Трое учёных, которые научили ИИ обыгрывать людей в покер, те

Представьте: вы руководитель небольшой команды, и вам показывают новую программу, которая якобы сама принимает торговые решения. Она не следует жёстким правилам — она учится на своих ошибках, как игрок в покер, который с каждой раздачей понимает, когда блефовать, а когда сбрасывать карты. Звучит заманчиво. Но как проверить, работает ли это на самом деле, и не потеряете ли вы деньги?

Источник: TechCrunch

Именно такую программу создали три бывших исследователя DeepMind. В июне 2026 года их компания EquiLibre Technologies, базирующаяся в Праге, привлекла крупные инвестиции и оценивается в 500 миллионов долларов. Их алгоритмы уже торгуют на реальных биржах — и, по их словам, показывают прибыль каждый месяц без единого убыточного.

Для любого руководителя, который рассматривает автоматизацию торговли или принятия решений, эта история — не просто новость. Это повод задать себе несколько конкретных вопросов, прежде чем доверять подобным системам.

Что именно произошло: от покерного стола к биржевому терминалу

Трое исследователей — Мартин Шмид, Рудольф Кадлец и Матей Моравчик — ещё в бытность аспирантами в канадском офисе DeepMind создали программу DeepStack. Это был первый искусственный интеллект, который обыграл профессиональных игроков в безлимитный покер (техасский холдем). Секрет был в том, что программа не просто запоминала ходы, а училась методом проб и ошибок: она пробовала разные стратегии, и те, что приносили выигрыш, закреплялись.

В 2022 году исследователи вернулись в Чехию, собрали команду из 25 человек и основали EquiLibre Technologies. Они применили тот же принцип обучения к торговле на биржах. В партнёрстве с крупной количественной фирмой Tower Research Capital их алгоритмы начали торговать на рынках криптовалют (с 2025 года), а затем и на фондовых биржах — в индексах S&P 500 и Nasdaq. Ежедневный объём торгов, по данным компании, достигает миллиардов долларов.

Главное заявление: с момента запуска у алгоритмов не было ни одного убыточного месяца. Каждый месяц они заканчивали в плюсе.

Почему это важно: деньги, которые говорят сами за себя

В отличие от многих AI-стартапов, которые показывают красивые демонстрации, но не могут похвастаться реальной выручкой, EquiLibre работает с настоящими деньгами. Инвесторы из фонда Creandum, который возглавил раунд финансирования, назвали его крупнейшей единоразовой инвестицией в истории фонда.

Почему они рискнули? Потому что рынок торговли — один из крупнейших в мире. Если алгоритм действительно приносит прибыль, масштабировать его можно очень быстро. Как сказал партнёр Creandum Кэмерон Селлерс: «Потенциальный адресный рынок торговли на финансовых рынках — один из крупнейших на Земле, и за годы множество фондов заработали прибыль, по сравнению с которой большинство венчурных успехов выглядят скромно».

Но есть важный нюанс: основатели сами говорят, что они в первую очередь лаборатория, а не финансовая фирма. Их движет не желание делать рынки эффективными, а интерес к созданию того, чего раньше не существовало.

Как работает эта система: обучение на результате, а не на правилах

Чтобы понять, стоит ли доверять такой системе, нужно разобраться в её логике. Она не похожа на традиционные торговые алгоритмы, которые следуют жёстким правилам вроде «купи, если цена упала на 5%».

Вместо этого программа действует как игрок в покер: - Она пробует множество разных решений. - Каждое решение приносит либо выигрыш, либо проигрыш. - Система запоминает, какие решения вели к выигрышу, и повторяет их. - Со временем она находит стратегии, которые человек мог бы не заметить.

Генеральный директор EquiLibre Мартин Шмид объясняет это просто: «Прелесть торговли и рынков в том, что оценка очень проста: сколько денег заработал алгоритм?»

Этот подход называется обучением с подкреплением. Для бизнеса это означает, что система не требует ручного написания правил — она сама находит работающие паттерны. Но это же создаёт и риски.

