按键盘上方向键 ← 或 → 可快速上下翻页，按键盘上的 Enter 键可回到本书目录页，按键盘上方向键 ↑ 可回到本页顶部！
————未阅读完？加入书签已便下次继续阅读！
芝加哥人却只用了2毫秒就对行情做出了反应，这不是提前有人泄密、导致内幕交易，又会是什么？后来的联邦处理结果，你是学经济的，相信不用我给你科普。
这个案例本身，大家只是拿来抨击内幕交易，但我看出的，是这个时代越来越激烈的‘过频反应’。大家都用了人工智能自动判断交易，所以大家反应都太快了，快到最后，只要出现预料之外的黑天鹅，振幅过大的拥塞就必然会出现——
而我觉得，在这种情况下，黑天鹅的尺寸不用太大，只要是一点微小的黑天鹅，也会因为‘聪明人太多’，而被放大成灾难性的大天鹅。
就像这一次，苹果某个研发基地出现意外事故、导致了一些研发资料损失、有可能引起苹果搬迁、减少本社区就业岗位和高级人才/优渥租客密度——本来这只是多小的一个利空消息？
但所有持有这块房地产垃圾债的炒家、就都通过其人工智能算法瞬间抛售，导致瞬间振幅远远超过实际损失预期的三四倍之多。这不是算法自动交易的原罪，又是什么呢？这时候，只要有一个不借助自动判定交易的个人投资者，敢赌‘一两年内肯定会发生这么一波微小的黑天鹅事件’，他就有可能获利——
并不是我需要赌到多大的黑天鹅，而是算法这个帮凶，让天鹅的尺寸可以比过去小很多，连一根鸟毛都能构成人工判断时代的黑天鹅了。”
周克洋洋洒洒地把他的解释，高谈阔论地说完，辛雨真已经彻底折服了。
“你去微电子系真是埋没人才，当初要不是你的社会注意倾向不方便表达，真该让你来经济系、研究怎么拯救资本主义的。”辛雨真由衷地赞叹道。
虽然周克的理论还有一些瑕疵，但已经不重要了。
投资理论领域，最讲究的还是你有没有实际获利。只要你投资准了，并且可以大致像模像样地解释清楚你自以为为什么赢，别人就得服你。
就像那些股评家，口才再好，再是天花乱坠，要是推荐的股票都不能让股民赚钱，还会有屁的信徒？
至于不服的人，在胜利者面前也只能先憋着，除非等这个胜利者下次失手了，再来打脸。
当然，如果胜利者本身口才实在太烂，以至于报了答案给他、让他倒果为因证，他都无法说出个过程来，那还是会在大赚的情况下被人diss打脸的。
但周克显然不是这样的人。
他跟辛雨真站在吧台角落高谈阔论的过程，也因此吸引了一大票看客。
经济学家们，本来就是世界上最不要脸的一群人，无论给他们什么结果，他们都能证明出来。
所以，稍微了解了一下周克刚才的战绩，那些人纷纷开始各抒己见，表达“为什么我也早就知道按照这个年轻人的投资理念，这么干肯定会赚”。
就像那些股评家们，在看到任何一支股票大涨之后，都能说出这只股票之所以活该暴涨的理由。
维根斯坦本来看到周克在那儿哗众取宠，还有点不忿，想迂回回来打打脸，然而那些师兄和教授们的附和，让他很快脸色灰败，颓然而退。
虽然那些师兄和教授，本意并不是帮周克说话，而是通过附和与解释周克，来显摆他们自己的解释力——经济学家们，最喜欢解释的就是导致投资市场波动的时事热点。
因为只有刚刚发生的时事热点，才能确保谁都不是提前做好功课准备的，这时候显摆的才是随机应变的能力。苹果公司研发基地出现的事故、导致本市房地产垃圾债市场产生联动波动。这么新的投资分析案例，而且属于比较罕见的事件，他们怎么能不趁机发表一下高谈阔论呢。
周克成功地让自己和那些人之间，暂时有了共同立场的利益。
“英翠丝汀。”
终于，这边的讨论，引来了几个从气场上看就颇有威望的老人。
听到这声“英翠丝汀”，所有人都安静了下来。
“拉斯罗夫教授！”
“班吉尔教授！”
一堆经济学者，看到诺贝尔奖得主亲自走了过来，纷纷肃然静默。
