى الثمانينيات، عندما استخدمت الشركات في البداية أنظمة بسيطة قائمة على القواعد للتداول الآلي. حدث التحول الحقيقي في أواخر التسعينيات وأوائل العقد الأول من القرن الحادي والعشرين، حيث دفعت خوارزميات التعلم الآلي استراتيجيات التداول الكمي في تلك الحقبة. قادت شركات بارزة مثل Renaissance Technologies و D.E. Shaw استخدام نماذج الذكاء الاصطناعي المعقدة لتمييز أنماط السوق وتنفيذ الصفقات بسرعة لا مثيل لها. بحلول العقد الأول من القرن الحادي والعشرين، أصبح التداول عالي التردد (HFT) المدعوم بالذكاء الاصطناعي عنصرًا أساسيًا في عمليات السوق، حيث خصصت أكبر الشركات مئات الملايين للبنية التحتية الحاسوبية والمواهب للحفاظ على ميزتها التنافسية.

تشير التقديرات إلى أن التداول الخوارزمي عالي التردد يمثل ما يقرب من نصف حجم التداول في وول ستريت.

تعمل DeepSeek ومبادرات الذكاء الاصطناعي مفتوحة المصدر المماثلة على تعطيل هذا النموذج التقليدي من خلال نهجها التعاوني في التطوير. بدلاً من إبقاء الخوارزميات طي الكتمان، تستفيد هذه المنصات من المعرفة الجماعية لمجتمع عالمي من المطورين الذين يقومون باستمرار بتحسين التكنولوجيا وتعزيزها.

ومع ذلك، فإن تبني هذه التكنولوجيا ليس سهلاً مثل تنزيل كود مفتوح المصدر. في حين أن هذه الأدوات الجديدة تقلل من بعض عوائق الدخول، إلا أنها لا تخلق تلقائيًا ساحة لعب متكافئة. أنظمة التداول التقليدية متأصلة بعمق في عمليات السوق ومدعومة بسنوات من التحقق من صحتها في العالم الحقيقي. لا يكمن التحدي الذي تواجهه البدائل مفتوحة المصدر في مطابقة القدرات المتقدمة للأنظمة القائمة فحسب، بل يكمن أيضًا في إثبات قدرتها على الأداء بشكل موثوق ضمن المعايير الصعبة للتداول الحي.

علاوة على ذلك، لا يزال يتعين على الشركات التي تتبنى أنظمة الذكاء الاصطناعي مفتوحة المصدر تطوير أطر تشغيلية مناسبة، وضمان الامتثال التنظيمي، وبناء البنية التحتية اللازمة لنشر هذه الأدوات بفعالية. وبالتالي، في حين أن الذكاء الاصطناعي مفتوح المصدر لديه القدرة على خفض تكاليف تكنولوجيا التداول المتطورة، فمن غير المحتمل أن تقوم بتنزيل منصات تداول الذكاء الاصطناعي مفتوحة المصدر بنفس سهولة تطبيق تدوين الملاحظات مفتوح المصدر في المستقبل القريب.

التكلفة وإمكانية الوصول

أحد أكثر الجوانب جاذبية للذكاء الاصطناعي مفتوح المصدر هو قدرته على تقليل التكاليف الأولية بشكل كبير. تتطلب الأنظمة الاحتكارية التقليدية رسوم ترخيص كبيرة واستثمارات في برامج مخصصة. على سبيل المثال، يستفيد التعاون المستمر بين Citadel LLC و Alphabet Inc. من أكثر من مليون معالج افتراضي لتقليل أوقات الحساب المعقدة من ساعات إلى مجرد ثوانٍ، ولكن هذا يستلزم استثمارات ضخمة مستمرة في البنية التحتية.

