数据、算法、算力:
数字经济铁三角
数据: 原材料(如股市交易数据、用户行为数据、行业宏观数据)。
算法: 处理数据,将数据转化为价值的核心逻辑(如量化交易模型、AI选股算法、趋势预测逻辑)
算力: 驱动算法的
动力源,处理数据的速度与规模保障(如GPU集群、
云计算算力、实时数据处理能力)
关系闭环: 数据->算法建模->算力支撑->价值输出(如交易信号、决策依据)->反哺数据积累
思考: 牛逼轰轰,人去干啥? 只剩下哲学思考创造,那AI基于数据的“思考”和人类基于过去经验的“思考”有什么区别?
(1)ai缺因果认知:能理解A出现后B大概率发生,但不理解为什么A导致B(如政策逻辑、资金博弈本质),遇到数据之外的新变量(如突发黑天鹅、政策转向)会迅速失效,而人类的经验思考会沉淀“因果逻辑”。
(2)ai缺隐性经验: 人类经验包含大量无法量化的隐性信息(如交易时的盘感、对市场情绪的体感、国学中的“中庸之道”对决策的潜移默化影响)。
(3)ai缺价值判断: ai没有价值观、伦理观,只会执行目标函数(如最大化收益) 人类决策会兼顾风险、伦理、长远利益。
(4)ai缺反脆弱性: ai依赖历史数据,对从未出现过的场景没有反应能力。人类的经验思考能通过“类比、反思、从构”突破过往局限,在未知中寻找机会。
思考: 感觉不对。ai的分析是止步于人类对其数据投入的限制来分析得到结果。但是ai自我摄入、主动学,自我分析这不就是思考了吗?ai补全自我思考就是个完整的人类,而这种自我思考,无非是自我主动摄入数据即可完成,并没有难度。
答: ai自我学本质是算法对数据的自动化拟合优化。ai缺的是“主体性”,而非数据摄入能力。(主动摄入数据的背后,是我需要什么数据的判断,而ai缺这个判断能力)。
思考: 也就是说ai缺自我意识,那如果有套算法是“自我”,虽然这套“自我”算法很难实现,但不代表没有可能?
……