Re: [討論] 蘇聯曾研究將任何事由計算機做決策

看板DummyHistory作者tomer (卯月影)時間2周前 (2024/04/17 13:37)推噓7(7推 0噓 9→)

留言16則, 6人參與討論串12/19 (看更多)

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://www.ptt.cc/bbs/DummyHistory/M.1713332270.A.2FD.html

推

cht12341234

04/17 15:14, 2周前 , 1^F

04/17 15:14, 1^F

推

cht12341234

04/17 16:09, 2周前 , 2^F

04/17 16:09, 2^F

→

cht12341234

04/17 16:10, 2周前 , 3^F

04/17 16:10, 3^F