2017年百万创意广告

wujusuofang，quantujushijinzaizhangwotiaopeiziyuan，rangtanka，dapaowanchengchubei，suishizaizhanchangshangtiaopeishiyong，jikuidirendewuzhuangliliang。meizhouyouchaoguoqianwanfenjianlitongguoyizhaopinfasongdaozhaopinqiye，haiyouhailiangdeyouxiuqiuzhigangweidengnifaxian。congxiaopeiyanghaizidongshounengli，zhangwoshenghuosuoxudejineng，kaikuotamendeshiye。nverdexiaoxiyeyuelaiyueqingximingle，guizizhongdehuabi，manmanjizanqilaideshiwuheyaowu；橋(qiao)水(shui)如(ru)何(he)投(tou)資(zi)AI？

作(zuo)者(zhe)：曹(cao)澤(ze)熙(xi)

圖(tu)片(pian)來(lai)源(yuan)：由(you)無(wu)界(jie) AI生(sheng)成(cheng)

全(quan)球(qiu)最(zui)大(da)的(de)對(dui)沖(chong)基(ji)金(jin)如何看(kan)待(dai)AI？

7月(yue)3日(ri)周(zhou)壹(yi)，桥水聯(lian)系(xi)首(shou)席(xi)投资官(guan)Greg Jensen在(zai)接(jie)受(shou)采(cai)訪(fang)時(shi)系統(tong)談(tan)了(le)桥水对AI技(ji)術(shu)的看法(fa)，分(fen)享(xiang)了他(ta)对桥水如何投资AI、如何利(li)用(yong)AI投资以(yi)及(ji)对AI技术的展(zhan)望(wang)等(deng)問(wen)題(ti)的看法。

桥水如何投资AI

Jensen稱(cheng)：

在重(zhong)組(zu)桥水的過(guo)程(cheng)中(zhong)，我(wo)們(men)還(hai)做(zuo)了一件(jian)以前(qian)沒(mei)有(you)做过的事(shi)情(qing)，就(jiu)是(shi)讓(rang)一些(xie)人(ren)去(qu)研(yan)究(jiu)、投资那(na)些可(ke)能(neng)不(bu)會(hui)立(li)即(ji)盈(ying)利的東(dong)西(xi)，但(dan)這(zhe)是我们的長(chang)期(qi)項(xiang)目(mu)。

因(yin)此(ci)，我们就成立了这個(ge)AI项目，團(tuan)隊(dui)一共(gong)有17个人，由我領(ling)導(dao)。我仍(reng)然(ran)積(ji)極(ji)參(can)與(yu)桥水基金的核(he)心(xin)工(gong)作，但其(qi)他16个人則(ze)百(bai)分百致(zhi)力(li)於(yu)通(tong)过機(ji)器(qi)學(xue)習(xi)的方(fang)式(shi)重塑(su)桥水基金。

我们將(jiang)設(she)立一个專(zhuan)門(men)由机器学习技术運(yun)營(ying)的基金，这就是我们現(xian)在在實(shi)驗(yan)室(shi)所(suo)做的工作，並(bing)突(tu)破(po)了人工智(zhi)能、机器学习能力的限(xian)制(zhi)。

现在，想(xiang)要(yao)成立这樣(yang)的基金还很(hen)大的问题。如果(guo)我们采用大型(xing)語(yu)言(yan)模(mo)型，它(ta)们有兩(liang)類(lei)问题。第(di)一，这些模型在语言結(jie)構(gou)方面(mian)接受了更(geng)多(duo)訓(xun)練(lian)，所以他们通常(chang)会反(fan)饋(kui)一些看起(qi)来像(xiang)是结构、语法正(zheng)確(que)的东西，但并不總(zong)是準(zhun)确的答(da)案(an)。这是一个问题。第二(er)，它產(chan)生幻(huan)覺(jiao)，它編(bian)造(zao)事情，因為(wei)它更關(guan)註(zhu)接下(xia)来出(chu)现的單(dan)詞(ci)或(huo)概(gai)念(nian)的结构，而(er)不是接下来出现的概念是否(fou)准确。

因此，Jensen認(ren)为，AI可以幫(bang)助(zhu)人们将觀(guan)察(cha)到(dao)的事物(wu)概念化(hua)、理(li)論(lun)化，但是真(zhen)正要利用AI来選(xuan)擇(ze)股(gu)票(piao)，还有很长的路(lu)要走(zou)。因此，桥水真正的关注點(dian)是：