Где скрываются риски: что остаётся за кадром

Прежде чем принимать решение о внедрении подобной системы, важно задать несколько вопросов.

Первый вопрос: как долго работает система? EquiLibre утверждает, что у неё «идеальный послужной список» — ни одного убыточного месяца. Но это не значит, что так будет всегда. Рынки меняются, и то, что работало вчера, может перестать работать завтра. Любая система, которая учится на прошлых данных, рискует «переучиться» — то есть найти закономерности, которые были верны только в прошлом.

Второй вопрос: кто отвечает за убытки? Если алгоритм примет неверное решение и потеряет деньги, кто будет нести ответственность? В случае с EquiLibre это партнёрство с Tower Research Capital — профессиональной торговой фирмой, которая, вероятно, имеет собственные механизмы контроля рисков. Но если вы решите использовать подобную систему самостоятельно, вам нужно будет чётко понимать, где проходят границы её полномочий.

Третий вопрос: насколько система прозрачна? Алгоритмы, которые учатся сами, часто работают как «чёрный ящик» — вы видите результат, но не понимаете, как они к нему пришли. Для торговли это может быть проблемой, особенно если нужно объяснить регуляторам или акционерам, почему было принято то или иное решение.

Четвёртый вопрос: что произойдёт в кризис? Покер — игра с ограниченным набором правил. Рынки же могут вести себя непредсказуемо: внезапные кризисы, паника, действия регуляторов. Система, которая никогда не сталкивалась с такими условиями, может повести себя неожиданно.

Что можно проверить уже на этой неделе

Если вы задумываетесь об использовании подобных алгоритмов в своём бизнесе, вот несколько шагов, которые можно сделать прямо сейчас, не вкладывая деньги.

Шаг 1. Изучите историю команды. EquiLibre основана людьми, которые имеют глубокий опыт в обучении с подкреплением — они работали с Ричем Саттоном, получившим премию Тьюринга в 2024 году за работы в этой области. Прежде чем доверять системе, убедитесь, что у её создателей есть релевантный опыт, а не просто громкие имена.

Шаг 2. Попросите показать не только успехи. Любая компания покажет вам свои лучшие результаты. Попросите показать периоды, когда система работала хуже, и объяснить, почему. Если таких периодов нет — это повод насторожиться, а не радоваться.

Шаг 3. Проверьте, как система реагирует на изменения. Хороший тест — дать системе данные за один период и попросить её предсказать другой. Если она показывает хорошие результаты только на тех данных, на которых училась, это признак переобучения.

Шаг 4. Определите «стоп-лосс» до начала работы. Прежде чем запускать любую автоматическую систему, решите, при каких условиях вы её остановите. Например: «Если за неделю убыток превысит X%, мы отключаем алгоритм и разбираемся в причинах».

Шаг 5. Начните с малого. Даже если система показывает блестящие результаты на бумаге, начните с небольшой суммы или с симуляции. Убедитесь, что вы понимаете, как она работает в реальных условиях, прежде чем доверять ей крупные средства.

Что остаётся неясным

История EquiLibre впечатляет, но она оставляет несколько важных вопросов без ответа.

Во-первых, мы не знаем точный размер инвестиций — компания и фонд не раскрыли сумму. Это значит, что мы не можем оценить, насколько агрессивно инвесторы оценивают риски.

Во-вторых, «идеальный послужной список» — это заявление самой компании. Независимого аудита этих результатов нет. В мире финансов, где даже крупные фонды иногда приукрашивают результаты, стоит относиться к таким заявлениям с осторожностью.

В-третьих, непонятно, как система поведёт себя в условиях, которых не было в её обучающих данных. Рынки 2025-2026 годов были относительно стабильными. Настоящий тест для любой торговой системы — это кризис.

Источники

TechCrunch: The DeepMind trio who built a poker AI are now making money for quant hedge funds

Трое учёных, которые научили ИИ обыгрывать людей в покер, теперь зарабатывают на бирже. Что это значит для бизнеса