人工智慧究竟有沒有思想，它是怎麼思考的？

02

微軟中國CTO韋青舉了個例子，人工智慧是如何理解「美麗程度」這個詞？

首先，人工智慧並沒有詞義理解能力，它對「美麗程度」的詞義是分成三次去理解。

在「美」這個字後，可能出現的詞是：美好、美妙、美麗...，根據學習資料大資料庫計算這個字出現的機率：

美麗（0.76）、美好（0.45）、美妙（0.12），優先選擇：高頻的【美麗】。

下一步，接著出現：程（0.62）、景（0.53）心（0.16），優先選擇：高頻的【美麗程】

接下來再出現：度（0.81）序（0.49）心（0.15）。

這裡如果是在《三體》小說的背景下，出現女角色「程心」的可能性更大，但在我們日常語境之下，就會優先選擇：高頻的【美麗程度】。

人工智慧ChatGPT就是在這種機率思維中，選擇詞義，不是理解詞義。

所以，有時候，人工智慧經常會鬧出來一點詞不對義的笑話，我們就要去校準，訓練它。

這就是ChatGPT和文心一言等人工智慧的思維，人工智慧沒有思想，只有基於機率做選擇題。

03

那麼，我們繼續深入去拓展一下，從人工智慧的思維中，我們能學到什麼？

在上周文章中，我和大家分享了人工智慧決策思維模型的三個步驟：

1、分析對象數字化；

2、識別關鍵要素；

3、量化（打分、加權）對比分析，做決策。

第一步的數字化，就是讓人工智慧基於機率去選擇詞義，把【美麗程度】四個字通過數字化，套用在各個語境當中，用機率來選擇詞義。

在20多年前，我在做投資的時候，由於系統收集宏觀政策、企業財務信息、經營信息的難度很大，好不容易找齊了還要做分析。

我主要是依靠圖表分析，先是用手工畫圖，根據每天開市價、最高價、最低價、收市價畫出K線圖，然後通過K線圖的圖形走勢找到規律，例如W底、M頭。

再根據圖形走勢來判斷未來可能的漲跌走勢，以此來做出決策。

我經常說的一句話，這個圖形感覺不錯。

這就有點像AI對人的視覺面部識別、表情識別一樣，但還沒到AI那麼精準。

因為我這種方法優點和缺點都很明顯：

優點：易學，適合沒有企業經營經驗，不擅長財務分析的投資者。

缺點：主觀藝術性強，不穩定。

後來，我就提升了一下思維，將「圖形感覺不錯」進行量化，通過時間天數（x）、漲跌幅度（y），再加上成交量、均線方向等十個指標打分，給出決策中的量化評估標準。

比如我以均線為例：

均線向上，給10分；

均線走平，給0分；

均線向下，給-10分。

比如說看我們圖中這個例子：

第一、60向上/120走平/250向下=（10+0-10=0分）

第二、60向上/120走平/250向下=（10+10+0=20分）

通過這樣量化打分去分析，我們就知道這兩種情況的機率哪個最大。

通過這套量化、打分的模型，就把我以往圖形分析法的主觀藝術性和不穩定，做了一個升級。

同樣，這個思維方法可以用到企業財務指標的分析。

通過對以凈資產收益率ROE為核心的三個指標（營業凈利潤率、總資產周轉率、資產負債率）和30個相關財務指標去評分。

我對中國5000家企業過濾，選出了核心投資的40多家公司，也就是我常說的【絕色公司】，它們在過去十幾年時間，年複利收益率達到了27%。

在2022年四季度我發出【抄底中國】的信號，也是綜合以上財務分析、圖形分析、估值指標和宏觀經濟10多個指標綜合分析，才得出的結論，不是一句感覺差不多、圖形很好看就能輕易做出決策。

04

當然，量化思維、機率思維，不只是應用在人工智慧，還會大量用到企業管理，像360度人才評估等等。

我去到企業調研，給企業做顧問諮詢的時候，就特別關注關鍵語句和數字，沒有數字就要問到具體數字，如果還沒有，就問出關鍵要素有哪些？

然後通過「對標同行」來評出得分，這樣分析就更加客觀，而不是全靠主觀感覺判斷。

有朋友可能會說，量化、機率思維是不是需要很好的數學？

確實會用到數學，但就像巴菲特說：你只需要小學數學知識，就能做好投資。

我仔細看了我娃的小學數學課本，三年級學統計、四年級學雞兔同籠假設法、五年級學方程應用題，其實有這些數學知識，做好投資、管好企業就已經足夠了。

文章最後，大家可以用我的這個量化、機率思維，去分析我們經常說的一句話：

這個人很靠譜！

大家有沒有覺得這句話很熟悉，關鍵什麼是靠譜？

大家有沒有感覺腦袋突然有點懵，靠譜？說的挺多，但真的不知道怎麼定義它？靠譜怎麼量化？

當你有了清晰的定義，甚至量化的標準後，你招聘人才、找合作夥伴和自己幹事的能力，就會有大幅度提升，下周我再和大家分享我對靠譜的量化分析。

—

責任編輯 | 羅英凡

本文圖片均來源於網絡