但还有其他方法可以将其与统計(ji)模型和(he)其他类型的AI结合(he)起来。这正是我们真正关注的重点，即将精(jing)度(du)較(jiao)差(cha)的大型语言模型与擅(shan)长准确描(miao)述(shu)过去但对未(wei)来預(yu)測(ce)很糟(zao)糕(gao)的统计模型结合起来。

将这些结合在一起，我们開(kai)始(shi)构建(jian)一个生態(tai)系统，我相(xiang)信(xin)这一生态系统可以实现桥水分析(xi)師(shi)正在做的事情。

如果这一生态系统搭(da)建完(wan)成，我们相當(dang)于同(tong)时擁(yong)有數(shu)百萬(wan)个水平(ping)處(chu)于中上(shang)的投资合夥(huo)人。如果我们有能力通过统计数據(ju)来控(kong)制AI的幻觉和錯(cuo)誤(wu)，我们就可以快(kuai)速(su)完成大量(liang)工作。 这正是我们在实验室所做的事情，并證(zheng)明(ming)該(gai)过程是可行(xing)的。

桥水如何通过AI投资？

如果可以搭建一个包(bao)含(han)了AI和其他技术的生态系统，桥水将如何利用这一系统進(jin)行投资呢(ne)？

Jensen认为，其中统计AI和大規(gui)模语言模型可以相得(de)益(yi)彰(zhang)，在投资中扮(ban)演(yan)桥水“左(zuo)右(you)手(shou)”的角(jiao)色(se)：

统计人工智能可以采用理论，回(hui)溯(su)这些理论是否至(zhi)少(shao)在过去是正确的，以及它们的缺(que)陷(xian)是什(shen)麽(me)，并对其进行完善(shan)，提(ti)供(gong)如何以不同的方式去做的建議(yi)，然後(hou)我们可以与之(zhi)对話(hua)。

大规模语言模型具(ju)有的一个優(you)勢(shi)是，采用一个復(fu)雜(za)的统计模型并討(tao)论它在做什么。有一些方法可以训练语言模型来做到这一点。我们模擬(ni)这種(zhong)情況(kuang)的方式是语言模型可以提出潛(qian)在的理论。这不是世(shi)界上最具創(chuang)意(yi)的事情，但它是规模化的理论，这是肯(ken)定(ding)的。再(zai)說(shuo)一次(ci)，大规模语言模型非(fei)常好(hao)，但是我们必(bi)須(xu)以某(mou)种方式調(tiao)整(zheng)语言模型，我们就可以使(shi)用统计数据来控制它。

然后，我们可以再次使用语言模型来獲(huo)取(qu)统计引(yin)擎(qing)中的结果，并与人类或其他AI进行讨论，并報(bao)告(gao)所發(fa)现的內(nei)容(rong)、内容以及理论类型。如果得出的结论和人们的认知(zhi)相反，那么就进行更多的测試(shi)。

这就是我非常興(xing)奮(fen)的循(xun)環(huan)，正如我所说，到目前为止(zhi)，统计AI受到限制，因为它专注于市(shi)場(chang)数据。对于语言模型来说，好处是它能夠(gou)更好地(di)理解(jie)统计模型所没有的东西。

例(li)如，市场统计模型没有貪(tan)婪(lan)的概念，但大规模语言模型幾(ji)乎(hu)可以理解贪婪的概念——这些模型讀(du)过所有关于贪婪和恐(kong)懼(ju)之类的文(wen)章(zhang)。因此，现在将两者结合，就能产生类似(si)人类的思(si)考(kao)模式。

AI对人类員(yuan)工来说，意味(wei)著(zhe)什么？

隨(sui)着时間(jian)的推(tui)移(yi)，计算(suan)机可以做的事情越(yue)来越多。Jensen认为：

我想说的是，今(jin)天(tian)，人类已(yi)經(jing)习慣(guan)了只(zhi)完成和直(zhi)觉、创意相关的角色，我们使用计算机进行記(ji)憶(yi)并不斷(duan)准确地运行这些规则。这只是过渡(du)到了一半(ban)，现在又(you)一次迎(ying)来飛(fei)躍(yue)。

毫(hao)无疑(yi)问，AI将改(gai)變(bian)投资助理所扮演的角色。确切(qie)地说，在可预見(jian)的未来，我们仍然需(xu)要人们圍(wei)繞(rao)这些事情进行工作，我们仍需要一段(duan)时间来构建这些机器学习代(dai)理的生态系统等等。

