زیان ۱ میلیارد دلاری صندوق هوش مصنوعی، ناظر بورس آمریکا را به میدان کشاند

به گزارش شبکه اطلاع‌رسانی طلا و ارز و به نقل از تک‌کرانچ، کمیسیون بورس و اوراق بهادار آمریکا (SEC) بررسی رسمی صندوق کوانت هوش مصنوعی Star AI را آغاز کرده است. این صندوق که پیش‌تر یکی از امیدبخش‌ترین ابزارهای سرمایه‌گذاری کمّی مبتنی بر هوش مصنوعی به‌شمار می‌رفت، امسال به دلیل زیان‌های سنگین معاملاتی ناشی از مدل‌های آزمایشی خود، در آستانه فروپاشی قرار گرفت.

بازرسان فدرال در حال بررسی این موضوع هستند که آیا مدیران صندوق میزان قابلیت اطمینان و کنترل‌های ریسک سامانه‌های یادگیری ماشینی خود را به‌درستی برای سرمایه‌گذاران افشا کرده‌اند یا خیر. Star AI را گروهی از پژوهشگران سابق آزمایشگاه‌های فناوری پیشرو در سال ۲۰۲۳ بنیان گذاشتند؛ هدف اعلامی آن‌ها به‌کارگیری معماری‌های ترنسفورمر نه صرفاً برای شناسایی الگو در داده‌های بازار، بلکه ایجاد چیزی بود که بنیان‌گذاران آن را «آگاهی واقعی از موقعیت» می‌نامیدند. این مدل‌ها با پردازش حجم عظیمی از اطلاعات ساخت‌نیافته، از تصاویر ماهواره‌ای تا متن مکالمات گزارش سودآوری شرکت‌ها، برای پیش‌بینی تغییرات اقتصاد کلان و حتی تنش‌های ژئوپلیتیک آموزش دیده بودند.

در ۱۸ ماه نخست فعالیت، بازده سالانه این صندوق از ۱۴۰ درصد فراتر رفت؛ رقمی که با همبستگی بسیار پایین نسبت به شاخص‌های مرسوم بازار همراه بود. به زبان ساده، صندوق در دوره‌ای که بسیاری از دارایی‌ها هم‌جهت حرکت می‌کردند، مسیر مستقلی را طی کرد و همین ویژگی برای سرمایه‌گذاران نهادی جذاب بود. صندوق‌های وقف چند دانشگاه معتبر و صندوق‌های ثروت ملی در مجموع بیش از ۲٫۸ میلیارد دلار در این صندوق سرمایه‌گذاری کردند.

شکاف میان بازده درخشان و واقعیت شکننده

پشت این اعداد چشمگیر، واقعیتی شکننده پنهان بود. راهبرد اصلی صندوق به مجموعه‌ای از موتورهای استنتاج اختصاصی وابسته بود که در مرز توان سخت‌افزاری روز کار می‌کردند. این سامانه‌ها به بازآموزی مداوم با داده‌های تازه نیاز داشتند، فرایندی که تأخیر و بی‌ثباتی گاه‌به‌گاه ایجاد می‌کرد. در دوره پرتلاطم اواخر سال ۲۰۲۵، برخی مدل‌ها دچار وضعیتی شدند که اسناد داخلی آن را «فروپاشی زمینه» نامیدند؛ یعنی سیگنال‌های پیش‌بینی که تا پیش از آن قابل اتکا بودند، ناگهان معکوس شدند.

