EquiLibre Technologies: AI மூலம் பங்குச் சந்தையில் புரட்சி! $500 மில்லியன் மதிப்பீட்டை எட்டியது

TECHNOLOGY
Whalesbook Logo
AuthorPooja Singh|Published at:
EquiLibre Technologies: AI மூலம் பங்குச் சந்தையில் புரட்சி! $500 மில்லியன் மதிப்பீட்டை எட்டியது

முன்னாள் DeepMind ஆராய்ச்சியாளர்கள் உருவாக்கிய EquiLibre Technologies என்ற AI லேப், தற்போது $500 மில்லியன் டாலர் மதிப்பீட்டை எட்டியுள்ளது. இந்த நிறுவனம், நிதிச் சந்தைகளில் வர்த்தகம் செய்ய சூதாட்டங்களில் வெற்றிபெற்ற அதே தொழில்நுட்பமான ரீயின்ஃபோர்ஸ்மென்ட் லேர்னிங்கைப் பயன்படுத்துகிறது.

என்ன நடந்தது?

EquiLibre Technologies, ஒரு சிறப்பு வாய்ந்த செயற்கை நுண்ணறிவு (AI) லேப், தனது சமீபத்திய நிதி திரட்டலுக்குப் பிறகு $500 மில்லியன் டாலர் மதிப்பீட்டை எட்டியுள்ளது. இந்த நிதி திரட்டலை வென்ச்சர் கேப்பிட்டல் நிறுவனமான Creandum முன்னின்று நடத்தியது. இந்த நிறுவனம், DeepMind-ல் பணியாற்றிய முன்னாள் ஆராய்ச்சியாளர்களான CEO மார்ட்டின் ஷ்மிட், CTO ருடால்ஃப் கடலெக், மற்றும் CSO மதேஜ் மொராவ்சிக் ஆகியோரால் நிறுவப்பட்டது. இவர்கள் DeepStack என்ற AI மென்பொருளை உருவாக்கியதற்காக அறியப்படுகிறார்கள், இது போக்கர் விளையாட்டில் மனித நிபுணர்களை வென்றது.

வர்த்தகத்திற்கான AI அணுகுமுறை

EquiLibre தன்னை ஒரு பாரம்பரிய நிதி நிறுவனமாக அல்லாமல் ஒரு AI லேப் ஆக நிலைநிறுத்துகிறது. இதன் முக்கிய தொழில்நுட்பமான ரீயின்ஃபோர்ஸ்மென்ட் லேர்னிங், அல்காரிதம்கள் பணிகளைச் செய்வதன் மூலம் கற்றுக்கொள்ளும் ஒரு முறையாகும். இந்த விஷயத்தில், வர்த்தகம் செய்து, வெற்றிகரமான முடிவுகளுக்கு 'வெகுமதிகளைப்' பெறுகின்றன. இந்த நிறுவனம், S&P 500 மற்றும் NASDAQ-ல் உள்ள அதிக அளவு சொத்துக்களில் தனது அல்காரிதம்களைப் பயன்படுத்த Tower Research Capital உடன் கூட்டு சேர்ந்துள்ளது. 2025-ல் கிரிப்டோ சந்தைகளில் அறிமுகப்படுத்தப்பட்டதிலிருந்து, இந்த நிறுவனம் எதிர்மறை மாதங்கள் இல்லாத ஒரு பதிவைப் பராமரிப்பதாகக் கூறுகிறது. இருப்பினும், குவாண்டிடேட்டிவ் டிரேடிங் உலகில், இத்தகைய குறுகிய கால சாதனைப் பதிவை கவனமாகப் புரிந்துகொள்ள வேண்டும், ஏனெனில் நிதிச் சந்தைகள் திடீர், கணிக்க முடியாத கட்டமைப்பு மாற்றங்களுக்கு உள்ளாகலாம்.

