Re: [請益] AI最後一定會打敗一般人?
※ 引述《a000000000 (比古A十郎)》之銘言:
: ※ 引述《mrucj (M)》之銘言:
: : 號稱不可能被電腦打敗的應該是圍棋吧
: : 未來AI能在投資領域打敗大部分人 (不是全部) 的機會應該還是蠻大的
: : 會有這樣觀點的原因是
: : 在以前公認電腦最不可能玩贏人類的項目-圍棋,如今AI竟然有辦法下的贏人類
: : 而以前會有這樣的看法一點也不奇怪
: : 因為圍棋的棋盤上有361個落子點,也就是落子可能性有361階乘這麼多
: : 即便扣掉一些不合理的落子點,可能組合數也高達10的170次方(遠超宇宙所含的原子數目)
: : 電腦不可能用窮舉法計算出所有可能的走法
: : 也就是因為這點,人類認為下圍棋必須依賴所謂的"直覺"或"大局觀"
: : 這點不也和投資有點像嗎?
: : 在無法推算出所有變化的狀況下,找出當時最好的做法
: : 但如今AI卻克服了人類認為電腦無法克服的"直覺"與"大局觀"
: : 甚至有時在圍棋開局的幾步以後,就下出違背以前公認最佳解的走法
: : 但隨著之後盤勢的進行被發現是步好棋
: : 人們以前認為AI開局應該較弱,因為盤上棋子數目越少,AI要計算未來可能走法越多: : 但是事實竟然是,AI比人類有著更好的"直覺"與"大局觀"
: : 如果把這點套用在投資上,或許值得大家思考,未來AI在投資上贏過大部分人的可能性: 我覺得這問題蠻無聊der
: AI要炒股要打敗一般人
: 很難嗎?
: 這要看尼所謂一般人的標準4捨摸八
: 整串講AI的人
: 我看十之八九想像不超過程式交易
: 來來去去都是線形跟財報
: 我直說八
: 這些東西都是有適用狀況跟不是用狀況der
: 我簡單問幾葛問題
: AI能炒股能預測疫情嗎?
: AI炒股能預測貿易戰嗎?
: AI炒股能預測tsla一年翻N倍嗎?
: 拿圍棋去比股市
: 哀
: 不懂圍棋又不懂股市
: 4在比捨摸?
: 我直說惹
: 拿一般人當標準
: 一般人反正都在賠錢
: AI只要選擇睡覺就贏惹
: 這種AI有人要嗎?
: = =
: 要在股市裡面混
: 不要連別人不懂瞎掰胡扯都看不粗乃
: 沒意義的垃圾就不要看惹
: 很危險der
: = =
股價可以看成是一個時間序列
目前時間序列的研究上有幾種常見的機器學習的方法
1. Hidden Markov Model (HMM)
2. RNN
3. LSTM
4. Attention model (Transformer architecture)
最近attention model 在 自然語言處理(NLP)都非常成功, 效能比上述的幾樣好很多
為什麼 "NLP" 會和"股價的時間序列"有關呢?
你可以把股價的時間序列看成是一種未知外星文明對我們講的話
而如果我們能訓練出一種非常有效的文本翻譯的機器介面
不管外星訊號是什麼 我們都可以利用這個機器翻譯成我們可以理解的資訊
那麼
對於投資者做投資決策會有非常大的幫助!!
--
這版是開始在宣揚AI是不是...
