股市和计算机的赛跑，谁能猜到赢家？

新的一周，来给大家讲一位天才的故事……

跨越2000英里的野心

400台电脑主机发出嗡嗡声，金融数据正被以每秒一千万亿次计算的高速度消化，这些数据传输到距此2000英里远的芝加哥，由电子交易员决定投资指令。

在西雅图远郊的一个科技办公园区，一台超级电脑正在自学如何处理商务交易订单和预测资股价走势。“计算机终将跑赢股市。”杰夫·格利克曼 （Jeff Glikman）望着灯光闪烁的办公楼，信心十足地说道。他也的确有底气这么说，作为头号研究计算机金融应用的商人，即便是在世界经济衰退之际，他和他的投资公司J4 Capital仍在悄悄获利。

金融数据太庞杂，太无规律，有人说它们根本无法预测。一开始，没人看好这位投机商人的野心，更别谈格利克曼本人对金融行业就知之甚少。这位59岁的计算机科学家从未在华尔街或哪家投行工作过。他也没有专门编写投资算法来指导计算机执行预测任务。相反，他自称J4已经创造了一种自学成才的“超级智能”，可以针对金融数据自发编程。

超级电脑的显示屏

从定理证明法打开的未来

他的软件基于定理证明法而运行，可以查看数据集并生成相应的解释结果。就像人类大脑在处理信息时，会将信息分块储存、加工那样，格利克曼的超级AI借助所学知识中不断增加的数学抽象程度来测试待检验的定理。他神秘地说，定理证明的结果“取得了出人意料的成功”。

J4的办公室内部，灵感迸溅的发源地

市场的波动可能是随机的。但归根结底，大多数投资者的信息来源都是一样的——它们都源自石油消费数据、原油价格信息和《华尔街日报》的头条新闻报纸。大量的非目标信息称为“噪音”，而要从噪音中找到目标信息，是格利克曼最头疼的难题。

不过，他的言谈总带着一丝自信的神采：“这些数据包含有极大的复杂性，超出了人类的理解能力，但事实上，我相信它们仍处于超级计算机的理解能力之内。”

“为什么不造个‘白盒子’？”

上世纪80年代初，格利克曼创办了一家名为Thumb Scan的公司，最早取得了生物识别和指纹处理领域的部分专利。他又创办了一家咨询公司，为福特汽车服务。正是军工复合的创业经验为格利克曼提供了灵感。

在当时，格利克曼被指派训练AI系统来模拟外国军队的军事能力。后来，军方希望他使用无线电信号来识别导弹发射井的位置。他还曾被要求应用机器学习技术来改进对敌方基础设施的空中分析战略。

他说，通过处理这些“对军队来说深奥的重要问题”，他得以有机会设计随机数生成器，即从一个明显的随机序列出发去预测下一个数字，就像教AI做数独。这成了他构思AI发展方向的转折点。它也让格利克曼开始思考布朗运动（悬浮在流体中的粒子的随机运动）和股票市场波动之间的动态关系。

多年来，他一直在尝试解构这个奇妙的相互关系，直到2004年，他才意识到要实现这样的愿景，必须设计能重新编程以生成金融数据新模型的定理证明器。足足十一年后，格利克曼鼓起信心第一次启动了这台超级电脑。那一整天，这台电脑都在计算金融数据结构和波动趋势。

他曾希望能够直接利用AI预测次日金融市场的走势，但其实对此并不很有底气。“黑箱”问题持续困扰着他：不得不承认，AI与人类认知几乎没有相似之处，在经过数百万甚至数十亿次计算后，人们几乎不可能再理解AI是如何产出数据和作出决定的。