第97章 当机器开始“思考” (第1/2页)
　　
　　2018年3月15日，星期四，晚上十一点。
　　
　　深圳，默石资本，技术部实验室。
　　
　　整层办公楼只剩下技术部的灯还亮着。林枫坐在他的工位上，面前是三块屏幕，每一块都显示着密密麻麻的代码、图表和数据流。他已经连续工作了十四个小时，但精神很好——那种在探索未知领域时特有的、带着兴奋的专注。
　　
　　陈默推门进来，手里端着两杯咖啡。他把一杯放在林枫桌上，另一杯自己端着，拉过一把椅子坐下。
　　
　　“还不走？”
　　
　　林枫抬起头，摘下眼镜，揉了揉眼睛。“马上。有个东西想给你看。”
　　
　　他转过身，面对屏幕，手指在键盘上敲击了几下。屏幕上出现了一份文档，标题是黑体大字：
　　
　　《“默石先知”计划：下一代基于深度强化学习的自适应投资系统构想》
　　
　　陈默凑近屏幕，一行一行地看。文档很长，有一百多页，分成了十几个章节。他快速浏览了目录：一、现有系统的局限；二、深度强化学习的基本原理；三、从结构化数据到非结构化数据；四、自主发现规律与策略生成；五、动态进化与自适应；六、风险与挑战；七、实施路径与资源需求；八、伦理与治理。
　　
　　他放下咖啡，靠在椅背上。
　　
　　“林枫，你用一句话告诉我，这个‘默石先知’和我们现在用的系统，有什么区别？”
　　
　　林枫想了想。
　　
　　“现在的系统，是人类告诉机器该怎么做。‘默石先知’，是机器自己发现该怎么做。”
　　
　　陈默沉默了几秒。
　　
　　“继续说。”
　　
　　林枫站起来，走到白板前。他拿起马克笔，画了两个圆圈。左边一个，里面写着“人类规则”；右边一个，里面写着“机器发现”。中间一个箭头，从左边指向右边。
　　
　　“现在的默石Alpha系统，本质上是人类投资逻辑的算法化。我们研究基本面，提炼出因子；我们复盘历史，总结出规律；我们设计策略，编写成代码。机器负责执行、优化、风控，但所有的‘智慧’都来自人类。机器是工具，不是创造者。”
　　
　　他在右边的圆圈里画了几条线。
　　
　　“而‘默石先知’，是让机器自己从数据中发现规律、生成策略、动态进化。我们不给它任何预设的规则，只给它目标——比如‘在控制最大回撤不超过15%的前提下，最大化长期收益率’。然后，它自己去学。读财报、读新闻、读研报、读卫星图、读供应链数据、读社交媒体情绪……从所有能获取的数据中，发现人类从未发现过的规律，生成人类从未想过的策略。”
　　
　　陈默盯着那个右边的圆圈。
　　
　　“你是说，它可能会做出一些我们无法理解的投资决策？”
　　
　　“对。这就是‘黑箱’问题。深度神经网络的中间层，是人类无法直接解读的。机器可能发现了一个极其有效的策略，但我们不知道为什么有效。它可能利用了某个我们从未注意过的微弱信号——比如某家公司的CEO在财报电话会上的语气，或者某个工厂停车场的车辆密度，或者某条供应链上的某个节点库存变化。这些信号，人类可能永远发现不了。但机器能。”
　　
　　“这听起来很诱人。”陈默说，“也很可怕。”
　　
　　“对。诱人，是因为它可能带来我们从未见过的超额收益。可怕，是因为我们可能无法理解它在做什么。”
　　
　　陈默站起来，走到白板前。他拿起马克笔，在右边的圆圈外面画了一个框。
　　
　　“风险是什么？”
　　
　　林枫走回屏幕前，调出了一张清单。
　　
　　“三个风险。第一，‘黑箱’更深，难以解释。现在的系统，虽然也是算法驱动，但每个因子、每个策略都有明确的逻辑。研究员问我‘为什么买这只股票’，我可以回答‘因为它的估值低、质量高、动量强’。但如果是‘默石先知’买的，我可能只能说‘因为机器觉得应该买’。这个答案，客户不接受，监管不接受，我们自己也不接受。”
　　
　　他顿了顿。
　　
　　“第二，可能产生人类无法理解的‘诡异’策略。机器没有道德感，没有价值观，没有常识。它可能会发现一个极其有效的策略，但这个策略利用了市场的某个漏洞或者制度的某个缺陷。比如，它可能会在财报发布前的毫秒级窗口内套利，或者利用某个衍生品的定价错误进行高频交易。这些策略，虽然在法律上可能没问题，但在道德上、在监管导向上，可能有问题。”
　　
　　“第三，我们是否准备好将最终决策权让渡给算法？现在的系统，最终决策权在ACC。系统给出建议，人做决定。但如果‘默石先知’的胜率远远高于人类，我们会不会不自觉地放弃最终决策权？会不会有一天，我们连问‘为什么’的勇气都没有了？”
　　
　　陈默沉默了很久。他端着咖啡，走到窗边。窗外的深圳夜景，一如既往地璀璨。平安金融中心的灯光在夜色中闪烁。
　　
　　
　　
　　（本章未完，请点击下一页继续阅读）