DeepMindポーカー出身者が強化学習を取引に応用

Equilibre Technologiesは、DeepStackポーカーAIの開発に携わった元DeepMindの研究者によって設立され、CreandumがリードするシリーズAの主要投資ラウンドを確保し、評価額を5億ドルに押し上げた。同社は、ポーカーのような不完全情報ゲームをマスターするために使用されるのと同じ技術である強化学習を、Tower Research Capitalと展開されたトレーディングエージェントの動力源として活用している。これらのエージェントは、現在、S&P 500とNASDAQで、毎日数十億ドルの取引を行っており、スタートアップ企業は、月次リターンのプラス実績が完全であることを主張している。25名のチームでプラハに拠点を置く同社は、大きな言語モデルの膨大なデータラベル付けコストなしにモデルをトレーニングするために、定量化可能な報酬シグナル（利益）を活用している。この発展は、純粋な研究から、強化学習がすぐに収益化できる金融のような高価値の垂直分野へのAI人材の移動というトレンドを示している。