IA passa raspando no teste #SP500

 

Michael Cembalest, Presidente de Estratégia e Mercados do JP Morgan, é um dos melhores analistas na opinião do Mosca. Sua grande capacidade criativa em analisar dados lhe configura um elevado grau de acerto em suas previsões. Mais recentemente realizou uma ampla pesquisa a fim de avaliar como a IA poderia se tornar uma ferramenta útil.

Fiz perguntas no Chat GPT-4 sobre economia, mercados, energia e política nas quais meus analistas e eu trabalhamos nos últimos dois anos. Este artigo analisa os resultados, juntamente com as últimas conquistas e tropeços de modelos de IA generativa no mundo real, e comenta a relação em mudança entre inovação, produtividade e emprego. Conclusão: um modelo de linguagem grande pode processar resmas de texto de forma muito eficiente, e é para isso que ele é feito. Mas não pode pensar nem raciocinar; é apenas algo que vale o que paguei.

O principal catalisador de ações dos EUA este ano foi a alta das ações ligadas à IA. Elas saíram da euforia desde julho, mas ainda há muito otimismo em relação ao impacto da IA no crescimento, lucros e produtividade.

Isso se justifica? Vamos começar com algumas criações de modelos da geração de imagens de IA. Pedi que criassem uma imagem mostrando dois trabalhadores olhando nervosos para um robô em uma mesa com eles. Também pedi que o robô fosse rotulado como "Trainee da Equipe de Estratégia". Os resultados do modelo combinam proficiência interpretativa impressionante com erros estranhos. Bing e Starry AI ignoraram totalmente o pedido de etiqueta do robô, enquanto Dall-E espalhou letras bobas na mesa; Bing e Dall-E ignoraram o pedido para que os trabalhadores olhassem para o robô; A Starry AI deixou de fora uma das pessoas; e o Bing adicionou uma terceira pessoa que parece estar em um filme de terror.

Essa mistura de bom, ruim e bizarro é um bom ponto de partida. O que se segue é uma avaliação da IA generativa no mundo real, incluindo a minha: eu classifiquei o GPT 4.0 com base em suas respostas a 71 perguntas do Eye on the Market. Os resultados foram mistos, e é assim que vejo o impacto de longo prazo da IA nos mercados de ações: melhor do que os modismos de investimento recentes, mas não o choque de produtividade transformacional esperados por seus adeptos mais animados.

Para que fui feito: Grandes Modelos de Linguagem no Mundo Real

No início deste ano, enviei uma nota aos colegas mostrando perguntas que fiz a modelos de linguagem grande (LLMs). Essas perguntas foram projetadas para enganá-los e, com certeza, muitos LLMs receberam algumas respostas erradas; veja a caixa abaixo para a minha resposta errada favorita. Mas Manuela Veloso, que dirige o grupo de pesquisa de IA do JP Morgan, me criticou por isso, já que minhas questões estavam relacionadas à matemática que os LLMs podem resolver com prompts adicionais, curiosidades presidenciais obscuras dos EUA e outras informações principalmente inúteis.

Manuela me guiou por casos de uso de IA generativa que seu grupo está explorando atualmente. Esses projetos parecem capazes de melhorar a produtividade quando utilizados para desenvolvimento de software, gráficos e checagem de informações, principalmente quando executados internamente em dados corporativos. Fiquei muito impressionado com o final da discussão. Manuela então me desafiou a pensar em como um grande modelo de linguagem poderia me ajudar no meu próprio papel. Então, foi o que eu fiz: fiz perguntas ao Chat GPT-4 nas quais meus analistas e eu trabalhamos nos últimos dois anos. Este artigo analisa os resultados, juntamente com as últimas conquistas e tropeços de modelos de IA generativa no mundo real e comenta a relação em mudança entre inovação, produtividade e emprego.

