Трио из DeepMind, создавшее ИИ для покера, теперь зарабатывает деньги для хедж-фондов, использующих количественный анализ

Ни один из трех основателей EquiLibre Technologies никогда не работал в сфере финансов до создания алгоритма, который сегодня перемещает миллиарды на рынках. Тем не менее, с 2025 года по сегодняшний день их ИИ ни разу не закрыл ни одного месяца с убытком: рекорд — ноль месяцев с отрицательными результатами, как говорит генеральный директор Мартин Шмид. Широко распространено убеждение, что для победы на Уолл-стрит нужны связи, инсайдерская информация и волчий ум. Однако EquiLibre пришла из совершенно другой вселенной — академических исследований и онлайн-игр в покер. Тезис, который переворачивает всё с ног на голову, заключается в следующем: навыки, необходимые для победы на крупных рынках, — это уже не навыки финансовых акул, а навыки ученых, способных научить машину самостоятельному обучению. Это называется обучением с подкреплением: системы накапливают опыт, совершают ошибки, получают вознаграждение и адаптируются — точно так же, как человеческий интеллект, но с пугающей скоростью. Кто эти трое? Мартин Шмид, Рудольф Кадлец и Матей Моравчик: все трое были приглашенными докторантами в офисе DeepMind в Эдмонтоне, Канада, когда создали DeepStack, первый ИИ, способный побеждать чемпионов по безлимитному покеру, техасскому холдему. Никто из них не хотел делать карьеру в сфере финансов, по крайней мере, вначале: Шмид ясно говорит: «Я делаю это не для того, чтобы сделать рынки более эффективными. Я делаю это, потому что нам нравится создавать то, чего еще нет». После DeepMind они возвращаются в Прагу вместе с группой друзей и коллег, многие из которых являются частью чешской диаспоры Google, и основывают EquiLibre. Они решают остаться там, вдали от Кремниевой долины, потому что, по словам Шмида, «здесь легче удерживать таланты: здесь не появляется каждые два месяца новый привлекательный стартап, который пытается их увести». Сегодня их всего 25 человек, но они управляют алгоритмами, которые в партнерстве с Tower Research Capital торгуют на S&P 500 и Nasdaq с головокружительными ежедневными объемами. История EquiLibre — это также вопрос времени: когда они начинали, к обучению с подкреплением относились скептически, а теперь это стандарт, причем настолько, что даже Jane Street, один из мировых гигантов количественного трейдинга, заявляет, что использует его вместе с продвинутыми языковыми моделями и десятками тысяч графических процессоров. Но EquiLibre, располагая гораздо более ограниченными ресурсами, делает ставку на эффективность: «Мы должны делать больше с меньшими затратами», — говорит Шмид. Парадокс? В отрасли, где автоматизация должна привести к небольшому количеству победителей и множеству проигравших, Шмид видит другую возможность: «Это не та игра, где победитель получает всё». И удивительная деталь заключается в том, что EquiLibre даже не называет себя финансовой компанией: она видит себя исследовательской лабораторией, которая случайно нашла способ печатать деньги с помощью алгоритма. Попробуйте представить: три бывших исследователя ИИ, вернувшиеся домой почти из-за ностальгии, начинают играть на мировых рынках — и через четыре года их компания стоит более полумиллиарда долларов. Но суть в том, что сегодня инженерное творчество важнее финансовой хитрости. Если вы думаете, что будущее Уолл-стрит пишут бывшие трейдеры Goldman Sachs, возможно, пришло время пересмотреть ставку. Отныне решать, кто победит, могут ботаны, занимающиеся обучением с подкреплением, а не акулы в костюмах и галстуках. Если эта история о науке и алгоритмах открыла для вас новое окно, на Lara Notes вы можете отметить I'm In — это не лайк, это способ сказать: теперь эта идея моя. И если завтра ты решишь рассказать об этом кому-то — возможно, перед колодой карт или монитором фондовой биржи — на Lara Notes ты можешь отметить тех, кто был рядом, с помощью Shared Offline, чтобы этот разговор оставался живым. Все это — от TechCrunch, с экономией 1 минуты.