Zoa Research

事業内容

従来、定量モデルは特定の領域に特化している。優秀な人材はキャリアの最盛期を、限られた領域の中で特徴量を検証し、ハイパーパラメータを調整し、アーキテクチャを改良することに費やしてきた。しかし、スケールこそが万能薬になる。大規模モデルは、人間や専門特化モデルでは見つけられなかったパターンを発見する。 予測は汎用化できる。Zoaは、複数の領域にまたがるイベント予測エンジンを学習させる。 *反復を自動化* LLMをマルチエージェント最適化ループに組み込み、固定ポリシーに対して評価することで、モデルの構築・テスト・改善サイクルを自動化できる。予測問題におけるAlphaEvolveのようなものだ。 *サンプル効率に優れた汎用モデル* 現在の予測モデルは、人間の深い事前知識をもとに、狭い用途向けに作り込まれている。しかし、より大規模なモデルは、最先端の専門特化モデルを上回るようになる。 既存のイベントモデルとは異なり、Zoaのモデルはさまざまな文脈のデータを活用し、人間の直感への依存を抑える。一方、LLMと比べると、より多くの帰納的バイアスを組み込み、推論時の計算資源をより積極的に活用することで、サンプル効率を高める。 *なぜ重要なのか* 実体経済において、Zoaのモデルはサプライチェーンの変動、エネルギーの供給と需要、さらには地震リスクの予測に役立つ可能性がある。 Ian Hackingは、科学とは偶然を手なずけることだと書いている。科学とは、事前分布を反復的に更新するプロセスだ。不確実性を特定し、それを減らす実験を考案し、実行し、更新する。科学が不確実性を減らす営みであるなら、予測は進歩を測る重要な指標になる。 より優れた予測によって、興味深い実験、つまり期待される不確実性の削減幅が大きい実験を選び、事前分布を更新する能力が高まる。Zoaのモデルは、データを大量に扱う分野の研究所や研究者に利用される。 Samの元恋人が、2017年にCarnegie MellonでSamをGregに紹介した。その交際は続かなかったが、2人の友情は続いている。大学卒業後、GregはHarvard Law Schoolに進学し、SamはJane StreetのOptions deskで3年間勤務し、衛星開発チームの構築とリードを担当した。