第254章 倒行逆施（1/5）

像图象识别、语音识别这类认知性的任务，ai之所以做得好，是因为这些任务是静态的，所谓静态就是给定输入，预测结果不会随着时间改变。

但是决策性问题，往往和环境有很复杂的交互，在某些场景里面，如何做最优决策，这些最优决策往往是动态的，会随着时间改变。

现在有人尝试把ai用到金融市场，例如如何用ai技术来分析股票，预测股票涨跌，对股票交易给出建议，甚至是代替人来进行股票交易，这类问题就是动态决策性问题。

决策性问题的第二个难点在于各种因素相互影响，牵一发而动全身。

一支股票的涨跌会对其他股票产生影响，一个人的投资决策，特别是大的机构的投资决策，可能会对整个市场产生影响，这就和静态的认知性任务不一样的。

在静态认知性任务我们的预测结果不会对问题（例如其他的图像或者语音）产生任何影响。

但是在股票市场，任何一个决定，特别是大的机构的投资策略会对整个市场产生影响，对别的投资者产生影响，对将来会产生影响。

当前深度学习已经在静态任务里面取得了很大的成功，如何把这种成功延续和扩展到这种复杂的动态决策问题中，也是当前一个深度学习的挑战之一。

章杉认为，一个可能的思路是博弈机器学习。

在博弈机器学习里，通过观察环境和其他个体的行为，对每个个体构建不同的个性化行为模型，ai就可以三思而后行。

选择一个最优策略，该策略会自适应环境的变化和其他个体的行为的改变。

……