クアントリサーチャーのJump Tradingは、マーケットデータ、ニュースやイベント、そしてさまざまなオルタナティブデータソースを活用した予測モデルを構築し、資産価格について可能な限り最良の予測を行っています。市場は複雑でノイズが多く、時間とともに変化するため、何が起こるかを正確に予測することはほとんど不可能です。しかし、JumpのLLM R&D責任者であるLucas Bakerによれば、大規模にコイン投げよりわずかにでも良い予測ができれば、それだけで成功する戦略になり得るといいます。
Bakerはエージェント研究開発を統括しており、クアントリサーチャーがより広く深くアイデアを探究できるようにするエージェント、ハーネス、インフラの構築に注力しています。GPT‑6 Astraの追加により、日常のコーディングから、新しい仮説を検証するための高度なクアントスタディまで、エージェントに任せられるワークフローの規模と複雑さが劇的に拡大しました。
「GPT-6シリーズ、特にGPT-6 Astraによって、OpenAIは、柔軟なエージェントの協調と複雑なワークフローへの極限の粘り強さを必要とする長時間タスクに対し、新たな自律性のレベルを解き放ちました。以前は頻繁な人間による指導と介入を必要としていましたが、今では、明確な目標を持つ安全でよく監視された環境の定義に完全に集中し、エージェントに自らの道を見つけさせることができます。」―Lucas Baker、LLM R&D責任者、Jump Trading
短いコード断片から包括的な分析へ
この1年で、AIは使い捨てのコード断片を書いたり小さなバグを見つけたりする便利なツールから、コードベースやサービス全体を自ら開発できる、有能で多用途なシステムへと変貌しました。今やBakerと彼のチームは、AIを同僚のように扱うときに最も良い成果が得られることに気づいています。リサーチャーは重要な問題、作業環境、結果の質と重要性を評価する方法を定義し、分析のどこに焦点を当てるか、次にどのジョブを実行するかについて、1つまたは複数のエージェントをリアルタイムで誘導できます。
Bakerによれば、GPT‑6 Astraでは、エージェントは意味のある実用的な変更を見つけるだけでなく、それらの改善を再帰的な改善のプロセスで統合し積み重ねることができるようになりました。1つの長時間実行タスクの過程で、システムは自らの発見を分析し、当初の提案で合意された基準と照らして判断し、人間が変更の各ラウンドを分析する必要なく、自らの取り組みを積極的に方向転換できます。彼はこう述べます。「何日もかけて実行する必要があるタスクを定義できます。多くのデータソースから取得し、何が重要で何が重要でないかという微妙な判断を下し、すべてを相互に関連付けて、実際に機能する包括的な分析を作り上げることが、今や可能なのです」と彼は言います。
人間の判断を中心に据え続ける
Jump Tradingはあらゆる時間軸と資産クラスを対象に事業を行っています。プロセスのあらゆる段階が複雑であり、金融のような高度に規制された業界では、ミスが財務的にもコンプライアンスの面でも結果をもたらす可能性があります。Bakerは、AIに仕事を任せることから生じるリスクを認識することが極めて重要であると同時に、エージェント型の知能は機能追加だけでなく、品質、セキュリティ、モニタリングの向上にも適用できると述べています。強固なシステム設計と境界、明確な制約、操作可能性と可観測性を促進するインフラ、そして変更の人間によるレビューが、Jump TradingのチームがAI対応ワークフローを規制された環境で拡張できる状態に保つ助けとなっています。
「エージェントやシステムが必要な出力を自由に生成できる安全な環境があり、その末尾に、人間による承認で重要な検証が行われる人間のレビュープロセスがあること——それこそが私たちの信頼の源泉です」と彼は言います。例えば、エージェントが取引シグナルを生成した場合、それは他のあらゆる出力と同じ方法でスコープ設定されレビューされます。つまり、通常は有益だが誤っている可能性もあるシグナルとして扱われ、厳格にレビュー・管理された実行環境の中で他のすべてのシグナルと統合されるのです。
次の展開
Bakerは、「オートリサーチ」、つまりエージェントリサーチャーによる測定可能なシステムの再帰的な改善が、あまりに普遍的になり、クアントリサーチャーの通常のワークフローの一部とみなされるようになる世界に向かっていると考えています。今日でも、GPT‑6 Astraの最長の作業では、タスクを定義する人との定期的なチェックインが依然として行われます。どのデータを取得するか、どれだけ実行するか、何を重要とみなすかだけでなく、中間結果が意味をなすかどうかも含めてです。高度なオートリサーチでは、依然として入力、環境定義、評価指標、トレードオフ、全体的な優先順位を含む人間が定義したシステムから始まりますが、残りのプロセスは、他のエージェントによって調整される緩やかに構造化されたエージェントの「フリート」に委ねられます。適切に構造化されたリサーチパイプラインの中で、これらのエージェントは、アイデアの探究方法、計算時間の割り当て、有望な発見の統合についてインテリジェントな意思決定を行うことができ、すべてはほんの1つの開かれた問いから始まります。
「これらすべてをエンドツーエンドでつなげ、自分自身でも答えを知らない一般的な質問を投げかけ、有益な結果が返ってくるとしたら、それはどのような世界でしょうか?」と彼は問いかけます。「ミレニアム問題を解決できるなら、クアントファイナンスについても非常に興味深い事実を見つけ出せるでしょうね。」
毎年、ベンチマークの数値が着実に向上しただけでなく、モデルが実行できる仕事の種類にも飛躍的な変化がもたらされました。こうした進展は、数ヶ月先でさえ予測が難しいことが多くありました。2024年には初期のエージェントが単一のファイルを間違いなく書けるだけでも印象的とされていましたが、2025年にはゼロからコードベース全体を作成できるようになり、2026年には多くのエージェントが動的に協力しながら、未解決の研究課題について進展を遂げられるようになりました。「来年は何が実現するのでしょうか」と彼は言います。「実に信じられないほどの展望です。」