Resultados: O Chat GPT-4 fez um bom trabalho em algumas tarefas, mas foi uma perda de tempo em outras. Sua nota média nas 71 questões: 2,50 de 4,00. Isso melhoraria meu processo de pesquisa? Poderia acelerar certas coisas, como localizar dados na vastidão da internet. Mas seus erros computacionais e de raciocínio pesam muito, já que eu tive que verificar tudo o que ele fez para garantir que nenhum erro fosse aprovado, e levou um tempo para encontrá-los e corrigi-los quando eles o fizeram. Quão reais são meus ganhos de produtividade se eu tiver que verificar todas as respostas de qualquer maneira? Um modelo de linguagem grande pode processar grandes quantidades de texto de forma eficiente; é para isso que ele foi feito. Mas não pode pensar nem raciocinar; é apenas algo que eu paguei. Por apenas US $ 20 por mês para GPT-4, é o que vale!

Cembalest acrescentou em seu trabalho um estudo elaborado na Universidade que avalia o impacto no emprego.

Apêndice: Quais são as implicações da IA generativa para o emprego? Algumas análises do MIT Muitas empresas de IA, economistas e bancos de investimento argumentam que, embora a produtividade desloque alguns trabalhadores, ela cria novos empregos suficientes para mais do que compensar as perdas. Infelizmente, esse simples axioma nem sempre é verdadeiro.

Daron Acemoglu e Pascual Restrepo descobriram que medidas gerais de demanda de trabalho podem mascarar efeitos substanciais de criação e destruição de empregos que acompanham os ganhos de produtividade. Eles dividiram os dados históricos em dois períodos: 1947-1987 e 1987-2017. O primeiro gráfico mostra que os efeitos da deslocação do emprego foram quase idênticos pelos efeitos da criação de emprego de 1947-1987. No entanto, essa tendência não persistiu na década de 1990 e além. O segundo gráfico mostra que, durante este último período, os efeitos da deslocação do emprego foram muito superiores aos efeitos da criação de emprego; e o terceiro gráfico mostra que, para a indústria, os efeitos líquidos foram ainda piores para os trabalhadores.

David Autor também encontrou uma mudança na década de 1980 em que a inovação mudou para a substituição de trabalhadores em vez de aumento de trabalhadores. A tabela mostra que, de 1940 a 1980, os ganhos de emprego e de salário nas ocupações em que os trabalhadores se beneficiam da exposição à produtividade ("aumento") foram aproximadamente iguais às perdas de emprego e salário nas ocupações cujos trabalhadores sofrem de exposição à produtividade ("automação"). Mas depois de 1980, isso mudou: o ritmo de erosão do emprego em ocupações expostas à automação acelerou em relação ao ritmo de ganhos de emprego em ocupações expostas à automação.

Confesso que fiquei decepcionado com o resultado dessa pesquisa, imaginava que os resultados obtidos seriam melhores. Seria esse um motivo para descartar ou minimizar a expectativa que existe para a IA? Acredito que não, pois ainda estamos no início da introdução dessa nova tecnologia, e muita coisa ainda vai melhorar.

No post http://acertarnamosAfrica-na-zona-do-rebaixamento-sempre fiz os seguintes comentários sobre o SP500: ...” A razão da liquidação é semelhante: as dúvidas que tenho em relação ao SP500. Como anotado a seguir, a onda 4 verde pode não ter acabado conforme os símbolos em verde e laranja, o primeiro com cara de triângulo, o segundo com uma queda mais acentuada” ...

Minha dúvida sobre a onda 4 verde ocorreu com a segunda opção de queda mais acentuada. A alta dos juros que ocorreu no mercado de títulos foi o estopim para essa queda – algo que o Mosca vem enfatizando que deveria ocorrer. Mas a opção de alta não foi abortada, pelo contrário, por enquanto trabalho com essa hipótese e vou buscar um ponto de entrada.

A princípio a queda poderia se estender até 4.180/ 4.175, em seguida a bolsa deveria caminhar para uma nova alta histórica cujo objetivo seria ao redor de 5.000. Isso deveria ocorrer mais no final do ano – onda 5 verde.

Mas caso não ocorra a reversão não poderia violar o nível de 4.100 pois daí em diante teria que mudar meu cenário. Let the market speak.

O SP500 fechou a 4.263, com alta de 0,81%; o USDBRL a R$ 5,1550, com queda de 0,23%; o EURUSD a € 1,0504, com alta de 0,37%; e o ouro a U$ 1.823, sem variação.

Fique ligado