موقعیت‌های معاملاتی که بر اساس امتیاز اطمینان مدل‌ها اندازه‌گیری شده بودند، زیان‌های نامتناسبی متحمل شدند. تا فوریه ۲۰۲۶، صندوق بیش از ۶۷ درصد از اوج ارزش خود را از دست داده بود؛ افتی که کارگزاران اصلی را وادار به صدور اخطار افزایش وثیقه کرد و شرکای محدود باقی‌مانده را مجبور به تزریق نقدینگی اضطراری ساخت. بر پایه اظهارات افشاگران به مقام‌های ناظر، هشدارهای داخلی درباره ریسک این مدل‌ها نادیده گرفته شده بود. به گفته یک کارمند سابق، گزارش‌های ریسکی که حساسیت مدل‌ها به تغییر شرایط بازار را برجسته می‌کرد، از سوی مدیریت ارشد کنار گذاشته می‌شد. در پیام‌های داخلی که تک‌کرانچ منتشر کرده، یکی از معماران ارشد هشدار داده بود که صندوق «در مقیاسی بزرگ، عملاً کورکورانه در حال حرکت است»؛ همین پیام‌ها اکنون محور اصلی بررسی کمیسیون بورس است.

سه محور اصلی بررسی نهاد ناظر

بررسی نهاد ناظر بر سه محور متمرکز است. نخست، اینکه آیا Star AI میزان واقعی ریسک مدل‌های خود را در اسناد پیشنهاد سرمایه‌گذاری به‌درستی اعلام کرده یا نه؛ شرکای محدود می‌گویند به آن‌ها گفته شده بود سامانه‌ها لایه‌های متعدد اعتبارسنجی ترکیبی و نظارت انسانی دارند، حال آنکه در عمل بسیاری از تصمیم‌ها با کم‌ترین دخالت انسانی گرفته می‌شد. دوم، بازرسان روش ارزش‌گذاری موقعیت‌های غیرنقدشونده در ابزارهای مشتقه فرابورس را بررسی می‌کنند؛ قیمت این ابزارها تا حدی با همان مدل‌های مورد بررسی تعیین می‌شد. سوم، کمیسیون بورس تعارض منافع احتمالی ناشی از نقش دوگانه این شرکت، هم به‌عنوان توسعه‌دهنده فناوری و هم مدیر سرمایه‌گذاری، را ارزیابی می‌کند؛ چند مدیر ارشد سهام قابل‌توجهی در زیرساخت سخت‌افزاری اختصاصی صندوق داشتند، وضعیتی که انگیزه اولویت‌دادن به توان محاسباتی بر پارامترهای محتاطانه ریسک را تقویت می‌کرد.

این پرونده یادآور رویدادهای پیشین در حوزه مالی کمّی است، جایی که پیچیدگی فناوری از کنترل‌های محتاطانه پیشی گرفت. فروپاشی صندوق Long-Term Capital Management در سال ۱۹۹۸ درسی روشن درباره همبستگی‌های پنهان در سبدهای ظاهراً متنوع بود. سقوط چند شرکت معاملاتی رمزارز در سال ۲۰۲۲ نیز نشان داد اتکا به پیش‌بینی‌های اختصاصی نوسان می‌تواند زیان‌ها را در دوره‌های کم‌نقدینگی تشدید کند. پرونده Star AI بُعد تازه‌ای به این فهرست افزوده، زیرا فناوری مورد بحث در مرز هوش مصنوعی قرار دارد؛ این مدل‌ها صرفاً ابزار آربیتراژ آماری نبودند و تلاش می‌کردند استدلال علّی را در حوزه‌های گوناگون شبیه‌سازی کنند.

پس از این تجربه نزدیک به فروپاشی، تغییراتی در سراسر صنعت آغاز شده است. چند رقیب Star AI استقرار نسل تازه مدل‌های ترکیبی زبانی بزرگ خود را آهسته کرده‌اند. کارگزاران اصلی نیز آزمون‌های تنش مکررتری را طلب می‌کنند که سناریوهای خصمانه مصنوعی برای آشکارسازی نقاط ضعف پنهان را نیز دربر می‌گیرد. بیمه‌گرانی که پوشش خطاهای معاملات الگوریتمی را ارائه می‌دهند نیز متن بیمه‌نامه‌های خود را بازنگری کرده و زیان‌های ناشی از «انحراف غیرمنتظره مدل» را از پوشش خارج ساخته‌اند.