（圖片素材取自網路開放授權CC。）
一、前言
近期，「ChatGPT」關鍵字不斷出現在新聞版面，代表其火紅程度已漸蔓延至台灣。ChatGPT 是由 OpenAI 開發的一個人工智慧聊天機器人程式，於去（2022）年 11 月推出，問答方面，ChatGPT 可以根據輸入的問題自動生成答案，還具有編寫和除錯電腦程式的能力。小弟對 AI 一直情有獨鍾，個人的投資策略以量化為主，在預測未來數據的部分，也有用到類似的技術。上述所謂的「AI」，係指「人工智慧」的縮寫，可以透過電腦程式及運算自動執行複雜的任務，而早期應用最廣、最成熟，當屬圖像、語音辨識及自然語言處理等等，目前火紅的「ChatGPT」屬於後者。
「AI」開始普遍被世人所知，源自於 2016 年 AlphaGo（由 Google DeepMind 開發的人工智慧演算法）在網路圍棋世界打敗眾多高手，而後更以 4 比 1 的成績打敗當時世界冠軍李世石，因而引起社會大量關注。更早之前，於 1997 年，同樣是人工智能運算用於棋局，DeepBlue 也曾打敗過世界冠軍 Garry Kasparov。不過，雖同樣屬於 AI，但上述兩者所使用的演算法是截然不同的，其演算複雜度（圍棋 vs 象棋）也是差異極大。2016 年之前，學術界根本不談 AI，相關應用比較廣泛的，多半局限於影像、影音、醫療等，例如用於簡單車輛影像判斷、醫學影像之判讀（如今這些技術都已臻至成熟）。當時 AI 還不成熟，智能化能力與人類仍有極大差距，導致「人工智慧」四字長期被學術界所嘲笑，由於研究產出時常出於電腦運算結果，很難簡單化成數學式，也就難以在學術期刊發表，是個沒前途，學術研究價值低，相當耗數學能力又不討好的學問，沒人要學。過去，沒有一個專門稱為「AI」的科系，沒有所謂的「人工智能」，只有數據科學，與之相關的科系通常是「資訊、資工、通訊、計算機」等專長領域。
2016年，AlphaGo 和兒子剛好在同一年誕生，起初，看著小孩睡著可愛的臉，興起利用空閒時間，花了將近一年，才將過去自已於 2010 年所做的半成品選股模型整理到比較完善的地步。隔年，以兒子的生日數字開了一個小小個人部落格，目的用於呈現該研究的模擬測試結果，迄今已滿 5 年。不過，由於忙碌於工作和家庭的關係，該系統一直離最終想要達成的目標，仍有一段距離。
二、ChatGPT 對世界的影響
前述 ChatGPT 於 2022 年 11 月底開放，短短 5 天就吸引 100 萬人註冊。相關應用，快速被應用於演講稿、紀錄稿、學生作業、文案、程式編寫等等，其便利的功能也被學生用於論文，但已被多所校園警告禁用，可見其正確性仍待質疑。
相較於搜尋引擎使用關鍵字查找資訊，ChatGDP（Generative Pretrained Transformer）則更偏重於自然語言模式的訓練。透過自然語言生成的 AI 要能準確回應問題的關鍵（或者說是任何 AI，都有同樣的問題），在於給它正確的資料；由於 ChatGPT 的資料採用 2021 年之前的數據，當時還處在一個沒有 ChatGPT 的環境，該環境中、大數據多數仍是依賴人類彙整而成，尚未參雜太多機器演算的結果，透過 AI 訓練，能夠得到一個大致符合人類環境的結果。此結果的權重，個人猜測多半與資料本身的 SEO 有所關聯。
ChatGPT 透過大數據的訓練，理解一般普羅大眾的自然語言用語及習慣，從而查找使用者想要了解的資訊，並給予正確回應；相較於一般使用瀏覽器查找資料，由於 ChatGPT 可以直接針對使用者想要的部分去解析文本，直接從內文提取使用者想要了解的答案，就以資料查找的效率來說，遠勝過使用瀏覽器查找解答所需花費的時間。因此，在 ChatGPT 如此優異（符合人性化需求）的搜尋功能下，首當其衝的當屬 Google 搜尋引擎；Gmail 的創始人 Paul Buchheit 日前就在社交媒體大膽預言，未來一到兩年內，ChatGPT 人工智慧技術的應用發展，將會徹底顛覆 Google 過去以來所建立的優勢，因為 Google 的營利模式，正是來自於搜尋引擎，但像是 ChatGPT 這種 AI 查詢資料的模式，等於是人工智能直接透過本身訓練的資料來給予解答，人們將不再需要搜尋引擎（或相關需求變的極低），也就直接傷害 Google 的廣告營收。
