就
怎么讲、本来是没有想回的
觉得讨论又有点倒退...
这几个黑天鹅事件
又有多少位人类经济学家成功预测了？
又有几个国家因为这几位经济学家的决策
事先采取措施成功回避了？
零个嘛
既然如此你怎么会要求AI办到这些事呢？
简单的问题
现在你有一台超级电脑
做出的决策品质比王美花比萧万长还好
就说AI决策错误率是5%好了
可是王美花萧万长是20%
客观来说你应该选择AI还是王美花当经济部长？
一定是AI嘛
选AI、只有5%会死
选王美花可是20%
所以才说不要要求AI十全十美
赢过人类专家就足够了
然后大概补一下
前文所谓的自己找模型的AI运算
其实叫做机器学习
给出名词是让有兴趣的乡民可以自行找资料学习
比较不会跑题
大概讲一下
传统AI、或者所谓专家系统
是由人类找算法来解决特定问题
以棋类软件为例好了
简单的像是五子棋、圈圈叉叉等
就是用穷举法
计算出所有可能性
再从其中挑出胜率最高的一步
复杂到无法穷举的
像是象棋围棋要怎么办？
常见的就是所谓深先搜寻、宽先搜寻等
计算到比如20步之后
由评估函式来决定这些结果的胜率为何
输出胜率最高的一个
注意这边出现一个评估函式
同样的盘面不同的评估函式给出的胜率也会不一样
从这里开始就有电脑评估错误的可能性存在
也就是说
评估函式的好坏决定了棋力高低
从这边才进入主题
这个评估函式可以是原po讲的“模型”
而机器学习
可以当作是透过喂很多的盘面与最终输赢的资料进去
让机器自己找出对的“模型”
机器学习的概念
大概是苏联人在搞OGAS的时候就已经有了
但问题不是这么简单
除了算力问题外
人类还是需要介入很多事情
比方说、分层
以文字辨识为例
假设输入的影像只有0和8
那机器只需要关心正中央的几个像素
就足以分辨是0还是8了
但如果现在要辨识的是0到9呢？
一个方法是、先训练机器分类
把0与8分一边、其他分一边
0、8套用之前的训练结果
其他的另外训练
如此的多层构造、就可以辨识更多的数字了
而怎么分层、分的好与不好
会直接影响到AI的效率
而分了很多层的机械学习
称为深度学习
近几年AI的突飞猛进
可以理解为人类终于找到一个厉害的方法
解决了分层等问题
使得阿法狗可以击败李世石等顶尖棋士
一样、阿法狗胜率是100%嘛？
他的评估函式是全知的嘛？
当然不是啊
李世石还是赢了一局
但阿法狗胜率已经比李世石高
这就足够了不是吗
最后再带一下控制论的问题
其实控制论很重要的一个东西是所谓的先馈机制
就类似病人躺在病床上
血氧浓度掉了、就要戴呼吸器
血压掉了、打强心针
有一个模型预测什么样的处置
可以让数字回到某个点
这就是控制论在做的事情
除了AI的突飞猛进以外
现行人类经济学家在处理总体经济时
因为技术条件限制只能依赖过去的统计数据
比如说物价指数
要四月才能知道三月的数据
而且可能还有取样的问题
而电子交易逐渐普及
实时知道每一笔交易内容已成为可能
在数据品质与“模型”品质都突飞猛进的今天
其实当年苏联的想法未必是天方夜谭
※ 引述《plamc (普兰可)》之铭言：
: ※ 引述《a000000000 (比古A十郎)》之铭言：
: : 不过以现在AI发展的状态来看
: : 能不能做到90% 95% 99%
: : 这就很有想像空间惹
: : → donkilu: 应该说自由市场可以视为各个模型互相竞争 比谁更符合现况 04/17 08:48
: : → donkilu: 缺乏竞争的市场跟计画经济就只有一个模型说了算 04/17 08:48
: 所以说a90你从来都没看懂我前面跟以前在讲啥...
: 就像人家lu说的，自由市场不是就没有模型
: 我一直说啥? 部落民主只有高层民主，现在一人一票也只有政治民主
: 企业里面独裁的多的是，占大多数，家族里面独裁的多的是
: 你独裁企业要搞算法(根本不需要讨论到AI，很多问题非AI的算法就解决99%)
: 全部押上去，那是你家的事，你用你的钱去赌，还是用股东的钱，股东没意见就好
: 要是你的算法犯了LTCM那样的错误，误算1%，或把1%当成0.01%，就会惨爆
: 那就是一家公司错误的算法、错误的策略消失于市场，就这样而已
: 可是如果用整个国家去赌，管你只是误算了1%，说真的1%已经大到极为致命了
: 我们来看看2001年黑天鹅这说法发明以来有几次黑天鹅事件？
: ~~黑天鹅就是现行经济模型认为发生机率极低，实际发生机率却比模型认为的高~~
: 一般被认为算黑天鹅事件(有些详细定义上有争议，但就以一般共识为准)的就有
: 网络泡沫及崩溃
: 911事件
: 2008-9全球金融风暴
: 英国脱欧
: COVID19全球疫情
: 你觉得现在经济模型已经很好很完备了大部分时候(白天鹅)都没啥问题??
: OX的21世纪开始到现在还不到1/4，你就死了5次....