大型語言模型 ChatGPT

完全依賴大型語言模型 是天方夜譚|錢琛專欄

投資

廣告

大型機器學習模型(如ChatGPT、GPT-4o等)的能力愈來愈強,功能極多,包括解答問題、搜尋、編程、計算複雜數學題等,令不少人認為沒有必要學習編程。事實上,大型模型要完全取代人類編程人員,還有一大段距離。今期會解釋箇中原因。

第一,就算模型可以幫閣下生成程序,也要人手改錯(debug)。
雖然大型模型的準成度高,但不少時候會錯誤地生成程序。用家真實執行程序時會遇到問題,需要人手改錯。

須認識編程才能準確地改錯

既然需要使用人手改正錯誤的程序,用家就必須熟悉程序語言的語法,以及各種工具的使用方法。基本上用家還是需要認識編程,才能準確地改錯。
第二,大模型還未能準確地完全滿足複雜的編程要求。
假如要大型模型生成簡短的腳本(script),錯誤率不會太高,但要它生成複雜的程序,例如可以減低交易成本的執行演算法(execution algo),就算程序沒有語法錯誤,它也不能滿足用家所有要求。

筆者曾經試過利用大模型為自己寫自動執行演算法,邏輯大概是要先落限價盤,過了一段時間後,假如還有unfilled orders,就用市價盤落單,目的旨在減低平台費。
大模型確實可準確理解筆者的問題及目的,但最後成品並不能照顧所有在實盤交易時會遇到的情況。最後,還是要自己繼續編寫程序。
第三,模型未必可以正確地處理特定數據結構。炒賣時,我們會依賴數據提供商提供的收費數據作為交易指標,預測短期市況。最多數情況下,就是使用數據提供商提供的API下載數據。
不過,由於這些多數是收費數據,模型未必知道API傳出的數據結構為何,到頭來還是要人手處理這些數據。

第四,大模型較難處理結構複雜的系統。以python為例,一個較為複雜的交易系統會有不同層次的檔案,例如main script、facade、utilities等,有複雜的結構。
大模型要處理這些結構,必然有機會出現錯誤,所以還是要用家自己構思系統結構,並自行relate。
留意,大模型可以給閣下一些簡單的程序/系統設計指引,但未必可以準確處理太複雜或自訂程度高的系統。
所以,讀者可以用大模型幫助學習基本的design pattern,但並不能完全解決問題。
不能否認的是,大模型絕對是用家的編程好幫手,可以幫助快速解決簡單的編程問題,增加編程效率。

幾年前還未有ChatGPT時,筆者編程就耗費大量時間,效率絕對沒有現在般高。但是,完全依賴大模型、而對編程知識一竅不通,其實沒有可能寫出複雜的系統,頂多只能寫一些小工具,自動化一些日常雜務。
所以,目前來看,編程能力還是對交易員來說,是非常重要的資產。

免責聲明:本專頁刊載的所有投資分析技巧,只可作參考用途。市場瞬息萬變,讀者在作出投資決定前理應審慎,並主動掌握市場最新狀況。若不幸招致任何損失,概與本刊及相關作者無關。而本集團旗下網站或社交平台的網誌內容及觀點,僅屬筆者個人意見,與新傳媒立場無關。本集團旗下網站對因上述人士張貼之資訊內容所帶來之損失或損害概不負責。

撰文:經一編輯部圖片來源:unsplash@Jonathan Kemper