它寻找最有效的组合。”
“问题是，人能够想到的因子始终有限。”
“有些变量单独看没有意义，放在特定市场环境里，却可能出现完全不同的结果。”
梁文丰接过话。
“我们想让模型自己从数据里寻找关系。”
“它不再只回答某个因子是否有效，还要识别市场目前处于哪种状态。”
陈默看向屏幕。
这正是未来量化投资必然会走上的道路。
机器学习、深度学习、自然语言处理。
行情只是市场的一部分。
新闻、公告、产业链变化、公司管理层表达出的细微态度，同样能够转化成信息。
等算力与模型能力继续提升，量化系统处理的将不再只是数字。
“你们想做AI量化。”
“对。”
梁文丰目光亮了起来。
“现在还只是设想。”
“算力、训练方法与数据标注都有问题。”
“如果直接让复杂模型预测股价，很可能只会得到一个更加难以发现的过拟合结果。”
“所以第一步不预测涨跌。”
边学章说道。
“先让它做市场状态识别、因子筛选和交易执行优化。”
“模型给出建议，最终风险暴露仍由现有系统控制。”
陈默点了点头。
两人没有因为人工智能这个名字，便准备将全部资金交给一个无法解释的黑箱。
他们希望先用AI处理人最不擅长的部分。
从海量数据中寻找复杂关系。
再将资金边界与最终决策留在可控范围以内。
“方向没有问题。”
陈默说道。
“可以单独成立AI量化研究组。”
“服务器、GPU和数据预算重新上报，不占一代模型的日常研发经费。”
梁文丰看着他：“陈总对人工智能很了解？”
“我在美国参与成立了一家人工智能研究机构。”
“OpenAI。”
会议室里几个人同时安静下来。
OpenAI成立以后，已经在全球人工智能研究圈引发不小关注。
开放研究、长期智能、算力共享。
马斯克与多名硅谷技术人物的加入，让它从出现第一天起便站在聚光灯下。
深度求索也一直关注这家机构。
梁文丰却没有想到，陈默正是背后的发起者之一。
“OpenAI是你成立的？”
“发起人不止我一个。”
陈默说道。
“我提供主要资金、算力与一部分研究方向。”
梁文丰兴趣越来越大：“他们现在主要研究什么？”
“通用训练框架、强化学习、语言智能，以及如何让模型在更少人工规则下完成复杂任务。”
陈默没有展开内部项目具体说。
“其中一些通用方法，与量化模型需要解决的问题相通。”
“深度求索可以加入OpenAI的合作研究网络，共享公开研究成果、部分训练框架和算力工具。”
“你们也可以派人参加内部研讨。”
边学章问道：“交易数据需要上传吗？”
“不需要。”
陈默回答得十分明确。
“太初与深度求索的账户数据、策略参数和实时交易记录，不离开国内。”
“OpenAI共享的是通用人工智能方法。”
“深度求索可以将不涉及交易机密的基础
-->>(第3/4页)（本章未完，请点击下一页继续阅读）