https://techcrunch.com/2017/09/30/artificial-intelligence-is-about-the-people-not-the-machines/?ncid=rss
돈을 벌기 위해 돈이 들고 당장은 많은 돈이 인공 지능 개발에 들어갑니다.
헤지 펀드에서 벤처 캐피털 회사에 이르기까지 재무에 종사하는 모든 사람들은 데이터 및 정량 분석이 어떻게 산업을 재구성 할 것인지에 대한 아이디어를 가지고 있습니다. 시그널 파이어 (Signal Fire) 와 같은 회사는 성장하는 신생 기업에 관심을 끌기 위해 회사에서 회사로 이동하면서 엔지니어를 추적합니다. 그리고 Numerai 및 Quantopian 과 같은 펀드 는 최적의 거래 전략을 결정하기 위해 퀀트에 대한 신념을 가지고 있습니다.
Bridgewater Associates 는 세계에서 가장 견고하고 신뢰할 수있는 돈을 벌어들이는 기계 중 하나로서, 관리 하에있는 1500 억 달러의 장수를 보장하기 위해 내부 관리 프로세스 를 자동화 하려고 시도하고 있습니다. 그러나 인공 지능을 돈 벌기에 적용하는 대부분의 다른 접근 방식과 달리 Bridgewater의 전술은 이상 탐지에 관한 것이 아니라 기계화에 관한 것입니다.
AI 이전의 사람들에 관한 것이 었습니다.
Bridgewater를 이해하려면 Ray Dalio를 이해해야합니다. 달리오에게 깨진 프레임 워크와 과도한 감정이 적입니다. 성공은 동일한 제목의 그의 저서에서 Principles으로 언급 된 선별 된 일련의 규칙에서 비롯됩니다 .
행동 경제학 분야는 심리학과 신경 과학이 의사 결정에 영향을 미치는 무수한 방법을 연구하는데 전념합니다. 전통적인 경제학은 인간의 합리성에 대한 기본적인 가정을하지만 행동 경제학에 대한 연구는 사람들이 호모 경제 의 패러다임 밖에서 매우 이상한 일을하는 경향이 있음을 보여주었습니다 .
알려진 수백이있다 인지 적 편견 할인 쌍곡선 편향 확증 (우리는 종종 우리의 이전에 가정을 검증 정보를 볼은) 우리가 너무 많은 가치를 부여 (그리고 악 대차 효과 (우리는 시간에 대한 물건을 소중히 정말 가난) - 무리 행동).
Dalio는 규칙이 그를 편견에 빠지게하고 그들을 설명하는 데 도움이된다고 말합니다. 유죄 판결을받을 때마다 그는 컴퓨터 모델이 말하는 것과 대조를 이룬다. 분쟁을 해결하고 더 나은 결과로 이끌 수있는 반성을 촉구한다.
열쇠는 컴퓨터가 당신에게 지시하기 때문에 자신의 감정을 과다하게 과소 평가하거나 무언가를하지 않도록하는 것입니다. 많은 수의 알고리즘이 편견을 완전히 차단할 수는 없지만 규율 및 습관 형성을 도울 수 있습니다.
인공 지능 이후 사람들에 관한 것입니다.
Dalio는 수십 년 전에 거래를하기위한 기준을 적어두고 그런 기준을 알고리즘으로 변환 할 수 있는지 알아보기 위해 노력할 것이라고 말합니다.
"열심히 생각하면 질적 인 문제를 정량적 인 문제로 전환 할 수 있습니다."라고 Dalio는 말했습니다. "나는 코브 샐러드를 주문했다. 내가 감속 할 수 있다면 나는 Cobb 샐러드에 대한 나의 기준을 적어 두었습니다. Cobb 샐러드를 좋아하는 질적 인 판단이었습니다. "
이 전문가 시스템 접근법 은 오늘날의 심층 학습에 대한 개념과는 대조적으로, 유도 학습 추론을 기반으로 결론을 도출하기 위해 대량의 데이터에 대해 기계 학습 모델을 교육합니다.
"나는 기계 학습이라는 용어가 맘에 안 든다. 왜냐하면 내가하고있는 일이 배우지 않기 때문에"라고 달리오는 강조했다.
구별은 가벼워 보일지 모르지만 멀리 떨어져 있습니다. 오늘날 사용되는 많은 기계 학습 모델은 데이터를 입력하고 결론을 내뱉는 블랙 박스로 작동합니다. 모형을 이끌어 낸 결론을 묻고 싶다면 종이 흔적을 찾을 수 없습니다.