يقدم نهج DeepSeek مفتوح المصدر تناقضًا صارخًا. نماذجها V3 و R1 متاحة مجانًا، وتعمل بموجب ترخيص MIT، مما يعني أنه يمكن تعديلها واستخدامها في المساعي التجارية. في حين أن البرنامج نفسه قد يكون مجانيًا، إلا أن تنفيذه الفعال يتطلب استثمارات كبيرة في المجالات التالية، كما أكد مامايسكي:

• البنية التحتية الحاسوبية والأجهزة: قوة حوسبة قوية ضرورية للتعامل مع متطلبات المعالجة المكثفة للتداول القائم على الذكاء الاصطناعي.
• الحصول على بيانات سوق عالية الجودة: يعد الوصول إلى بيانات السوق الدقيقة في الوقت الفعلي أمرًا بالغ الأهمية لتدريب ونشر نماذج تداول فعالة.
• تدابير الأمان وأنظمة الامتثال: بروتوكولات أمنية صارمة وأنظمة امتثال ضرورية لحماية البيانات الحساسة والالتزام بالمتطلبات التنظيمية.
• الصيانة والتحديثات المستمرة: الصيانة والتحديثات المستمرة ضرورية لضمان الأداء الأمثل للنظام والتكيف مع ظروف السوق المتطورة.
• الخبرة المتخصصة للنشر والتحسين: هناك حاجة إلى محترفين مهرة لنشر نماذج الذكاء الاصطناعي وتكوينها وتحسينها لاستراتيجيات تداول محددة.

بينما يمكنك الوصول بسهولة إلى أحدث طراز لـ DeepSeek وتنزيل الكود مجانًا، فإن نشره بنجاح في بيئة HFT يتطلب أكثر من ذلك بكثير.

الشفافية والمساءلة

من المزايا التي يتم الاستشهاد بها بشكل متكرر للذكاء الاصطناعي مفتوح المصدر شفافيته المتأصلة. مع وجود شفرة المصدر مفتوحة للتدقيق العام، يمكن لأصحاب المصلحة تدقيق الخوارزميات، والتحقق من عمليات صنع القرار الخاصة بهم، وتعديلها للامتثال للوائح أو تلبية متطلبات محددة. ومن الأمثلة الرئيسية على ذلك International Business Machines Corporation’s AI Fairness 360، وهي مجموعة من الأدوات مفتوحة المصدر المصممة لتدقيق وتخفيف التحيزات في نماذج الذكاء الاصطناعي. علاوة على ذلك، فإن التفاصيل المعمارية وبيانات التدريب لنماذج Lllama 3 و 3.1 الخاصة بـ Meta متاحة للجمهور. يتيح ذلك للمطورين تقييم الامتثال لحقوق النشر والمعايير التنظيمية والأخلاقية. يتناقض هذا المستوى من الانفتاح مع طبيعة ‘الصندوق الأسود’ للأنظمة الاحتكارية، حيث يتم إخفاء الأعمال الداخلية، مما يؤدي في بعض الأحيان إلى قرارات مبهمة قد يجد حتى منشئو النظام صعوبة في كشفها.

ومع ذلك، سيكون من غير الدقيق تصوير جميع أنظمة التداول الاحتكارية على أنها صناديق سوداء غير قابلة للاختراق. لقد خطت المؤسسات المالية الكبرى خطوات كبيرة في تعزيز شفافية نماذج الذكاء الاصطناعي الخاصة بها، مدفوعة بالضغط التنظيمي (مثل قانون الاتحاد الأوروبي للذكاء الاصطناعي والمبادئ التوجيهية الأمريكية المتطورة) وضرورات إدارة المخاطر الداخلية. يتمثل الاختلاف الجوهري في أنه بينما تقوم الأنظمة الاحتكارية بتطوير أدوات الشفافية الخاصة بها داخليًا، تستفيد النماذج مفتوحة المصدر من التدقيق والتحقق من الصحة المدفوعين بالمجتمع، مما يؤدي غالبًا إلى تسريع عملية حل المشكلات.

فجوة الابتكار

حاز اختراق نموذج R1 الخاص بـ DeepSeek على انتباه قادة الصناعة - حتى أن سام ألتمان من OpenAI اعترف في أوائل عام 2025 بأنه “على الجانب الخطأ من التاريخ” فيما يتعلق بالنماذج مفتوحة المصدر، مما يشير إلى تحول محتمل في النموذج في كيفية إدراك الصناعة للتنمية التعاونية.