周克也是第一次亲眼看到拉斯罗夫教授。
对方是一个年近七旬、皮肤看起来有很多白化斑的衰弱老朽，头发也是地中海型秃顶。但是浑身的衣装显得非常肃穆，举手投足就有一股坚定的力量。
“酒会快开始了，大家自便吧，不要在乎我——我跟这位年轻人私下聊几句。”拉斯罗夫教授语气非常缓慢而轻柔地说，不过他的话效果非常明显，刚才围在那儿的人，一下子就全部散了。
“真是狗s运，刚好赶上今天这种日子，又是拿芝加哥的投资时事赚了一小笔，就逮到在拉斯罗夫教授面前露脸的机会了！唉，我宁可少赚那300万美金，哦不，是倒贴300万美金，换一个在教授面前显示才华的机会……”一小撮博士生和年轻讲师，纷纷在内心懊悔，又忍不住羡慕周克。
辛雨真见状，本来也想低调地退到一边。不过拉斯罗夫教授却是叫住了她。
“辛小姐，你是他朋友吧？那就不用回避了。”拉斯罗夫教授显然是人精，虽然拿过诺贝尔奖，但依然知道混经济系的人，最重要的还是政府关系。。。
谁让芝大有悠久的输出颜色歌命和休克疗法优良传统呢。这里的经济学家，都是最紧跟美国政府主旋律的。
拉斯罗夫稳住辛雨真之后，才仔细打量了周克几眼，用并不居高临下的语气，沉稳地问：“你是班吉尔教授的学生对吧？对于人工智能在投资领域的未来发展，你似乎很不看好？不要拘束，随便说说你的看法吧。”
“谈不上看法，不过确实是不看好——从‘深度学习’诞生的那一天起，就注定了这个时代的人工智能，永远无法解决多目标处理的问题。而投资界经过多年的血腥博弈，发展到今天，单一目标的权衡，已经走到头了。未来经济必然会有越来越严重的多目标权衡倾向，这是机器搞不定的，必须让人类亲自回来抓主要纲领。”
第74章 经济学家吃SHI都能创造GDP（）
直到2044年，人类世界所谓的人工智能，都是以2006年多伦多大学杰夫辛顿教授奠基的“深度学习”算法思想演化出来的。
这是严肃、真实的世界。
不是傻哔网络小说卖弄的无厘头黑科技。
而只要是基于深度学习这条技术路线发展出来的人工智能，在根子上都有一个无法回避的弱点，那就是只能解决单一目标问题——注意，这里说的是单一目标，而不是单一任务。
让机器人处理多个任务，这是可以的。
但要在执行一个任务时，设定多个目标，或者说多个价值观，那是绝对不可能的。
只要人工智能还是在深度学习的基石上往下发展，而没有彻底从根子上另起炉灶，找到一条全新的技术路线，那么这个问题就是无解。
比如2016年的阿尔法狗，当年轰动一时，连屁人工智能都不懂的小白，也能扯几句，觉得似乎人工智能统治人类就在眼前了。
但是，稍微有点常识的人都知道，阿尔法狗最大的弱点在于，人类只能给它下一个终极目标：那就是把围棋下赢。
围绕这个终极目标，阿尔法狗可以学习百万千万上亿盘棋，而且学习速度快到它一夜之间的进步量，就能超过人类棋手不吃不喝不睡连续苦下三千年。从而最终达到世界第一（当然后面还有更多改进版智能）
但是，人类不可能做到，同时让阿尔法狗兼顾“把棋下赢”和“把棋下得漂亮”或者说“把棋下得有艺术感、戏剧性”。
这是一切基于深度学习的人工智能，无论发展多少年都做不到的。
给他两个“学习”和“努力”的方向，只会导致人工智能逻辑混乱，最后自己烧掉。
所以，即使人工智能出现后，纯粹只有“努力”这种品质的人类，很快像垃圾一样被淘汰掉。
但剩下的人类，依然有存在价值——他们的价值，就在于他们有不同的价值观，他们做每一件事情时，需要在多个价值之间权衡取舍。
就像人类政治家，永远不能说“我可以为了自由不惜一切代价，哪怕彻底牺牲掉秩序和公平、正义”，也永远不能反过来说“我可以为了秩序，彻底牺牲一切自由、公平”。
即使牛克。蒙扎克已经把整个美国的人民脑后都插上了人格芯片，他依然不敢说“为