Dalio는 "기계가 알고리즘을 제시하고 적절한 원인과 결과 관계에 대해 깊이 이해하지 못한다면 상황이 매우 위험 해집니다"라고 설명했습니다. "미래가 과거와 다르다면, 아마도 당신은 충돌 할 것입니다."
오늘날 대부분의 데이터 과학자들은 기계 학습을하기 전에 해결하려는 문제에 대해 도메인 경험이있는 것이 중요하다고 동의합니다. 이것은 중요합니다. 말하자면 잡초 제거 로봇은 결코 설명하지 않은 아침 이슬에서 산만 해지지 않습니다. 또는 브리지 워터 (Bridgewater)의 경우 현실에 대한 앵커없이 의사 결정이 이루어지지 않도록 이해하는 것이 중요합니다.
이것은 Dalio가 인공 지능의 미래가 인간에 의존 할 것이라고 믿는 이유입니다. 그의 책에서 그는 컴퓨터가 인간의 도움없이 일반적으로 인간보다 우월 할 수있는 날이 멀다고 지적했다.
이것은 콥 샐러드 이후 였어.
열쇠는 이해입니다.
Dalio는 오늘날의 인공 지능은 흉내 내기 (mimicking), 데이터 마이닝 (data mining) 및 전문가 시스템 (expert systems)의 세 가지 카테고리로 분류됩니다. 모방 (Mimicking)은 쉽게 이해할 수있는 복제가 가능한 작업을 말합니다. 이러한 문제의 특징은 변화가없는 세계에서 발생한다는 것입니다.
데이터 마이닝은보다 광범위한 문제를 해결합니다. Dalio는 du jour라는 용어가 아니지만 특정 문제를 해결하기 위해 대량의 정보를 적용 할 수있는 여기 깊은 학습을 말합니다.
마지막 접근 방법 인 전문가 시스템은 Dalio가 이해를 돕고 자 할 때 선호합니다. 소위 "전문가"에서 파생 된 이러한 알고리즘 규칙은 오늘날의 객체 인식 및 대화 시스템 문제에 취약하지 만 귀납적 추론보다는 연역적 추론이 필요할 때 가치가있을 수 있습니다.
예를 들어 누군가를 해고 할지를 결정하는 것은 데이터가 종종 설명 할 수없는 매우 복잡한 작업입니다. Dalio를 잠시 보자는 Bobby Axelrod가 TV 프로그램에서 10 억을 기록했습니다. "수학을 할 수있는 소그룹이 있습니다. 그것을 설명 할 수있는 더 작은 집단조차 있습니다. 그러나 둘 다 할 수있는 소수의 사람들은 억만 장자가된다. "
만약 당신이 그것을 이해하려고 노력할 때 수학에 의존한다면, 태양에 너무 가까이 다가 갈 위험이 있습니다. Dalio는 이러한 시나리오가 어떻게 진행되는지를 설명하기 위해 합병 차익 거래의 예를 제공했습니다.
합병 차익 거래에서 펀드는 인수 대상 회사의 주식을 매입하고 인수 회사를 단절합니다. 그러나 너무 많은 사람들이 가격을 올리면 정통한 투자자가 반대하는 것이 더 나을 것입니다. ( 흥미로운 추론을위한 게임 이론 문헌에서 평균의 2/3이 무엇인지 확인 하십시오.)
"큰 데이터 세트가 차이점이 될 것이라는 가정이 있습니다."라고 Dalio는 덧붙였다. "그러나 최선의 아이디어는 단어를 알고리즘으로 변환 할 수있는 사람을 갖는 것입니다. 네가 그렇게 할 수 있다면 자이언츠를 이길거야. "
Dalio의 전문가 시스템 접근 방식은 날짜가 맞았을 수도 있습니다. 그리고 깊은 학습과 대부분의 인공 지능도 날짜가 있다는 것을 잊지 않습니다. 우리는 신경망이 지능을 재생산하는 솔루션이라고 생각할 이유가 없으므로 당분간 서로 다른 맥락에서 서로 뛰어난 성능을 발휘할 수있는 많은 기술이 있다는 것을 받아 들여야합니다.
Dalio가 투자 나 경영 또는 AI에 대해 무엇을 할 것인지를 결정하십시오. 그러나 그는 분명히 한 가지만 옳습니다. 도메인 경험이 데이터 과학에서 중요하지 않은 것은 실수입니다. 이 문제는 직접적으로 문제가되지 않더라도 기계 학습 방식에 관계없이 적용됩니다.
추천 이미지 : Bryce Durbin
0
SHARES