人工智能与传统技术突破有何不同

曹顺教授美国马里兰大学人工智能与传统技术突破有何不同人类技能：劳动价值、智力价值、情绪价值人工智能vs.其他技术：完全或部分取代人类技能第0阶段：自动化（Cortes与Pan（2019年）以及Cort’es等人（2024年））取代体力劳动增加对脑力劳动力的需求人工智能兴起：人工智能发展的四个阶段（ARK’sBigIdeas（2025年））第1阶段：理解人类意图例如：大语言模型（LLM）回答问题。第2阶段：采取行动例如：人工智能回答问题，并根据答案执行行动。第1阶段和第2阶段的意义：取代部分脑力劳动力。增加对需要人际交往能力和同理心的角色的需求。人工智能与传统技术突破有何不同人工智能演变：第3阶段：计划和调度例如：人工智能理解用户需求，并预测未来的问题和需求。第4阶段：人工智能体像人类一样行动第3阶段和第4阶段的意义：取代脑力劳动力以及需要人际交往技能和同理心的角色。提出了一个问题：人类还剩哪些技能需要开发？黑白人才vs.灰色地带人才人工智能与传统技术突破有何不同从黑白到灰色：人工智能如何改变决策具有明确目标函数的任务例如：预测股票回报目标明确：用未来回报训练人工智能，实现预测误差最小化，利润最大化人类知道自己想要什么具有灰色目标函数的任务例如：公司治理决策灰色目标：人类并不总是知道自己想要什么股东价值最大化？平衡ESG、DEI、道德等？每个指标的正确权重是多少？更多灰色地带：对于人工智能来说，社会科学问题比工程问题更复杂人类决策的本质比技术系统更复杂观众思考题：你知道自己在生活中想要什么吗？人工智能难以定义正确的目标或训练标记很难确定哪些以往决策是正确的模糊的数据会导致人工智能优化错误的目标从黑白到灰色：人工智能如何改变决策人工智能的未来：人工智能很大程度上在黑白分明的任务中取得了强劲表现人工智能发展的下一阶段涉及灰色地带的性能优化在这个阶段取得进展需要人类指导人类的未来：人类的才能正在从执行明确定义的决策转向在灰色地带中行使判断力对于人工智能来说，人类的价值在于为模糊决策定义适当的目标函数明确的目标可降低人工智能在灰色地带中的失败率这解释了为什么人工智能在深度边际创新方面表现良好，但在从无到有的创新方面却举步维艰原因：目标明晰度差异深度边际创新涉及相对明确的目标函数和评价标准从无到有的创新涉及难以事先定义的目标来自音乐领域的说明性示例人工智能可以创作出莫扎特风格的新音乐（深度边际创新）人工智能无法在没有现有参考的情况下创造出全新的音乐风格（从无到有的创新）为什么机器可以向人类学习，却又能击败人类原因1：机器集合人类知识人工智能聚合了许多人的知识，而不是依赖于单个专家通过汇集信息，机器的表现可以超越任何个人原因2：机器探索超越人类知识前沿人工智能可以搜索人类知晓、但尚未充分探索的组合和模式为什么这成为可能机器犯错的成本很低人类很难直面失败，但机器不会因为失败而面临时间成本或情感成本它们可以毫不疲惫地开展大规模实验人工智能+公司治理问题是计算机科学学者还是会计学/金融学学者的问题？我们能否依靠计算机科学学者来开发一个天才系统，从而解决上述所有问题？还是需要钻研人工智能、开发解决方案的金融学学者？人工智能的三大关键能力：算法设计计算能力制度详细信息和数据的领域知识恕我直言，计算机科学学者是否知道特斯拉的例子、CEO演示幻灯片中的产品图片，或者前面讨论的人工智能分析师？在缺乏系统知识的情况下，计算机科学学者要解决人工智能+治理问题将极具挑战性。结论：我们的任务是借助人工智能工具，引导人工智能+治理我们能提供怎样的帮助？与Wei合著的一本人工智能免费教材，融合了金融数据和大语言模型的系统知识。贷款中的人类vs.人工智能决策比较：人类vs.人工智能决策因素人类人工智能种族信息考虑不考虑现金流了解弱强如何改进人工智能，从而减少偏差？更好的算法——跨银行变动。更具代表性的数据——缺乏低频事件数据会放大偏差。实证证据：Fuster等人（2022年）证明了人工智能会导致歧视。有了更好的人工智能模型或更多数据，将减少这一问题。替代假设：使用错误的人工智能模型可能会增加统计性其实→需要实证检验人工智能的质量。如何检查人工智能公平性？检测方法：黑匣子方法：检查人工智能的结果。白匣子方法：直接审查人工智能代码。相关法规公平住房法案和平等信贷机会法（ECOA）——人工智能不得使用种族或性别。多德-弗兰克法案（2010年）和SR11-7——要求对贷款决策中使用的人工智能和算法实施严格监控。附加规定：要求对拒绝发放贷款的决定做出解释。（ECOA中的法规B（RegB））人工智能问责——来自投资公司的观察结果选股流程第一步：识别潜在股票积极筛选运用自营交易策略，选择有限数量的潜力股部分公司已经在使用人工智能选股第二步：人工分析和危险信号识别负面筛选人工审查选定的股票

第一步中遗漏的潜在危险信号假设团队规模：20人很少有公司在这一步骤中使用人工智能第三步：风险控制评估如果将第二步中的股票添加到投资组合中将带来的额外风险/投资组合波动性假设团队规模：10人第四步：交易执行最大限度地降低执行委托单的价格影响和交易成本如果交易金额较大且可能造成价格影响选股流程——借助人工智能提高效率并降低成本第二步：人工智能辅助危险信号识别迁移学习：假设你已经有一个阅读所有维基百科、Twitter、书籍等的专家。你的域数据：以往的分析师识别危险信号并记录其逻辑和思维过程的笔记和报告你的专家（类似GPT的预训练模型）可以从这些笔记中学习，并在较少人工干预的情况下识别危险信号团队规模：1人第三步：人工智能辅助风险控制你的域数据：风险团队以前进行过风险测试和评估并记录