互联网巨头纷纷加力农业

这场动荡可能反映了现代AI的局限性，AI模型是依靠读取大数据，并在其中寻找和利用微模式而建立的。就像电商用来预测存货库存的算法被消费者突如其来对洗手液和卫生纸的热情所困惑一样，那些帮助对冲基金从市场中获取利润的算法也对投资者突然的波动而迷惑。

在金融领域，不管AI算法多厉害，用于测试的数据源不好，模型也好不到哪里去。

麻省理工学院教授、总部位于马萨诸塞州剑桥市的量化对冲基金AlphaSimplex的创始人兼名誉主席Andrew Lo表示，量化交易策略有一个显而易见的弱点。"根据定义，量化交易策略是根据观察到的数据中的规律来制定的。”

Lo指出，3月份的情况与2007年金融危机初期量化公司的崩溃有相似之处。在那场小崩盘后不久发表的一篇论文中，Lo总结道，对冲基金之间的集体溃败揭示了市场的系统性弱点。"我们在2020年3月看到的情况与2007年发生的情况并无二致，只是一切发生得更快、程度更深、范围更广，"

AI不是万能灵药

Quantigic基金的公司总裁Zura Kakushadze4月份在网上发布了分析报告，报告中将3月份的事件描述为"量化破灭"。

Kakushadze的论文探讨了一种统计套利的形式，这是一种挖掘市场数据以寻找规律的常见方法，量化基金通过频繁交易来利用这些规律。他指出，即使是采用"中性"策略的量化基金，即同时对股票上涨和下跌进行同等押注，也在此次溃败中表现不佳。

Kakushadze在接受采访时表示，这次事件表明，在市场极端波动期间，AI"不是万能药"。"我不在乎你是使用人工智能还是机器学习，还是其他任何东西，"他说，"无论如何你都无法避免溃败"。

事实上，Kakushadze认为，使用过于复杂和且不透明的AI模型，导致量化基金可能比其他基金遭受更严重的影响。例如，深度学习是近年来风靡科技界的一种AI形式，它把数据输入神经网络得出结果，而这些结果是难以解释的，更别说要审核其计算过程。机器学习，尤其是深度学习，"可能会设置大量无法解释的参数，"他写道。

QTS资本管理公司的管理者、多本机器交易书籍的作者Ernie Chan也认为，人工智能遇上冠状病毒这样的罕见事件，直接就失效了。

"训练一个系统来识别YouTube视频中的猫很容易，因为有数百万只猫，"Chan说。相比之下，如此大的市场波动只发生过几次。"一只手能数得过来。所以你没法简单地使用机器学习来训练模型，学习此类事件的应对方式。"

不过，在3月份的波动中，一些量化基金的表现还是比其他基金好很多。据报道，由Renaissance Technologies运营的Medallion基金(仅限于员工的资金)今年以来的收益为24%，其中3月份增长了9%。


 

临信息集中管控挑战。战争是要达成一定战略目的的，这就会涉及战争控制和集中指挥的问题，不同级别的作战指挥员知晓的信息范围是不同的。而区块链技术的一个突出特性是去中心化，在对等网络中没有中心服务器的概念，作战信息流转是自主分散的，节点之间点对点即可完成作战信息的处理，这就给集中管控信息带来巨大挑战。一旦敌人入侵区块链信息系统，就容易暴露作战企图，让敌人有可乘之机。因此，区块链的军事应用面临着信息自由交互与集中管控之间的矛盾比较突出。

面临性能瓶颈和低效挑战。由于区块链需要承载复制之前产生的全部信息，下一个区块信息量要远远大于之前的区块信息量，这样不断传递下去，下一区块写入的信息将会无限增大。资料显示，海湾战争中，“沙漠风暴”行动的前30个小时，美国海军陆战队第一远征军的指挥机构就收到130万份电子文件。随着战场数字化的发展，作战信息量正呈几何级数增长，这将给区块链军事信息存储、验证和容量带来巨大挑战。同时，区块链技术是以牺牲工作效率为代价才解决了无信任世界里的共识形成问题，其响应速度与容量远远低于现有的中心化系统。达成区块共识，需要经历“竞争-验证-同步-竞争”的循环过程，“竞争”即要求区块链上的节点付出成本进行自证以获取记账权;“验证”是执行校验反馈确认信息可信;“同步”为同步更新本地数据副本，整个过程相当繁琐耗时。当前主流区块链的数据写入，最少需要10分钟，所有节点都同步数据，则需要花费更多的时间。而现代战争作战节奏快，战况瞬息万变，区块链的低效与战争对反应时间要求高的矛盾突出。

科技是核心战斗力。在新一轮军事革命孕育兴起之际，我们既需要通过自主创新，积极发展颠覆性军事科技，也需要紧跟世界新军事技术变革的大潮，抓住前沿科技带来的机遇，努力掌握军事竞争主动权，抢占世界军事制高点，打赢未来信息化战争。

（编辑：四平站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!