தொழில்நுட்பத்தின் முக்கியத்துவம்

ரீயின்ஃபோர்ஸ்மென்ட் லேர்னிங், பழைய, விதி அடிப்படையிலான அல்காரிதமிக் டிரேடிங்கிலிருந்து ஒரு மாற்றத்தைக் குறிக்கிறது. பாரம்பரிய 'குவாண்ட்' நிதிகள் பெரும்பாலும் வரலாற்றுத் தரவுகளின் அடிப்படையில் புள்ளிவிவர மாதிரிகளை நம்பியிருக்கும்போது, ரீயின்ஃபோர்ஸ்மென்ட் லேர்னிங் மாதிரிகள் உள்வரும் சந்தைத் தரவுகளுக்கு ஏற்ப மாறும். இது மனிதர்கள் அல்லது நிலையான நிரல்கள் தவறவிடக்கூடிய வடிவங்களைக் கண்டறிய மென்பொருளை அனுமதிக்கும் நோக்கம் கொண்டது. இந்நிறுவனம் இப்போது தனது கணினித் திறனை விரிவுபடுத்துவதில் கவனம் செலுத்துகிறது, மத்திய ஐரோப்பாவில் ஒரு குறிப்பிடத்தக்க கணினி தொகுப்பை உருவாக்கும் திட்டங்களுடன். உள்கட்டமைப்பில் இந்த முதலீடு, போட்டியாளர்களை விட திறமையாக சந்தைத் தரவுகளைச் செயலாக்குவதை நோக்கமாகக் கொண்டுள்ளது.

வணிக அபாயங்கள் மற்றும் சந்தை யதார்த்தம்

இந்தத் தொழில்நுட்பம் மேம்பட்டதாக இருந்தாலும், AI-உந்துதல் வர்த்தகம் குறிப்பிட்ட அபாயங்களைக் கொண்டுள்ளது, இது இந்தத் துறையில் உள்ள முதலீட்டாளர்கள் பொதுவாகக் கண்காணிக்கிறார்கள். ஒரு முதன்மையான ஆபத்து சந்தை அசாதாரணங்களின் போது 'மாடல் தோல்வி' ஆகும். குறிப்பிட்ட சந்தை நிலைமைகளில் பயிற்சி பெற்ற ஒரு AI, 'கருப்பு அன்னம்' நிகழ்வை - அமைப்பைப் பயிற்றுவிக்கப் பயன்படுத்தப்பட்ட தரவுகளில் நிகழாத ஒரு அரிதான, கணிக்க முடியாத சந்தை வீழ்ச்சி அல்லது ஏற்றம் - எதிர்கொள்ளும்போது மோசமாக செயல்படலாம். மேலும், குவாண்ட் டிரேடிங் இடம் மிகவும் போட்டித்தன்மை வாய்ந்தது, Jane Street போன்ற நிறுவப்பட்ட நிறுவனங்களால் ஆதிக்கம் செலுத்தப்படுகிறது, அவை பல தசாப்த கால வரலாற்றுத் தரவு மற்றும் ஆழ்ந்த நிபுணத்துவத்தைக் கொண்டுள்ளன. நீண்டகால சந்தை சரிவுகளின் போது ஒரு புதிய நுழைபவர் இந்த போட்டி நிறுவனங்களை தொடர்ந்து வெல்ல முடியுமா என்பது இந்தத் தொழில்துறைக்கு ஒரு முக்கிய கேள்வியாக உள்ளது.

அடுத்து என்ன கவனிக்க வேண்டும்?

EquiLibre ஒரு தனியார் தொழில்நுட்ப ஆய்வகம் மற்றும் பொதுவில் பட்டியலிடப்பட்ட நிறுவனம் அல்ல என்பதால், பரந்த சந்தைக்கான அதன் முதன்மை கண்காணிப்பு, அதிக ஏற்ற இறக்க காலங்களில் அதன் AI மாதிரிகளின் செயல்திறன் ஆகும். ரீயின்ஃபோர்ஸ்மென்ட் லேர்னிங் அணுகுமுறை 'ஓவர்ஃபிட்டிங்' இல்லாமல் செயல்திறனைத் தக்கவைக்க முடியுமா என்பதைக் கண்காணிப்பார்கள் - AI கடந்தகால தரவுகளில் சரியாகச் செயல்படும் ஆனால் எதிர்கால விளைவுகளைக் கணிக்கத் தவறும் ஒரு பொதுவான சிக்கல். இந்த உயர்நிலை கணினிச் செலவுகளை நிர்வகிக்கும் போது அதன் உள்கட்டமைப்பை அளவிடும் நிறுவனத்தின் திறன் நீண்டகால நம்பகத்தன்மையில் ஒரு காரணியாக இருக்கும்.

Disclaimer:This article is published for informational purposes only. While reasonable efforts are made to ensure accuracy, completeness, and timeliness, readers are encouraged to independently verify information before making any decisions based on the content. The views and information presented are subject to editorial review and may be updated without notice.