Generatywna sztuczna inteligencja (ang. generative AI, GenAI) to dziedzina sztucznej inteligencji, której modele tworzą nowe treści – tekst, obrazy, dźwięk, wideo i kod – na podstawie wzorców wyuczonych z ogromnych zbiorów danych. Klasyczne systemy AI głównie klasyfikują i prognozują, np. oceniają ryzyko kredytowe. Generatywna AI odpowiada na polecenie (prompt) czymś nowym: podsumowaniem raportu, skryptem, grafiką.
Jak działa
Najważniejsze są dziś duże modele językowe (LLM) oparte na architekturze transformer. Model uczy się przewidywać kolejny fragment tekstu i dzięki skali danych potrafi pisać, tłumaczyć, streszczać i programować. Obrazy generuje się głównie modelami dyfuzyjnymi, które krok po kroku zamieniają szum w obraz zgodny z opisem. Wcześniej popularne były sieci GAN i autoenkodery wariacyjne (VAE).
Kluczowa cecha: model generuje treść najbardziej prawdopodobną, a nie sprawdzoną. Nie „wie”, czy liczba w odpowiedzi jest prawdziwa. Stąd zjawisko halucynacji, czyli pewnie brzmiących, ale zmyślonych informacji.
Przykłady narzędzi
| Rodzaj | Przykłady | Typowe użycie |
|---|---|---|
| Asystenci tekstowi | ChatGPT, Claude, Gemini (dawniej Google Bard) | odpowiedzi, streszczenia, analiza dokumentów |
| Generowanie obrazów | DALL·E, Midjourney, Stable Diffusion | grafiki, ilustracje |
| Asystenci programisty | GitHub Copilot i narzędzia wbudowane w edytory | pisanie i poprawianie kodu |
| Głos i wideo | syntezatory mowy, generatory wideo | lektor, prezentacje – ale też deepfake |
Zastosowania w finansach
- Streszczanie dokumentów – raporty spółek, prospekty, protokoły z posiedzeń banków centralnych, whitepapery projektów krypto.
- Kodowanie – pisanie wskaźników, skryptów do backtestów, botów, analiza danych w Pythonie.
- Obsługa klienta i compliance – banki i brokerzy używają asystentów do odpowiedzi i przeglądu dokumentów.
- Analiza sentymentu – klasyfikacja nastroju wiadomości i komentarzy.
- Nauka – tłumaczenie pojęć, generowanie pytań kontrolnych, porządkowanie notatek.
Ryzyka dla inwestora
- Halucynacje – zmyślone liczby, daty, cytaty i źródła podane pewnym tonem.
- Nieaktualna wiedza – model zna świat do daty zakończenia treningu, jeśli nie korzysta z wyszukiwarki.
- Deepfake i oszustwa – fałszywe nagrania znanych osób reklamujące „platformy inwestycyjne”, podrobione głosy w rozmowach telefonicznych.
- Szum informacyjny – masowo generowane artykuły i wpisy, które udają analizę.
- Moda na „AI” – tokeny i spółki, które dopisują AI do nazwy bez realnego produktu.
Przykład: błąd w wielkości pozycji
Załóżmy, że prosisz asystenta AI o policzenie wielkości pozycji na kontrakcie terminowym. Rachunek ma 40 000 USD, ryzyko na transakcję 1%, czyli 400 USD, stop loss 20 punktów, a wartość jednego punktu według specyfikacji to 10 USD.
| Wariant | Ryzyko na 1 kontrakt | Liczba kontraktów | Realne ryzyko |
|---|---|---|---|
| Poprawnie: 1 pkt = 10 USD | 200 USD | 2 | 400 USD (1%) |
| Model przyjął 1 pkt = 1 USD | 20 USD | 20 | 4 000 USD (10%) |
Jedno błędne założenie daje dziesięciokrotnie większe ryzyko. Model może się tak pomylić, bo nie zna specyfikacji Twojego instrumentu u Twojego brokera. Wynik zawsze sprawdź u źródła albo w kalkulatorze wielkości pozycji.
Najczęstsze błędy
- Traktowanie odpowiedzi modelu jak rekomendacji albo źródła danych rynkowych.
- Kopiowanie wygenerowanego kodu strategii bez testu i bez sprawdzenia logiki.
- Wklejanie do publicznych narzędzi kluczy API, fraz seed czy danych klientów.
- Wiara w nagranie znanej osoby polecającej inwestycję – to częsty schemat oszustwa.
- Kupowanie tokena lub akcji tylko dlatego, że projekt ma „AI” w opisie.
Perspektywa tradera
Generatywna AI przyspiesza pracę, ale nie przejmuje odpowiedzialności. Najlepiej sprawdza się tam, gdzie wynik łatwo zweryfikować: kod, który uruchomisz i przetestujesz, streszczenie dokumentu, który masz przed sobą. Gorzej tam, gdzie wynik trudno sprawdzić: prognozy, bieżące dane, „pewne” sygnały. Liczby wpływające na ryzyko – wielkość pozycji, wartość punktu, depozyt – zawsze bierz ze specyfikacji instrumentu. Wygenerowany kod strategii traktuj jak kod od nieznajomego: czytaj, testuj, zaczynaj od minimalnej pozycji.
Najczęstsze pytania
Czym generatywna AI różni się od „zwykłej” sztucznej inteligencji?
Klasyczna AI rozpoznaje i przewiduje, np. czy transakcja jest podejrzana. Generatywna tworzy nowe treści – tekst, obraz, kod.
Czy generatywna AI może przewidywać ceny?
Może pisać o cenach i pomagać w analizie, ale nie ma wiedzy o przyszłości. Jej „prognozy” to prawdopodobny tekst, a nie model rynku.
Co to jest halucynacja modelu?
Odpowiedź, która brzmi wiarygodnie, ale zawiera zmyślone fakty, liczby lub źródła.
Co się stało z Google Bard?
W 2024 r. Google zmienił nazwę asystenta na Gemini, od nazwy rodziny swoich modeli.
Jak rozpoznać oszustwo z użyciem deepfake?
Uważaj na nagrania znanych osób obiecujące pewny zysk, presję czasu i prośby o przelew lub instalację aplikacji. Sprawdź informację w oficjalnych kanałach tej osoby lub firmy.
Tekst ma charakter edukacyjny i nie stanowi rekomendacji inwestycyjnej.
