像人工智能一样成长

从入行开始，我就一直思考一个问题：要想把投资做好，究竟要培养什么样的核心竞争力？

一开始，我觉得做投资这一行靠的是天赋。

后来有人告诉我：“以你现在的努力程度，还轮不到拼天赋。”

“那拼什么？”

“拼的是谁更努力。”“你只要努力就好了，把剩下的交给时间吧。”

新的问题来了：比你优秀的人，比你还努力。你该怎么办？

雷军给出了答案：“站在风口上，猪都会飞。”意思是：选择大于努力。

但是，选择也是一个技术活，怎么提高“选择”能力呢？

“呃……这个是要靠天赋的。”

于是，一个新的循环开始了。

01

不知道哪位大神曾经说过：当你在一个维度里找不到答案时，就要跳到更高的维度去。

所以，我换了个维度来思考：一个极度聪明的人是什么样的？

以前我以为是诸葛亮，现在我知道了，比诸葛亮更聪明的是“人工智能”。

人工智能的核心竞争力是什么？是“机器学”。

这是什么概念呢？我看过一个很震撼的故事：

2016年，人类棋手李世石唯一战胜人工智能的那个夜晚，所有人都进入了梦乡，而AlphaGo却和自己又下了几百万盘棋。第二天，当太阳升起的时候，李世石还是那个李世石，但AlphaGo却已不再是原来的AlphaGo了。从此，人类再也没有赢过。

这就是“机器学”的可怕之处。机器学翻译成人话就是：快速深度学的能力。

我们都知道，人工智能是模仿人类行为而诞生的。于是，我得出了一个结论——每个人的核心竞争力，也应该是“快速深度学”的能力。

对于基金经理来说，每天面对纷繁复杂的市场信息，他要进行准确的分析和判断，就必须要快速深度学。巴菲特曾说：他每天都会拿出至少五六个小时来阅读。

对于其他职业也是一样。

如果你是个创业者，面对激烈残酷的竞争，要想更懂你的客户，更懂你的团队，更懂你的对手，你就必须快速深度学。风投女王就曾经评价王兴是一个“深度学的机器”。

如果你是一个财经作者，要想写出具有洞察力的好文章，也必须要快速深度学。以我的经验，写一篇1000字的文章，至少要看10000字甚至更多的资料。在我看来，写作的本质是做研究。

其实，每个人都有学的能力。但并不是每个人都有“快速”，“深度”的学能力。

人们常说：未经深度思考的人生是浅薄的。意思是，思考的深度很重要。

而在这个日新月异的互联网 时代，“快速”这个限定词也至关重要。很多企业，很多个人，往往只是因为反应慢了，就被这个时代无情地抛弃了。

那么，如何才能拥有“快速深度学”能力呢？

人工智能的三个核心要素是：算力，算法，数据。也就是说，在人工智能的世界，比拼的是：更强的GPU，更优的算法，更好的数据。

对于我们人类而言，要想提升“快速深度学”，本质上也要从算力、算法、数据，这三个维度来努力。

找到了努力的方向，我一下子没有那么慌了。

02

1、如何提升算力？

先来说说算力。

人工智能的算力来自于GPU，人类的算力来自于大脑。

巴菲特曾说：人生就像滚**，重要的是找到很湿的雪和很长的坡。

在我看来，要想愉快地滚**，更重要的是你得健康地活着。

数据显示，巴菲特90%的财富都是在50岁之后积累起来的。如今，年近90的他还依然活跃在投资一线。这是他能够封神的重要原因之一。

否则，即使找到了很湿的雪，很长的坡，人没了，一切都成枉然。

另一位著名的投资大师彼得·林奇，也曾在投资史上留下赫赫战绩。但是，滚了20年的**之后，因为不堪重负，他最后顶着一头花白的头发，心力交瘁地辞去了基金经理的职位。

之前，在知乎上看到一个问题：为什么金融圈的人特别注重健身？

答案其实很简单，因为要维护好算力。

不光金融圈，各个领域的精英们都很注重身体健康。只要环顾下四周，你就会发现：那些事业有成的人，往往都有着极其充沛和旺盛的精力。

2、如何优化算法

对于人类，算法就是看问题、做事情的方法和模型。

之前，有句话在投资圈很流行——投资是认知的变现。

我的理解是：一旦你的认知方法发生了变化，那么你眼中的世界就会变得不一样，你的投资收益率也会随之而变。

举个简单的例子：

很多刚入股市的股民都觉得：股价之所以会上下波动，是因为被一个无所不能的庄家操控了。自己之所以亏钱，是因为庄家太狡猾。

基于这样的认知模型，他每天最关注的人就是，那个看不见摸不着的庄家。揣测他，下一刻要拉升了，还是要洗盘了。

但是，只要接受过一些专业训练，就会知道，股票的内在价值，其实是人们预期中的未来一系列的现金流的折现和。这就是股利贴现模型（DDM）。

根据DDM，你知道了，影响股价的因素包括：基本面（企业盈利）、资金面（无风险利率）和情绪面（风险利率）。

于是，你就会沿着这三个方面，去积累相关的知识和能力。

一旦你的算法被优化了，你就会知道，自己应该朝什么方向去努力了，人生的效率就会提高。

3、如何积累数据

现在，制约人工智能发展的一个重要因素就是：数据喂得不够多。这也是大数据兴起的重要原因之一。

对于大部分人，其实也面临着同样的烦恼，那就是：经验太少（数据太少）。

以前，我们总以为，积累经验没有捷径，只能靠时间的沉淀。一旦你吃过的盐比别人吃过的饭多，你走过的桥比别人走过的路长，就自然成了老司机。

其实不然。

很多人，哪怕炒了10年股票，依然还在亏钱；很多人，哪怕有10年的工作经验，却依旧成为不了专家。

可见，并不是什么样的数据都是好的，我们需要的是海量而优质的数据。

优质数据从哪里来呢？

我总结了一句话：读一流的书，看一流的风景，交一流的朋友，投一流的企业。

当然，前提是，你得有一个先进的认知模型（算法），帮你识别出何谓“一流”。

03

其实，人生并不需要那么多的成功学鸡汤，只要像人工智能一样成长就行了。

拼体力（算力），拼心力（算法），拼经历（数据）。

培养出快速深度学的能力。

这就是，我们每天要做的。