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！
因为，仅仅在周克交割后不到几分钟，房价又快速反弹了一波，最后稳定在了％的跌幅——之所以震荡这么迅猛，完全是因为这个时代的大投资机构，都是让人工智能算法，根据那些有可能影响行情的突发新闻，自动进行瞬间交易的。
在事故和扯皮新闻发生的一瞬间，所有持有这个区块垃圾债的富人，其人工智能都自动选择了一定程度的抛售。这种抛售的拥堵，造成了瞬间的价格重挫。而一旦人工智能交易潮过去后，算法觉得“刚才貌似跌多了”，自然会重新吞回来。
“华尔街来的大佬，你的算法貌似太灵敏了，可惜，我运气比较好。你就当我是走了狗s运吧，我懒得跟你解释我为什么会成功——可能是上帝都看不惯了。”周克走过去，拍了拍维根斯坦的肩膀，一点都不掩饰自己的厌恶。
“别嚣张！你只是踩上了黑天鹅事件！凭真本事你就是只配赔死的料！”维根斯坦恶毒地诅咒着。
“那就走着瞧。”
第73章 在诺贝尔奖得主面前装逼（）
“虽然赚了钱，但我真的还是有点为你后怕——维根斯坦家毕竟是曼哈顿的大银行家，我虽然挺讨厌他的，但就事论事，他说的肯定也不无道理。”
辛雨真等维根斯坦被气走后，中肯地对周克如是说。
看得出来，她是全心全意为周克着相，并不因好恶而影响自己对学术和事实的判断。
这就是跟女学霸柏拉图的坏处吧，有些时候显得太过于冰冷客观。
周克不能说自己借助了“黑天鹅”，只能是从其他角度为自己的笃定和必胜找借口。
幸好，他盘算这个问题已经盘算了很久——从两个月前开始布局时，周克就已经想过了，一旦自己真的大赚，并且被人关注到了，该怎么解释。
所以，他可以以有心算无心。
只听周克假装是忽有所感、实则深思熟虑地安利道：“我真不觉得我的大赚是运气，我认为这肯定是必然。之所以这么笃定，是因为我仔细观察了市场：
现在这个时代，敢进入垃圾债市场的投资人，几乎都是机构，都借助了强大的人工智能算法和自动高频交易。散户的话，倒退三十年或许还敢入市玩玩垃圾债，但是被算法支持的机构当韭菜狂割了多年后，从20年前起，人类韭菜就渐渐变少，现在更是几乎没有了。
而一个00％由人工智能助手介入的金融市场，必然会对黑天鹅产生过激的瞬间反应，造成剧烈波动。而我如果只是适度借助算法和自动高频交易、但是依然把决策权握在人类手上，当然可以在这种过激震荡的瞬间峰谷之间牟利。”
辛雨真是经济系的，不过周克这番话她依然只听懂了大半——谁让周克本来就是在牵强附会，强词夺理呢。
但周克举的证据本身，至少都是真的。瑕疵只是在于推导的过程，也就是“这些事实证据，能不能导出后面的结论”。
……
“对人工智能自动交易的反思，其实从204年就开始了，那是整整30年前。此前一年的年底，美联储宣布第二轮qe（货币量化宽松政策）的时候，纽约的交易所，在政策发布后7毫秒，产生了高频的自动交易，迅速对市场做出了反应，也造成了行情的剧烈震荡。
不过，后来经过联邦调查局的复盘，发现芝加哥交易所的最早一笔高频自动交易，发生得比纽约还早了5毫秒——也就是在美联储宣布新政后2毫秒，就做出了反应。
最初，芝加哥交易所方面的解释，是他们采用了比纽交所更强的硬件、和处理速度更快更效率的人工智能自动算法。但是后来的深入调查显示，这显然是芝交所的戏精过度、导致了穿帮。
因为，美联储的新qe政策是在纽约宣布的，即使同期使用网络瞬间传输，信号也得考虑网络ping值问题。哪怕一切网络拥堵卡顿都不存在，假设新闻是用光速从纽约传播到了芝加哥——光速大约是每秒30万公里，而芝加哥到纽约的距离，大约是200公里，也就是需要四毫秒，或者说千分之四秒，光和电才能从纽约传到芝加哥。
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“为了秩序这个价值，我可以彻底