一定要能够被解释,被量化才能作为判断依据吗?
展开
发现一篇随笔,id忘川写的状态空间。其实是有点超现实的科幻随笔,但里面有一个内容,或者主要矛盾点值得思考。
一个小孩子,说了一句楼在响,她没办法解释,她能感觉到,但她的爸爸感觉不到。这件事情,就这么不了了之。可是十几年后,同一批次,同一设计,同批施工,阻尼结构完全相同的一栋楼踏了,事后,专家花了几十页来回溯,来证明这栋楼在一定条件下,有着单一变量监测中难以解释的疲劳积累模式。后来爸爸问她,她21岁,说了一句:就像你看到一个杯子被放在桌延上,你不会证明,或者计算出它可能掉下去。
文字,和自己,是两个主体,去解释,去下定义,本质上是你在寻求安慰,或者你被动接受文字规训后在默认用这个主体去解释自己这个主体。是可以被随意堆砌的东西,是金融服务业需要做的事情。而我认为市场不看这个。
我认为,有可能未来,ai时代,这些东西只不过是垃圾算力随意生成的东西,而真正有竞争性的,能拉开人与人直接差距的,是文中这样的能力。不要脸的说,是我一直在感受,企图追寻的所谓感觉。或者说,让你扫一眼就能感受到差异的,敏锐度和决策力。或者说,是最原始,被社会化教育磨平的,需要被唤醒的本能。
我不认为大部分量化有多高的壁垒和门槛,或许是我无知,学得还不够多,只是认为,绝大多数现在还在挣钱的量化是在构筑未来市场的基石,加入量化等于成为未来市场的一部分,而ai逐渐进步,这些能力都会被取代。就像你在地球上成为了春天,你来了,就风和日丽一样。而真正能够长久活在市场上的能力,不是搭量化的能力,而是文中这个。
只不过,真正讽刺的是,只有在某一个重要时刻成功,正确才会被解释,或者有人去主动解释。哪怕后续有多少人再用多繁华,高级的文字去解释,都无法在那一个时刻,帮人做出决策。
不知道啊,这谁知道我说的对不对,瞎扯的。哈哈。丢给ai看一下反馈,别的不管我先写爽了。
插播一条文中的段落:
实验员给受试者看两百张图片。
有机械结构、动物骨骼、城市路网、河流、企业组织图、神经元连接、司法判例引用网络,还有儿童随手画的线条。
任务只有一个:
把“相似”的东西放在一起。
普通成年人会按形状、用途、类别分类。
传统模型会根据嵌入空间计算距离。
共发育受试者的分类结果一开始看起来极其混乱。
一只鸟的翅膀和一家濒临破产的物流企业被放在了一起。
一条河流和一个有严重内部派系冲突的组织结构放在了一起。
一张膝关节核磁图像和一座城市的地铁换乘图被放在了一起。
研究员问为什么。
一个十六岁的女孩回答:
“因为它们是一样的。”
“哪里一样?”
女孩想了想。
“如果这里继续增加,那里就不能再增加了。”
“什么叫这里?”
她在图上指了几个完全不同的位置。
“这些。”
“它们没有共同属性。”
“有。”
“是什么?”
女孩开始解释。
她用了容量、延迟、局部补偿、负荷转移、恢复窗口、脆弱点这些所有人都听得懂的词。
每一句语法都正确。
每一个词也都熟悉。
可当她说完,实验室里的人仍然没有真正明白她为什么把那些对象视为“同一种东西”。
后来模型做出了数学重构。
那些对象确实在某种动力学结构上具有相似性。
不是外观相似。
不是功能相似。
甚至不是传统意义上的拓扑相似。
而是在状态变化的约束关系上相似。
女孩不是先算出了这种关系再给出答案。
她从一开始就把它们看成了一类。
一个小孩子,说了一句楼在响,她没办法解释,她能感觉到,但她的爸爸感觉不到。这件事情,就这么不了了之。可是十几年后,同一批次,同一设计,同批施工,阻尼结构完全相同的一栋楼踏了,事后,专家花了几十页来回溯,来证明这栋楼在一定条件下,有着单一变量监测中难以解释的疲劳积累模式。后来爸爸问她,她21岁,说了一句:就像你看到一个杯子被放在桌延上,你不会证明,或者计算出它可能掉下去。
文字,和自己,是两个主体,去解释,去下定义,本质上是你在寻求安慰,或者你被动接受文字规训后在默认用这个主体去解释自己这个主体。是可以被随意堆砌的东西,是金融服务业需要做的事情。而我认为市场不看这个。
我认为,有可能未来,ai时代,这些东西只不过是垃圾算力随意生成的东西,而真正有竞争性的,能拉开人与人直接差距的,是文中这样的能力。不要脸的说,是我一直在感受,企图追寻的所谓感觉。或者说,让你扫一眼就能感受到差异的,敏锐度和决策力。或者说,是最原始,被社会化教育磨平的,需要被唤醒的本能。
我不认为大部分量化有多高的壁垒和门槛,或许是我无知,学得还不够多,只是认为,绝大多数现在还在挣钱的量化是在构筑未来市场的基石,加入量化等于成为未来市场的一部分,而ai逐渐进步,这些能力都会被取代。就像你在地球上成为了春天,你来了,就风和日丽一样。而真正能够长久活在市场上的能力,不是搭量化的能力,而是文中这个。
只不过,真正讽刺的是,只有在某一个重要时刻成功,正确才会被解释,或者有人去主动解释。哪怕后续有多少人再用多繁华,高级的文字去解释,都无法在那一个时刻,帮人做出决策。
不知道啊,这谁知道我说的对不对,瞎扯的。哈哈。丢给ai看一下反馈,别的不管我先写爽了。
插播一条文中的段落:
实验员给受试者看两百张图片。
有机械结构、动物骨骼、城市路网、河流、企业组织图、神经元连接、司法判例引用网络,还有儿童随手画的线条。
任务只有一个:
把“相似”的东西放在一起。
普通成年人会按形状、用途、类别分类。
传统模型会根据嵌入空间计算距离。
共发育受试者的分类结果一开始看起来极其混乱。
一只鸟的翅膀和一家濒临破产的物流企业被放在了一起。
一条河流和一个有严重内部派系冲突的组织结构放在了一起。
一张膝关节核磁图像和一座城市的地铁换乘图被放在了一起。
研究员问为什么。
一个十六岁的女孩回答:
“因为它们是一样的。”
“哪里一样?”
女孩想了想。
“如果这里继续增加,那里就不能再增加了。”
“什么叫这里?”
她在图上指了几个完全不同的位置。
“这些。”
“它们没有共同属性。”
“有。”
“是什么?”
女孩开始解释。
她用了容量、延迟、局部补偿、负荷转移、恢复窗口、脆弱点这些所有人都听得懂的词。
每一句语法都正确。
每一个词也都熟悉。
可当她说完,实验室里的人仍然没有真正明白她为什么把那些对象视为“同一种东西”。
后来模型做出了数学重构。
那些对象确实在某种动力学结构上具有相似性。
不是外观相似。
不是功能相似。
甚至不是传统意义上的拓扑相似。
而是在状态变化的约束关系上相似。
女孩不是先算出了这种关系再给出答案。
她从一开始就把它们看成了一类。
话题与分类:
主题股票:
主题概念:
声明:遵守相关法律法规,所发内容承担法律责任,倡导理性交流,远离非法证券活动,共建和谐交流环境!
