AI在金融中的真正挑戰或許並不是智能
我以前以爲，AI領域最大的競賽會是打造更聰明的模型。
每隔幾周，就會出現另一個模型：它能處理更多數據、識別模式更快，或者比前一個模型做出更好的預測。那段時間，我以爲金融領域的AI未來就會在這裏被決定。
我看得越久，就越不相信這種觀點。
吸引我注意的，不再是預測的質量。
就在這些預測離開模型之後發生的一切，纔是關鍵。
交易策略並不會孤立運行。它必須穿行於網絡之中，與成千上萬的其他交易競爭，處理延遲，並在一個不斷變化的環境中執行。一個模型可能得出正確結論，但如果它周圍的系統在壓力下撐不住，仍然可能產生令人失望的結果。
這讓我用不同的方式看待 AI 基礎設施。
讓我一直想到的類比是交通。
一大早，幾乎每條路都感覺被設計得恰到好處。車輛行駛順暢，路口保持暢通，抵達目的地彷彿毫不費力。
然後，早晚高峯開始了。
路沒變，但環境變了。小的延遲開始在彼此之上疊加。幾分鐘前看起來高效的路線，突然變得擁堵，而到達同一個目的地現在帶來的體驗完全不同。
金融市場的運作方式與此大同小異。
當活動量較低時，幾乎每個系統看起來都很快且可靠。隨着需求增加，協調變得比原始速度重要得多。時機會改變結果。執行質量也會改變結果。甚至信任也會開始影響參與者的行爲。
就在那時，我開始覺得牛頓協議更有意義了。
乍一看，它像是另一個把 AI 與區塊鏈基礎設施結合的項目。
我讀得越多，就越覺得它試圖解決的是另一個問題。
牛頓似乎並不是在假設“更聰明的 AI 會自動帶來更好的金融系統”，而是聚焦於這些 AI 系統實際運行的環境。安全的執行、可預測的基礎設施以及協調性，都會成爲討論的一部分，而不是事後想到的附加項。
這聽起來像是理解 AI 更爲現實的一種方式。
當然，基礎設施並不能解決一切。
它不會阻止糟糕的策略。它也不會阻止情緒化的決策。
而且它當然也不會保證市場以理性方式運行。
如果成千上萬的 AI 代理得出了類似的結論，它們仍會在執行層面彼此競爭。
技術可以改善環境。
它無法消除金融市場的不確定性。
諷刺的是，這也是我覺得這個想法更可信的原因之一。我們已經進入這樣一個階段：幾乎每個項目都在承諾更快的執行、更聰明的智能，或更高的效率。改進確實很重要。但複雜性並不會因爲軟件變得更好就消失。
市場仍然由參與者之間的激勵、協調與信心所塑造。有時候我覺得基礎設施就像管道。所有東西都在正常運轉時，沒人太在意它。
當壓力開始累積，或某些東西突然不能正常運作時，它就會變成整個系統中最重要的部分。
AI 可能會繼續吸引頭條新聞。
更安靜的故事，是它所依託的基礎設施。
從長遠來看，我不認爲勝負只會由誰能構建最聰明的模型來決定。
它們還將取決於誰能構建這樣的環境：當市場變得擁擠、假設開始崩塌、不確定性成爲每一個決策的一部分時，這些模型仍能可靠地持續運行。也許這就是牛頓協議真正想要探索的內容。
不在於 AI 能否做出更好的決策。
但是，當現實世界變得遠不那麼可預測時，圍繞這些決策的系統能否繼續保持可靠？