利用AI将成为未来工作的一部(bu)分，我认为在任(ren)何知識(shi)行業(ye)中都(dou)很難(nan)不利用这些技术。

在计算机程序(xu)编寫(xie)方面，我们正在看到编碼(ma)方面的巨(ju)大突破。现在，借(jie)助AI，人们只需要知道(dao)想要编码什么，而不是需要知道如何编码，这是一个巨大的突破。 因此，一群(qun)在C++、Python或其他方面没有受过良(liang)好培(pei)训或能力的人可以突然更快地获得他们想要的东西。

所以突然之间，職(zhi)场需要的技能组合正在发生变化，而且(qie)它们的变化方式对許(xu)多人来说是令(ling)人驚(jing)訝(ya)的，因为这实際(ji)上是很多知识工作，例如内容创建等等，人们一度认为被(bei)机器取代的时间还在遙(yao)遠(yuan)的将来，但实际上卻(que)近(jin)在眼(yan)前。

所以最重要的是，现在有太(tai)多的变化，在职场上需要拥有靈(ling)活(huo)性(xing)，并能够利用任何工具，这是非常必要的。

能用AI直接管(guan)理投资嗎(ma)？

市场上现在出现了五(wu)花(hua)八(ba)门的AI投资管理工具，人们关心的是，随着AI的大发展，未来是不是人类只需要把(ba)投资交(jiao)給(gei)AI就可以了呢？

Jensen认为：

我认为这既(ji)会导致事故(gu)，又让我感(gan)到非常兴奋。顯(xian)然，我对AI的力量感到兴奋，我认为有一些方法可以很好地利用它。但同时，AI会产生很多错误。

有些基金会使用GPT来挑(tiao)选股票，但这些基金经理并没有真正深(shen)入(ru)了解AI以及可能存(cun)在的弱(ruo)点。

有一个例子(zi)，在房(fang)地产市场上，房地产中介(jie)平臺(tai)Zillow就使用了AI技术来预测房價(jia)、評(ping)估(gu)房价，并进入市场开始購(gou)買(mai)AI认为被低(di)估的房子。但是，Zillow有几个问题。

一是雖(sui)然他们拥有大量的住(zhu)房数据，但这些数据是在相对较短(duan)的时间内发生的。因此，盡(jin)管他们拥有看似大量的数据点，但仍然存在一个宏(hong)观周期影(ying)響(xiang)着他们所做的评估。

其次，当它实际上是一个对抗(kang)性市场时，他们低估了理论与实踐(jian)脫(tuo)節(jie)的情况。

因此，这显然对Zillow来说是一个巨大的问题，他们对房地产市场产生了很大的影响，然后又遭(zao)遇(yu)了巨大的失(shi)敗(bai)。

回到股市，非常短期的交易(yi)，可以说更適(shi)合机器学习，因为有大量数据，AI可以通过这些数据更快地学习。

但另(ling)一方面，更长期来看，AI的作用就未必能发揮(hui)的出来了。数据通常就像一个人一生的心率(lv)数据一样。妳(ni)可能会觉得，哇(wa)，我的心跳(tiao)已经持(chi)續(xu)了49年(nian)，这看起来像是很多数据，但当你心臟(zang)病(bing)发作时，这些数据就完全无关緊(jin)要了。因此，即使有大量数据，也(ye)可能会产生误导，而这些问题将导致这些技术出现巨大问题。

因此，人们必须了解这些工具，它们擅长什么，不擅长什么，并以一种能够发挥各(ge)类工具长处、规避(bi)短处的方式组合起来。

在大型语言模型上，还有很多工作要做，我们当然可以通过強(qiang)化学习进行训练，以确保(bao)它们不会犯(fan)已知的错误。

市场依(yi)然被樂(le)观情緒(xu)主(zhu)导吗？

Jensen认为，市场依然被乐观情绪主导。他说：

美(mei)联儲(chu)在将采取的行動(dong)方面似乎比(bi)市场更加(jia)现实一些。当你看看市场的反應(ying)时，你会发现这是非常乐观的。

但是我们不得不注意的是，從(cong)歷(li)史(shi)上来看，市场常常容易过于乐观。 返(fan)回搜(sou)狐(hu)，查(zha)看更多

責(ze)任编輯(ji)：