发布于: Android转发:0回复:1喜欢:0
无论是基于策略的量化交易模型还是基于AI的自动化交易,本质上都是基于历史数据特征学习,形成数学公式后对未来的推导。其不同在于策略是人根据经验总结出来的,AI是基于奖惩策略自动分析出来各种维度的权重。在对未来推导还是基于历史数据的。
在投资这件事上,计算机取代人的关键是把基于概率的分析转化为基于因果关系的推导,即把统计数据变成知识。这也是这两天神经网络之父放言机器学习必须推到重来的原因//@不明真相的群众:回复@StarringLu:这是不是可以得出一个结论,在投资上,计算机确实无法取代人?
引用:
2017-09-17 17:17
基于企业可持续经营的价值投资本质上是不是一种归纳法?

全部讨论

2017-09-17 19:48

转一个:
经网络之父 Geoffrey Hinton

在上周三的一场多伦多 AI 会议上,Hinton 接受了 Axios 的采访时袒露了对反向传播算法的质疑。他认为反向传播算法并不是大脑运作的方式,要想让神经网络变得更智能。就必须放弃这种为所有数据标注的方式。

而 Hinton 所提到的反向传播算法在当今的人工智能领域扮演着重要的角色。在输入数据固定的情况下、反向传播算法利用神经网络的输出敏感度来快速计算出神经网络中的各种超参数。它之所以重要,是因为极高的效率。在图像与语音的识别分类上具有重要作用。

虽然会议上的其他科学家坚持反向传播在人工智能未来的发展中仍然将发挥着重要的作用,但显然 Hinton 已经开始考虑全新的技术路径了。而事实上,这也并不意外,毕竟从 80 年代开始,Hinton 就开始关注人类大脑的原理,并发表了一定数量的有关脑神经科学的论文。

1986 年的那篇 Hinton 与 David E. Rumelhart 和 Ronald J. Wlilliams 合著的《Learning representations by back-propagation errors》论文具有重要的意义,可以说是代表着反向传播算法首次被引入到多层神经网络训练,也为后来该算法的推广埋下伏笔。

但作为反向传播算法的发起者,Hinton 又亲自否定了自己成果,想要重新开始,这不由得让人联想到普朗克的那句名言“科学是通过一次又一次的葬礼而取得前进的”。