第97章 当机器开始“思考”
2018年3月15日，星期四，晚上十一点。
深圳，默石资本，技术部实验室。
整层办公楼只剩下技术部的灯还亮着。林枫坐在他的工位上，面前是三块屏幕，每一块都显示着密密麻麻的代码、图表和数据流。他已经连续工作了十四个小时，但精神很好——那种在探索未知领域时特有的、带着兴奋的专注。
陈默推门进来，手里端着两杯咖啡。他把一杯放在林枫桌上，另一杯自己端着，拉过一把椅子坐下。
“还不走？”
林枫抬起头，摘下眼镜，揉了揉眼睛。“马上。有个东西想给你看。”
他转过身，面对屏幕，手指在键盘上敲击了几下。屏幕上出现了一份文档，标题是黑体大字：
《“默石先知”计划：下一代基于深度强化学习的自适应投资系统构想》
陈默凑近屏幕，一行一行地看。文档很长，有一百多页，分成了十几个章节。他快速浏览了目录：一、现有系统的局限；二、深度强化学习的基本原理；三、从结构化数据到非结构化数据；四、自主发现规律与策略生成；五、动态进化与自适应；六、风险与挑战；七、实施路径与资源需求；八、伦理与治理。
他放下咖啡，靠在椅背上。
“林枫，你用一句话告诉我，这个‘默石先知’和我们现在用的系统，有什么区别？”
林枫想了想。
“现在的系统，是人类告诉机器该怎么做。‘默石先知’，是机器自己发现该怎么做。”
陈默沉默了几秒。
“继续说。”
林枫站起来，走到白板前。他拿起马克笔，画了两个圆圈。左边一个，里面写着“人类规则”；右边一个，里面写着“机器发现”。中间一个箭头，从左边指向右边。
“现在的默石Alpha系统，本质上是人类投资逻辑的算法化。我们研究基本面，提炼出因子；我们复盘历史，总结出规律；我们设计策略，编写成代码。机器负责执行、优化、风控，但所有的‘智慧’都来自人类。机器是工具，不是创造者。”
他在右边的圆圈里画了几条线。
“而‘默石先知’，是让机器自己从数据中发现规律、生成策略、动态进化。我们不给它任何预设的规则，只给它目标——比如‘在控制最大回撤不超过15%的前提下，最大化长期收益率’。然后，它自己去学。读财报、读新闻、读研报、读卫星图、读供应链数据、读社交媒体情绪……从所有能获取的数据中，发现人类从未发现过的规律，生成人类从未想过的策略。”
陈默盯着那个右边的圆圈。
“你是说，它可能会做出一些我们无法理解的投资决策？”
“对。这就是‘黑箱’问题。深度神经网络的中间层，是人类无法直接解读的。机器可能发现了一个极其有效的策略，但我们不知道为什么有效。它可能利用了某个我们从未注意过的微弱信号——比如某家公司的CEO在财报电话会上的语气，或者某个工厂停车场的车辆密度，或者某条供应链上的某个节点库存变化。这些信号，人类可能永远发现不了。但机器能。”
“这听起来很诱人。”陈默说，“也很可怕。”
（本章未完，请点击下一页继续阅读）