No último ano assistiu-se a uma notável explosão na popularização das ferramentas de inteligência artificial (IA) junto do grande público, demonstrando as suas correntes potencialidades. A generalidade destes progressos pertence, mais especificamente, a um dos ramos da investigação em IA: Aprendizagem Computacional, ou Machine Learning (ML) no inglês. Em particular, na sua encarnação mais recente, o Deep Learning (DL). Progressos esses que têm vingado tão visivelmente em áreas como a do Processamento de Linguagem Natural ou da Visão por Computador.

Agora talvez não tanto do conhecimento público - mas quiçá sem grande surpresa, sabendo que uma das aptidões da Aprendizagem Computacional reside na sua capacidade para reconhecer e identificar padrões - faz tempo que se vem tentando aplicá-la de igual modo aos investimentos nos mercados financeiros. E é evidente que será da maior importância ter estas coisas bem presentes, logo num ambiente tão competitivo quanto este, em que a chave para o sucesso passa por estar um passo à frente dos demais.

São três ou quatro as áreas de maior interesse para a aplicação de IA nesta área. A primeira, já atrás aludida, envolve treinar modelos IA para analisar grandes quantidades de dados históricos por forma a identificar padrões e oferecer previsões para movimentos futuros. Entenda-se que não cabe ao programador explicar quais são os padrões relevantes. Não é dessa forma que funciona o ML. É o modelo que, durante o treino, tratará de descobrir quais são os padrões relevantes. Sendo que a capacidade para os modelos digerirem vastas quantidades de dados históricos é, digamos, sobre-humana.

Mas há outras. Ao alcance de modelos IA está também o treino destes para que percorram a web, consultando notícias, redes sociais, etc, por forma a aferir o sentimento de mercado, por exemplo. E até aqui, a perspetiva apresentada é a de utilizar tais modelos essencialmente como ferramentas de apoio à decisão. Mas, indo mais longe, é possível inclusive treina-los para gerarem algoritmos de negociação automática. No caso, estes, em vez de utilizarem regras discricionárias e predefinidas de uma forma explícita pelo programador, tratam de derivar implicitamente as suas próprias regras durante o treino.

Isto quer dizer também que ao programador poderá não ser possível discernir afinal quais são essas regras e ainda menos perceber o racional que o modelo está a seguir (um problema que é transversal à investigação em DL e que leva a que se descrevam frequentemente este modelos como "caixas negras"). Repescando também o tópico da semana passada, os modelos IA podem ainda ser utilizados para realizar gestão de risco e otimização do portfólio de forma contínua e dinâmica, respondendo às condições do mercado.

Poderá, por agora, parecer à generalidade que utilizar ferramentas de inteligência artificial nos investimentos financeiros será assim um pouco para o esotérico. E que, em grande medida, só estará ao alcance daqueles com maiores competências em programação ou na utilização de ferramentas avançadas de tecnologias da informação. O que é verdade. No entanto, estou em crer que no espaço de alguns anos, será tão natural utilizar ferramentas inteligência artificial para as mais variadas aplicações quanto hoje o é utilizar um smartphone para navegar nas redes sociais ou qualquer outra coisa.

Portanto, para os que se estão a iniciar e para os que já cá andam há mais tempo: a revolução da IA está já aí. Os investidores não lhe vão passar ao lado.