پوکر سے منافع تک: ڈیپ مائنڈ (DeepMind) کے سابق ماہرین ٹریڈنگ میں کس طرح انقلاب برپا کر رہے ہیں

ڈیپ مائنڈ (DeepMind) کے سابق محققین اب پیشہ ور پوکر کھلاڑیوں کو شکست دینے کے بجائے مارکیٹ کے اربوں ڈالر کے حجم کو سنبھالنے کی طرف مائل ہو رہے ہیں۔ پراگ میں قائم ان کے اسٹارٹ اپ، EquiLibre Technologies نے کوانٹیٹیٹو فنانس (quantitative finance) کی پرخطر دنیا میں ری انفورسمنٹ لرننگ (reinforcement learning) کا اطلاق کرتے ہوئے 500 ملین ڈالر کی حیرت انگیز ویلیویشن حاصل کر لی ہے۔

پوکر کی حکمت عملی کو وال اسٹریٹ (Wall Street) پر منتقل کرنا

EquiLibre کی بنیادی جدت ری انفورسمنٹ لرننگ (RL) کو نامکمل معلومات والے کھیلوں سے اسٹاک مارکیٹ کی پیچیدگیوں تک منتقل کرنا ہے۔ اس کے بانیوں کے سہ فریقی گروہ—CEO Martin Schmid، CTO Rudolf Kadlec، اور CSO Matej Moravcik—نے پہلے DeepStack تیار کرنے کے لیے شہرت حاصل کی تھی، جو کہ پیشہ ور no-limit Texas hold ’em کھلاڑیوں کو شکست دینے والا پہلا AI تھا۔

اس کے پیچھے منطق ایک قدرتی ارتقاء ہے: پوکر اور ٹریڈنگ دونوں میں غیر یقینی صورتحال کے تحت واضح اور پیمائش کے قابل نتائج کے ساتھ بہترین فیصلے کرنا شامل ہے۔ جیسا کہ Schmid کہتے ہیں، ٹریڈنگ میں "اسکورنگ" حیرت انگیز طور پر سادہ ہے—حتمی انعام سرمائے کا اضافہ (capital gain) ہے۔ RL کا استعمال کرتے ہوئے، جہاں ماڈلز ترغیبی فیڈ بیک لوپس (incentivized feedback loops) کے ذریعے سیکھتے ہیں، EquiLibre گیمنگ سے آگے بڑھ کر S&P 500 اور Nasdaq میں تجارت (trades) کرنے تک پہنچ گیا ہے۔

وسیع پیمانہ اور ثابت شدہ کارکردگی

EquiLibre محض سیمولیشنز (simulations) نہیں چلا رہا، بلکہ یہ عالمی مارکیٹوں میں فعال طور پر حصہ لے رہا ہے۔ کوانٹیٹیٹو فرم Tower Research Capital کے ساتھ شراکت داری میں، اسٹارٹ اپ کے الگورتھم روزانہ کی بنیاد پر اربوں ڈالر کے ٹریڈنگ حجم کو سنبھال رہے ہیں۔

اسٹارٹ اپ کا ریکارڈ خاص طور پر اپنی مستقل مزاجی کی وجہ سے قابل ذکر ہے۔ 2025 میں کرپٹو مارکیٹوں میں ابتدائی آغاز کے بعد، کمپنی نے روایتی حصص (equities) میں توسیع کی، اور دعویٰ کیا کہ "آغاز سے اب تک ایک بھی منفی مہینہ نہیں آیا۔" استحکام کی یہ سطح Creandum جیسے وینچر کیپیٹلسٹ کے لیے ایک بڑا کشش کا مرکز ہے، جس نے حال ہی میں ایک Series A راؤنڈ کی قیادت کی جو کمپنی کی اب تک کی سب سے بڑی واحد سرمایہ کاری تھی۔

کمپیوٹ اور ٹیلنٹ کے لیے مقابلہ

اگرچہ EquiLibre کامیابی سے 500 ملین ڈالر کی ویلیویشن تک پہنچ گیا ہے، لیکن اسے Jane Street جیسے قائم شدہ ٹریڈنگ کے بڑے اداروں سے سخت مقابلے کا سامنا ہے، جو ہزاروں کی تعداد میں ہائی اینڈ GPUs استعمال کرتے ہیں اور RL کو Large Language Models (LLMs) کے ساتھ ملاتے ہیں۔

مقابلہ کرنے کے لیے، EquiLibre روایتی مالیاتی سوچ کے بجائے "لیب فرسٹ" (lab-first) طریقہ کار پر توجہ مرکوز کر رہا ہے۔ ان کی حکمت عملی کے دو اہم ستون ہیں:

  • Brute Force کے بجائے کارکردگی (Efficiency): بڑے GPU کلسٹرز پر انحصار کرنے کے بجائے، ٹیم کا مقصد "کم سے زیادہ حاصل کرنا" ہے، یعنی محدود کمپیوٹ سے زیادہ کارکردگی حاصل کرنے کے لیے الگورتھمز کو بہتر بنانا۔
  • تزویراتی انفراسٹرکچر (Strategic Infrastructure): کمپنی اپنی تحقیقی صلاحیتوں کو بڑھانے کے لیے وسطی اور مشرقی یورپ (CEE) میں سب سے بڑے کمپیوٹ کلسٹرز میں سے ایک بنانے کا منصوبہ رکھتی ہے۔

پراگ میں اپنا مرکز بنا کر، بانیوں نے Google جیسی کمپنیوں سے تعلق رکھنے والے ماہر چیک ڈائسپورا (Czech diaspora) سے بھی فائدہ اٹھایا ہے، جس سے انہیں انتہائی مسابقتی سان فرانسسکو کے ایکوسسٹم سے باہر 25 ماہرین کی اعلیٰ معیار کی ٹیم بنانے میں مدد ملی ہے۔

اہم نکات

  • الگورتھمک ارتقاء: EquiLibre پیشہ ور پوکر (DeepStack) میں استعمال ہونے والی ری انفورسمنٹ لرننگ کی تکنیکوں کو کامیابی سے S&P 500 اور Nasdaq کے روزانہ کے اربوں ڈالر کے حجم کو سنبھالنے کے لیے منتقل کر رہا ہے۔
  • تیزی سے بڑھتی ویلیویشن: Creandum کی قیادت میں کامیاب Series A کے بعد، اسٹارٹ اپ 500 ملین ڈالر کی ویلیویشن تک پہنچ گیا ہے، جس کی وجہ اس کا "ایک بھی منفی مہینہ نہ ہونے" کا ریکارڈ بتایا جاتا ہے۔
  • کارکردگی بطور دفاع (Efficiency as a Moat): بڑے ہارڈ ویئر فوائد رکھنے والے دیو ہیکل اداروں کا مقابلہ کرنے کے لیے، EquiLibre الگورتھمک کارکردگی اور CEE خطے میں اہم کمپیوٹ انفراسٹرکچر بنانے پر توجہ مرکوز کر رہا ہے۔