预测的时代:数据和技术如何推动指数级变革的产生

当前,我们处在预测技术的黄金时代的黎明期。由庞大的计算机驱动的数十亿精密算法使预测者得以处理越来越多的数据。如今,在从天气到医学到商业的一系列领域中,我们对未来下结论的能力理应比历史上任何阶段都要强。

然而实际上,我们最近所经历的——从新冠肺炎疫情到大金融危机——恰恰是我们预测未来失败的表现。技术的出现以及由此带来的我们预见未来潜在事件的能力的变化,同时使可能结果的发生范围和种类指数级增加。技术的进步能使我们更加确信自己的决定,但同样也提高了做出这些决定时所处背景的复杂性。下图显示了自2010年以来的数据增长情况,它说明了两件事:一个是关于我们赖以决策的信息量,另一个是这些数据的规模和复杂性会多么难以忍受。

预测的时代:数据和技术如何推动指数级变革的产生

当我们试图看到未来时,我们如何才能重新获得观点?我们必须认识到,过去用于模拟未来结果的工具是以稳态环境为前提的。为了应对指数级变化的未来,我们的工具必须像它们试图预测的世界一样充满动态。在使用数据进行预测时,我们不得不承认,明天的世界将与今天的世界大相径庭。

在实践中,我们必须将技术融入尽可能多的生活领域,认识到在某些领域,技术发展的速度、效率和复杂性远远超过模拟的替代能力。它还要求我们改变我们的思维方式。

在这篇文章中,我想思考技术变革的速度如何影响我们对未来风险的概念。风险建模是我们寻求了解未来的另一种方式,也是我们最常见的预测尝试之一。生活在一个指数级变化的世界中,我们必须从根本上改变我们看待未来的方式,并动态调整我们对风险的理解。我们必须摒弃许多了解过去的原则,拥抱对未来的新思维方式,将变革视为创新和增长的引擎。

考虑摩尔定律,这是英特尔联合创始人戈登·摩尔在1965年发表的一项声明——集成电路中的晶体管数量大约每两年翻一番。长期以来,这种指数关系一直被认为是数据处理能力增长速度的代表,并被用来说明计算机科学家的雄心壮志的范围和局限性。然而,摩尔定律已经开始被瓦解,解开的根源在于它旨在预测的技术创新速度。

随着人工智能和替代处理器的出现,晶体管数量不再是数据处理能力的有效代表。芯片越来越小,从二维到三维,其结构中使用的材料越来越复杂和专业,但传统的中央处理器(CPU)不再处于技术创新的前沿。Silicone Angle 最近的一项研究表明,严格定义的摩尔定律要求晶体管数量以每年40%的速度增长,但到2020 年该速度已放缓至30%以下。然而,考虑到传统CPU与人工智能和替代处理器的结合,数据处理能力以每年超过100%的速度增长。技术的显着崛起正在改写过去的规则。

我们正处于预测科学的转折点。人类倾向于对世界如何运作有固定的想法,在寻找新路径时可能会僵化。金融服务行业的一些部门在采用技术方面进展缓慢,但怀疑论者的观点正受到越来越多证据的挑战,即计算机,尤其是与人才配对时,可以更有效地利用市场机会。如果说过去十年积累了大量数据,那么我们很可能需要在未来十年提高我们处理和利用数据的能力。我们才刚刚开始了解技术可以在预测方面带来什么。

当我们展望未来时,这一切会将我们引向何方?我们正处于技术革命的开端。未来几年,机构、思想家和工人将需要更大的动态性和灵活性。变革的指数级增长要求我们所有人每天都放弃过去的确信,拥抱彻底改变的未来。

本文作者

Igor Tulchinsky

WorldQuant创始人、董事长兼首席执行官

本文来自互联网,不代表前途科技立场,如若转载,请注明出处:https://accesspath.com/tech/5777969/

(0)
NEXTECH的头像NEXTECH
上一篇 2022年8月29日 上午2:34
下一篇 2022年8月29日 上午2:34

相关推荐

发表回复

您的电子邮箱地址不会被公开。 必填项已用*标注