不管是什麼鬼NN 都只能參考過去資料
今年武漢炸掉 根本沒有AI能夠handle這塊
因為因素還是人要去定義 要人把他數值化
連人都預測不到武漢肺炎會造成這麼大的傷害 何況AI
我想講的當然不是只有這篇文章的內容
ai輔助人腦 早就行之有年 但是要做最後的判斷 ai直
接被打死
我覺得你只是"知道"那些專有名詞,根本不懂AI
好了下課 有業務來推薦你買AI概念股 就想想我說的話
其實上述的方法的重點就只有一項 處理memory effect
還以為來到軟體板
1
市場上絕大多數的成交量本來就是程式單 我以為這是常識 市場會那麼有效率也是因為太多程式單 不然外匯、虛擬幣、股市盤後交易 你以為每天都有人盯著盤在看買賣??? 越極短線越多程式單、每種程式單的設計不同37
號稱不可能被電腦打敗的應該是圍棋吧 : 現在科技日新月異,漸漸的AI會取代任何要演算的事情 : 就算是股市也一樣,現在只是數據資料庫還沒完備而已 : 他說他斷言,以後股市上也會是AI的天下 : 一般人很難在股市上賺錢3
我想在這個論點上補充我的看法,就是 人的記憶不是完美的 人會選擇性記憶 而且這個記憶會隨著時間而減少權重 舉個例子16
不好意思 我是doiverson 自己的帳號弄丟了一陣子 現在還在站長那邊手動認證中 所以請人代po 我自己現在是在台大念c.s phd 領域應用就是在這一塊 因為現在太多領域以A.I為名義 募資拿錢做很多有的沒的專案 但希望大家能夠慢慢了解這一塊到底在幹嘛8
雖然大部分網友的看法都是AI在股市贏不了人腦,不過我的想法是相反的 以“超級績效”的作者Mark的投資法,其實是非常公式化的 首先透過軟體篩選出他要的股票(他書中說他是使用market smith) 然後上面出拜篩選出的股票,他再用“肉眼”判斷出符合他所謂“VCP”型態的股票 用“肉眼”判斷曲線分佈型態,相信厲害的工程師應該可以用machine learning辦到53
首Po今天去聽AI人工智慧演講的時候 演講者就說大家看AlphoGO 號稱不可能被電腦打敗的西洋棋,人腦也被打敗了 現在科技日新月異,漸漸的AI會取代任何要演算的事情 就算是股市也一樣,現在只是數據資料庫還沒完備而已
24
Re: [新聞] AI晶片競爭開跑,谷歌公布第四代TPU,宣周末下班閒聊, 發現tech版沒有這篇文章, 那就在這裡討論好了, 其實我說的東西都是網路 google+wiki 就有的東西, 先簡單說明一下現代化的ML DeepLearning的基本概念,17
[心得] 股價、棉花與尼羅河密碼讀書心得#股價、棉花與尼羅河密碼 #本書屬於非主流的金融理論, 但觀念蠻新穎的,但有待驗證。 我用我理解的想法來分享此書觀念。 ps此書相關知識背景難度蠻高,9
[請益] 文組轉職後端請益各位前輩好 小弟我114管院碩班 目前在內湖一間小公司實習 主要是寫R語言 還有超基礎的SQL5
[問卦] 分子結構生物學的八卦分子結構生物學主要的工作是測定蛋白質的基因序列,基本上前幾年如果能夠測序出一個 重要的蛋白質就可以發一篇高級論文。對於分子生物學的研究,獲得基因序列是起點和基 礎,只有拿到序列才能方便做後面的功能性研究。 谷歌旗下的人工智能公司DeepMind通過深度學習的AI算法開發出了一種蛋白質結構預測程 式AlphaFold,2018年推出後,在當年12月份舉辦的第13屆CASP(英語:Critical5
Re: [討論] AI晶片多嘴插句話,除了Training跟Infer差異外,其實真的要細分還有從硬體、軟體的優化, 從最上層到底層跟硬體的結合才能夠把edge computing提升到產品落地階段。 像是閣下說的自然語言這塊把Transformer從軟體層面做降維優化、新一代更輕量的CNN模型 ,還有既有的半精度FP8這種跟指令集優化,另外這幾年學界比較有研究的從Complier上做 優化通用矩陣乘法。6
[問題] 拿NovelAI的圖訓練model?好奇現在stable diffusion 現在有很多model 有原始的v1.4 動漫的waifu 獸控的furry 除此以外還有針對特定人物去訓練的 embedding1
[討論] 第一屆《NLP 自然語言機器學習馬拉松》團報:第一屆《NLP 自然語言機器學習馬拉松》 簡介:NLP自然語言機器學習馬拉松是一個結合自學、專家協助及社群討論的AI自學挑戰活動,目標是利用 100 天的時間讓學員掌握自然語言與機器學習/深度學習的關鍵知識點和實務技術應用。 本活動為線上活動,早鳥報名截止日期 10/31 ,希望可以徵到一位有興趣的參加者跟我一起團報 原價一人2280元 兩人以上套票2050/人 附上活動頁面: 請有興趣的人站內信聯繫,謝謝!- 活動時間 2021-05-22(六) 09:30 ~ 2021-07-03(六) 16:30 活動地點
- 基本上,可以先從傳統的NLP領域開始切入,傳統計算語言學的問題主要有Tokenizer、POS 、Entity Extraction、Dependency Tree、Relation Mapping、Intent Classification、S ummarize、Coreference Resolution、Questions Answer、Language Translation等這些問 題開始下手。 如果沒修過相關課程可以直接去聽Stanford 的線上公開課程,有直接從傳統統計語言角度
- attention 真的是model神器 加入self attention或其他注意力概念的架構 整個分數就train起來惹 而且後續也可以拿來解釋model內部的運作 發明attention的真的是神人