就 怎麼講、本來是沒有想回的 覺得討論又有點倒退... 這幾個黑天鵝事件 又有多少位人類經濟學家成功預測了？ 又有幾個國家因為這幾位經濟學家的決策 事先採取措施成功迴避了？ 零個嘛 既然如此你怎麼會要求AI辦到這些事呢？ 簡單的問題 現在你有一台超級電腦 做出的決策品質比王美花比蕭萬長還好 就說AI決策錯誤率是5%好了 可是王美花蕭萬長是20% 客觀來說你應該選擇AI還是王美花當經濟部長？ 一定是AI嘛 選AI、只有5%會死 選王美花可是20% 所以才說不要要求AI十全十美 贏過人類專家就足夠了 然後大概補一下 前文所謂的自己找模型的AI運算 其實叫做機器學習 給出名詞是讓有興趣的鄉民可以自行找資料學習 比較不會跑題 大概講一下 傳統AI、或者所謂專家系統 是由人類找演算法來解決特定問題 以棋類軟體為例好了 簡單的像是五子棋、圈圈叉叉等 就是用窮舉法 計算出所有可能性 再從其中挑出勝率最高的一步 複雜到無法窮舉的 像是象棋圍棋要怎麼辦？ 常見的就是所謂深先搜尋、寬先搜尋等 計算到比如20步之後 由評估函式來決定這些結果的勝率為何 輸出勝率最高的一個 注意這邊出現一個評估函式 同樣的盤面不同的評估函式給出的勝率也會不一樣 從這裡開始就有電腦評估錯誤的可能性存在 也就是說 評估函式的好壞決定了棋力高低 從這邊才進入主題 這個評估函式可以是原po講的「模型」 而機器學習 可以當作是透過餵很多的盤面與最終輸贏的資料進去 讓機器自己找出對的「模型」 機器學習的概念 大概是蘇聯人在搞OGAS的時候就已經有了 但問題不是這麼簡單 除了算力問題外 人類還是需要介入很多事情 比方說、分層 以文字辨識為例 假設輸入的影像只有0和8 那機器只需要關心正中央的幾個像素 就足以分辨是0還是8了 但如果現在要辨識的是0到9呢？ 一個方法是、先訓練機器分類 把0與8分一邊、其他分一邊 0、8套用之前的訓練結果 其他的另外訓練 如此的多層構造、就可以辨識更多的數字了 而怎麼分層、分的好與不好 會直接影響到AI的效率 而分了很多層的機械學習 稱為深度學習 近幾年AI的突飛猛進 可以理解為人類終於找到一個厲害的方法 解決了分層等問題 使得阿法狗可以擊敗李世石等頂尖棋士 一樣、阿法狗勝率是100%嘛？ 他的評估函式是全知的嘛？ 當然不是啊 李世石還是贏了一局 但阿法狗勝率已經比李世石高 這就足夠了不是嗎 最後再帶一下控制論的問題 其實控制論很重要的一個東西是所謂的先饋機制 就類似病人躺在病床上 血氧濃度掉了、就要戴呼吸器 血壓掉了、打強心針 有一個模型預測什麼樣的處置 可以讓數字回到某個點 這就是控制論在做的事情 除了AI的突飛猛進以外 現行人類經濟學家在處理總體經濟時 因為技術條件限制只能依賴過去的統計數據 比如說物價指數 要四月才能知道三月的數據 而且可能還有取樣的問題 而電子交易逐漸普及 實時知道每一筆交易內容已成為可能 在數據品質與「模型」品質都突飛猛進的今天 其實當年蘇聯的想法未必是天方夜譚 ※ 引述《plamc (普蘭可)》之銘言： : ※ 引述《a000000000 (比古A十郎)》之銘言： : : 不過以現在AI發展的狀態來看 : : 能不能做到90% 95% 99% : : 這就很有想像空間惹 : : → donkilu: 應該說自由市場可以視為各個模型互相競爭 比誰更符合現況 04/17 08:48 : : → donkilu: 缺乏競爭的市場跟計畫經濟就只有一個模型說了算 04/17 08:48 : 所以說a90你從來都沒看懂我前面跟以前在講啥... : 就像人家lu說的，自由市場不是就沒有模型 : 我一直說啥? 部落民主只有高層民主，現在一人一票也只有政治民主 : 企業裡面獨裁的多的是，佔大多數，家族裡面獨裁的多的是 : 你獨裁企業要搞演算法(根本不需要討論到AI，很多問題非AI的演算法就解決99%) : 全部押上去，那是你家的事，你用你的錢去賭，還是用股東的錢，股東沒意見就好 : 要是你的演算法犯了LTCM那樣的錯誤，誤算1%，或把1%當成0.01%，就會慘爆 : 那就是一家公司錯誤的演算法、錯誤的策略消失於市場，就這樣而已 : 可是如果用整個國家去賭，管你只是誤算了1%，說真的1%已經大到極為致命了 : 我們來看看2001年黑天鵝這說法發明以來有幾次黑天鵝事件？ : ~~黑天鵝就是現行經濟模型認為發生機率極低，實際發生機率卻比模型認為的高~~ : 一般被認為算黑天鵝事件(有些詳細定義上有爭議，但就以一般共識為準)的就有 : 網路泡沫及崩潰 : 911事件 : 2008-9全球金融風暴 : 英國脫歐 : COVID19全球疫情 : 你覺得現在經濟模型已經很好很完備了大部分時候(白天鵝)都沒啥問題?? : OX的21世紀開始到現在還不到1/4，你就死了5次.... ----- Sent from JPTT on my iPhone --

※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 124.155.183.212 (臺灣) ※ 文章網址: https://webptt.com/m.aspx?n=bbs/DummyHistory/M.1713332270.A.2FD.html