注意上述所說，「人們將不再需要搜尋引擎」，因此受害者恐怕不止是 Google、百度等搜尋引擎業務。影響最廣泛的，恐怕是內容創作者，或許會受到更為深度的影響。以前，有問題就問「Google 大神」的模式不在了，等於是通往內容創作者的道路因此不見。短期來看，似乎 ChatGPT 也能成為內容創作者的良好輔助工具，但若未來類似的工具開始普及化，使用者對於查找資料的需求轉為直接詢問 AI，且坊間開始出現大量由機器所創造出來的內容時，屆時，最先受害的就是那些沒有使用 ChatGPT 的內容創作者，以及少數純人類所創作內容優質的資料，正被由大量機器生而的海量資料所淹沒。
三、解析 ChatGPT 的缺陷
過去 DeepBlue 能夠贏得棋局，在於棋盤上的規則可以被人類所人為演譯出來。而 AlphaGo 相較於 DeepBlue 的不同，在於 AlphaGo 吸收了眾人過去曾經對奕過的棋譜，再將 AI 演算的結果透過邊緣運算導出，甚至使用機器人自己與自己對弈的模式，來創造出一般對奕者不會（或絕少機率）出現的棋路，而這些極少概率的棋路，遠超過專業棋士過去所能處理的經驗，從而造成 AI 打敗專業棋士的結果發生。而 AI 處理像是下棋等遊戲、後續所能生成出來的步數及其結果、概率，只要符合棋盤上的規則，都能被計算出來。以 AlphaGo 來說，其實 AI 並不懂得下棋，他只是將過去處理相同棋路的資料庫，依據最大獲勝結果的概率來進行下一步（下棋）。相較之下，ChatGPT 則是透過自然語言的文本來訓練，同樣是跟 AlphaGo 一樣沒有靈魂，只是透過大量資料庫的訓練，在使用者詢問模式下，找出過去類似的發問，以及最有可能的結果來回答，當然，訓練的靈魂仍是基於人類過去的大數據所產生。
因此，前述所說的情況就會產生幾個重大問題：
（1）ChatGPT 的訓練資料，可能受到人為偏見的結果而導致不正確的信息。
（2）一旦未來大部分資料都是仰賴機器輔助而生成，就有可能產生 GIGO（Garbage in, garbage out）的結果，即錯誤、表面看似合理但思慮不周的答案等，有可能因為論點的 SEO 高，且過去亦受人類觀念所誤解，再透過類似 ChatGPT 等工具不斷地創造及錯誤反饋循環，錯誤的程度將會擴大。
（3）假使未來對接網路，若無法有效地過濾一些錯誤資訊及偏見，恐怕容易成為人為、或政治搧動的工具，加大社會及族群之間對抗。
四、ChatGPT 對投資的影響
ChatGPT 目前資料都還是 2021 年以前，投資是看未來而非過去，尚看不出會有什麼影響。對於 ChatGPT 的未來趨勢，個人有如下幾點看法：
（一）對於文字訊息的使用效率
投資的行為模式及股市投資而言，獲利總是遵循著類似 82 法則的結果，即少數人賺取大多數人之利潤。ChatGPT 所能提供的訊息建議，大部分偏向一般人一般程度可以提供的結果，回應結果的正確性離專業人士仍有一段距離。因此若純粹對於投資的影響，個人認為使用 ChatGPT 短期並不會產生太多優勢。不過，未來若是 ChatGPT 接上網路，情況或許會略有改變，投資者對於資料查找的速度將大幅優化，AI 將輔助一般投資者，得到趨近於網路爬蟲工程師才有的能力。
（二）對於數據訊息的使用效率
個人認為 ChatGPT 對數據來說，優勢相對偏低，原因在於 ChatGPT 的資料取得模式，是來自於訊息資料的文本，但數據資料原本就是市場必須公開的，資料的直接取得，比起相對取得還要來得更為容易且簡單的多。
（三）過去人工智能投資無法長期打敗大盤
人工智能（AI）投資於 2016 年 AlphaGo 打敗李世石後，開始蔚為一股風潮。經過這幾年實證後，透過機器學習來進行市場預測和選股，能夠長期打敗大盤的量化投資基金區區可數（除大獎章基金外）。主要原因在於：