ومع ذلك، أكد مامايسكي أن التحدي الحقيقي في تحقيق إمكانات الانتقال إلى الذكاء الاصطناعي مفتوح المصدر يكمن في ثلاثة مجالات محورية: توسيع نطاق البنية التحتية للأجهزة، وتأمين بيانات مالية عالية الجودة، وتكييف النماذج العامة لتطبيقات التداول المحددة. وبالتالي، فهو لا يتوقع أن تتبدد مزايا الشركات ذات الموارد الجيدة في أي وقت قريب. وقال: “الذكاء الاصطناعي مفتوح المصدر، في حد ذاته، لا يشكل خطرًا [على المنافسين] في رأيي. نموذج الإيرادات هو مراكز البيانات، والبيانات، والتدريب، وقوة العملية”.

يتعقد سباق الذكاء الاصطناعي أيضًا بسبب الاعتبارات الجيوسياسية. حذر إريك شميدت، الرئيس التنفيذي السابق لشركة Google، من أنه يجب على الولايات المتحدة وأوروبا تكثيف تركيزهما على تطوير نماذج الذكاء الاصطناعي مفتوحة المصدر أو المخاطرة بالتنازل عن مكانتهما للصين في هذا المجال. يشير هذا إلى أن مستقبل الذكاء الاصطناعي المالي قد لا يتوقف فقط على القدرات التقنية ولكن أيضًا على القرارات الاستراتيجية الأوسع المتعلقة بكيفية تطوير تكنولوجيا التداول ونشرها.

يمثل ظهور منصات الذكاء الاصطناعي مفتوحة المصدر مثل DeepSeek تحولًا محتملاً في التكنولوجيا المالية، إلا أنها لا تشكل حاليًا تهديدًا وشيكًا للتسلسل الهرمي الراسخ في وول ستريت. في حين أن هذه الأدوات تقلل بشكل كبير من تكاليف ترخيص البرامج وتعزز الشفافية، حذر مامايسكي من أن “جعل النماذج مفتوحة المصدر أم لا ربما لا يمثل مشكلة من الدرجة الأولى” لهذه الشركات.
من المتوقع أن يكون المستقبل هجينًا، يجمع بين الأنظمة مفتوحة المصدر والأنظمة الاحتكارية. لذلك، فإن السؤال المهم ليس ما إذا كان الذكاء الاصطناعي مفتوح المصدر سيحل محل أنظمة وول ستريت التقليدية، ولكن كيف سيتم دمجها في أطرها الحالية.
تعمل حركة المصادر المفتوحة على تغيير كيفية إنشاء البرامج ومشاركتها عبر العديد من المجالات. في مجال التمويل، تكمن الإمكانية في أن الأدوات الجديدة والمنصات التعاونية ستسهل على الشركات الصغيرة والمستثمرين الأفراد استخدام استراتيجيات التداول التي تعمل بالذكاء الاصطناعي.
من المرجح أن يكون مستقبل الذكاء الاصطناعي في مجال التمويل مزيجًا من الأنظمة مفتوحة المصدر والمغلقة والخاصة. السؤال الكبير هو مدى جودة عمل هذه الأساليب المختلفة معًا، مما يسمح للشركات القائمة باستخدام نقاط القوة في الابتكار المدفوع بالمجتمع مع الحفاظ على المزايا المتخصصة التي سمحت لها بالبقاء في القمة لفترة طويلة.

مسار الذكاء الاصطناعي في التمويل ليس مجرد مسألة تقنية؛ إنها مسألة استراتيجية، متشابكة بعمق مع المشهد التنظيمي، والديناميكيات الجيوسياسية، وهيكل الأسواق المالية ذاته. ستكشف السنوات القادمة كيف تتفاعل هذه القوى، وتشكل مستقبل التداول والاستثمار.

يعد صعود الذكاء الاصطناعي مفتوح المصدر في التداول تطورًا حاسمًا. سيكون من المثير للاهتمام مشاهدة كيف يغير وول ستريت ويجعل أدوات التداول المتقدمة متاحة للجميع. هذه القصة لا تزالتتكشف، وفصلها الأخير لم يكتب بعد. إن مزيج التعاون والمنافسة والشفافية والميزة الاحتكارية هو الذي سيحدد التأثير النهائي للذكاء الاصطناعي مفتوح المصدر على عالم المال.