Люди инвестируют в вино скорее в качестве хобби, чем с целью быстро и много заработать. Это специфический рынок, от которого не ждут стремительных прибылей: индексы, например, лондонской винной биржи Liv-ex ведут себя крайне неровно, периоды роста сменяются падениями. Цены определяются вкусами и мнением экспертов, и единства в них не существует, из-за чего стоимость одного и того же вина на аукционах в разных частях света может отличаться драматически. Но возможно, недалек тот день, когда традиции нарушатся: даже на винном рынке на смену знатокам вскоре может прийти искусственный разум, пишет журнал Economist в новом номере.
Описание работы алгоритма, который побьет энологов в вопросе оценки стоимости вина, опубликовано на этой неделе в Journal of Wine Economics. Его авторы, ученые из Университетского колледжа Лондона, разработали сложные модели прогнозирования цен, основанные на искусственном интеллекте со способностью самообучения (machine learning). В отличие от традиционных методов расчета цен на вино эти алгоритмы в процессе работы самостоятельно находят нужную информацию, учатся понимать, какие из данных важнее, и отыскивают корреляции, которые стандартные модели пропускают.
В итоге ценовые прогнозы искусственного интеллекта оказываются более точными, чем обычные, причем точность зависит от типа машинного обучения, который применяется. Так, говорится в отчете, при использовании регрессии на основе гауссовских процессов средняя аккуратность прогнозов day-to-day для вин из индекса Liv-ex Fine Wine 100 была на 15% выше, чем у традиционной оценки на основе модели линейной регрессии; более сложная многозадачная форма обучения для искусственного интеллекта увеличила точность на 98%, однако в силу сложности она может быть использована только для половины вин индекса.
Искусственный интеллект уже используется в создании прогнозов на традиционных рынках. Теперь, возможно, его начнут применять для оценки будущей доходности так называемых альтернативных активов – не только вина, но и крепкого алкоголя, автомобилей и некоторых других. Но не всех: ученые признают, что сложность технологии и время, которое требуется для вычислений, делает ее непригодной для быстрой торговли на финансовых рынках. Однако на медленных рынках, в частности винном, она вполне в состоянии дать инвестору представление о том, когда лучше покупать актив – сейчас или через несколько дней. И сделает это лучше человека.