（1）市面上的 AI 基金雖然掛著「AI」兩字，但在本質策略上及選股核心，常常基於市值、動能、波動等評價因子進行選擇，與市面上常見的選股策略差異不大。
（2）人為著墨的跡象過深，純粹以機器演算法來進行演算的基金少之又少。
（四）大獎章基金
關於以數學演算模型為基礎的基金，目前績效表現最好的當屬「大獎章基金」，該基金是 James Harris Simons 的團隊創建，基於數學統計分析的定量模型，在 20 年內投資年報酬率超過 35%。而關於大獎章基金，個人有幾點看法如下：
（1）量化交易策略實際上無法在任何市況下都帶來穩定的報酬，除非策略是用於中長期的選股，而非追求短期回報。但是，一個 20 年內投資年化報酬率超過 35% 的策略，不管從任何角度看都不現實，原因是短期策略雖然回報高，但交易頻率、停損等都會有成本，不容易實現。下圖，以小弟的量化模型為例，圖為本數學模組投資組合近 5 年每筆模擬投資的績效分布圖，平均績效為 8.01%、中位數為 2.8%、平均持有期間約 146.69 天（含假日）、選股清單年化報酬率 21.13%（不含股息收益）。假設以上述模型為基準，若要年化報酬率達到 35%，則每筆平均績效要拉高到 13% 左右才能達成，當中只有 40% 左右的股票能辦到。亦即，使用一個年化報酬率有 20%以上的模型，若要連續 20 年達到 35% 這種報酬率，其機率為 0.000001%，機率將低到非常不現實。
（本站預估大盤本益比，自行繪製。）
（2）由於年化報酬率過高，且資訊揭露並不透明，過高的報酬率通常存在一種能夠干預賭局結果的博奕下注手法，就是帶有炒家手段的人為造市。個人在閱讀投資名著「股票作手回憶錄」，揭示作手李佛摩的一生，書中曾提到，「李佛摩在小號子下注，股票的成交量小，常常戰無不勝，導致被各個號子列為拒絕往來戶，而在大號子下單，股票的成交量大，但卻往往沒有任何優勢」（若書中所描述為真，個人認為李佛摩的成功並非在於技術分析利害，而是他利害在於透過關鍵價位，適度切入擔任了炒家的角色）。而「大獎章基金」長期控制基金規模在某個範圍，恐怕是與李佛摩採用了相同策略，即在定量模型的基礎下，透過 AI 演算技術，同時又讓資金帶有主力等炒家色彩，以此刺激股市快速反應，以達到驚人報酬率的目的。不過，本點僅是個人想法，沒有任何證據。
五、小結
個人認為 ChatGPT 確實是畫時代的應用，但並非代表 ChatGPT 真的具備「智慧」，而是該技術利用人類的集體智慧來解決問題，就像當年 AlphaGo 打敗李世石那樣，李世石並非真的輸給 AI，而是輸給人類集體智慧。ChatGPT 之所以有用，關鍵在於人類集體智慧是否「正確」，如果以開發者角度思考，個人直覺會依據 SEO 的權重來設定給予資料的優先順序，來做為解讀文本的參考。那麼，ChatGPT 可能達到比大部份平均人類還要聰明，因為它將這些優於平均值以上的解答快速彙整出來。但是，ChatGPT 絕對無法達到「專業頂尖」水準，原因是這些專業頂尖人士，通常都是鮮少上網，除非他本身就是資訊及程式方面的專家（息慣時時接觸電腦），這也能充份的解釋為何 ChatGPT 在解讀「程式」方面，會有如此優異的能力。歸根就底的原因是，這些普羅大眾的程式問題，早有許多人在網路上詢問，並且都得到了解答。而 ChatGPT 只是將這些解答，透過 AI 很快的處理速度，將答案再度呈現出來。
最後，對於投資而言，「投資看的是未來，不是過去」，過去的例子無法用於未來的投資決策。AI 確實能夠提高投資優勢，如提高資料的搜尋效率等，或很快的得到市場訊息，但絕對無法靠人類的集體智慧來得到可靠的結果，因為「成功的投資者」往往都是極少數的那群人，那些人的建議，也往往不具備良好的SEO（因為與大眾的思考模式不同），無法被 ChatGPT 所採用。最後，本文為個人淺見，非絕對正確，如有錯誤敬請見諒並給予指正。
※本文為個人研究，非投資建議，相關數據依據當時公布之財報資料推估，僅供讀者參考。
財經時事討論
0 意見:
張貼留言