整理 | 微胖
來源 | 《原則》（中文簡體版）
瑞·達利歐（Ray Dalio），華爾街投資大神、對衝基金公司橋水創始人。
他的人生和投資經歷堪稱傳奇。瑞·達利歐出身美國普通中產家庭，26 歲時被炒魷魚後在自己的兩居室內創辦了橋水，現在橋水管理資金超過 1 500 億美元，截至 2015 年年底，盈利超過 450 億美元。達利歐曾成功預測 2008 年金融危機。
最近，半個金融圈、投資界、管理層都在談論他《原則》（簡體中文版）一書。在這本書中，作者公開了其白手起家以來 40 多年的生活和工作原則。
在決策過程中，人類如何與計算機模型相處？人類如何與新的數據開採技術相處？人工智能會對人類未來產生怎樣的影響？人類應該以何種態度應對？達利歐在本書中給出了自己的見解。
將原則轉換成算法，讓計算機與你一起決策
在談及如何決策時，他的建議之一就是將原則轉換成算法，讓計算機與你一起決策。
達利歐將自己眼中的世界，形容爲「符合邏輯的因果關係的美麗機器。」在早期投資經歷中，他就看到了計算模型的重要性。
從很早的時候起，每當我在市場上開始一筆交易，我都會把自己用來做決策的標準寫下來，然後，每當我結束一筆交易，我都會回顧一下這些標準的效果怎麼樣。有一天，我想到，如果我把這些標準轉化成公式（現在更時髦的叫法是『算法』），然後用這些公式計算曆史數據，我就能檢測，假如把我的這些公式運用到歷史交易中，效果會怎麼樣。...... 我們利用能夠得到的最久遠的歷史數據（通常超過一個世紀）檢測這些系統，範圍涉及所有有數據記錄的國家，這讓我可以很好地透視經濟市場及其在歷史上是如何運行的，以及如何對其押注。這樣做，讓我得到了教益，並引導我改進我的標準。
他從這些因果關係中得出一些決策規則（或者說原則），並搭建成決策模型。一旦仔細審查完這些關係，達利歐就不斷將現實數據輸入這些系統，計算機系統處理數據並作出決策，「跟我在頭腦中做的一樣。」
當然，這個時期的模型與現在使用的模型相去甚遠。雖然這些早期模型很初級，但達利歐樂此不疲地搭建他們，他們也是確實幫他賺到錢。橋水最初的利率、股票、外匯和黃金系統就是這麼產生的。
把複雜的系統設想爲機器，發現其內部的因果關係，把處理這些因果關係的原則寫下來，將其輸入計算機，從而讓計算機爲我『決策』，所有這些後來都成了標準做法。
接着，達利歐將這些系統合併爲一個系統，用以管理公司的投資組合。這個系統可以對經濟主要症狀進行心電圖解析。當經濟症狀變化時，他們就改變自己的投資組合。不過，他們並不是盲從計算機的建議。
在計算機工作的同時，自己也進行分析，然後對兩者的結果進行對比。當計算機與我們決定不同時，我會檢查原因。大多數時候，是因爲我忽略某些東西。有時候我會思考一個新的、我們系統會忽略的標準，這時，是我在教計算機。我與計算機相互幫助。
三十多年來，他們構建的決策系統已經納入了許多其他類型的規則，用來指導橋水各個方面的交易。如今，當實時數據發佈時，橋水的計算機能夠分析來自 1 億多個數據組的信息，然後以（在達利歐看來）合乎邏輯的方式，向其他計算機發出詳細指令。假設沒有這些系統，橋水可能早就破產，或者被繁重的工作逼迫而亡。
目前，達利歐正在研發類似的系統幫助做出管理決策。
我相信，想要改進你的決策，你能做的最有價值的事情之一是深入思考你的決策原則，同時以文字和計算機算法的形式將這些原則寫下來，在條件允許的情況下進行返回測試，並以實時方式，在用你的頭腦進行決策的同時運用這些原則。
AI 將與人類同舟共濟
早在上世紀七十年代，達利歐初次嘗試計算機化決策時，人工智能這個概念就存在了（達特茅斯會議是 1956 年召開的）。雖然現在情況發生了很多變化，但是人工智能的基本概念不變。
在他看來，用算法表述投資者決策標準，然後利用歷史數據來檢驗，或者用算法表述工作原則，然後用其來幫助管理決策，都不過是智能溫度調節器的更大、更復雜版本，與人類決策相比，這能讓人類更快做出考慮更周全、更少情緒化的決策。
這種技術會對人類所有方面的決策產生深刻影響。人類已經進入人工智能新時代，關於人的信息極爲透明，兩者結合會產生極大的影響。
他相信，用算法表述投資決策的做法會越來越普遍，計算機編碼會變得和寫字一樣重要。計算機在決策方面的作用，遲早會變得和今天收集信息方面的作用一樣大。不久之後，這種計算機決策會常態化，幾乎與人腦決策一樣正常。
或許有人會說，人工智能會與人類智能競爭。但在達利歐看來，彼此同舟共濟的可能性更大，因爲這能帶來最好的結果。
計算機要複製人腦的許多功能，如想象力，綜合分析能力和創造力，要經過很長時間、甚至永無可能。這是因爲人腦天生就存儲着億萬年生物進化培育的各種能力。許多計算機系統依據的是決策『科學』。依然遠不如『技藝』有價值。在最重要的決策方面，人類依然比計算機做得好。你只需要看看最成功的人是什麼樣的人就明白了。軟件開發工程師、數學家和博弈論研究者並不是最成功的。最具有理性、想象力和毅力的人最成功。
而在橋水，他們利用計算機系統，就像司機利用 GPS 一樣，用系統來輔助我們的導航能力，而不是替代它。
世界上最好的決策者是這樣的人：擁有理性、想象力和毅力，知道自己看重什麼、想要什麼，同時也利用計算機、算法和博弈論。
在深刻理解之前，不要過度信賴 AI
達利歐也認爲，在深刻理解人工智能之前，不要過度信賴它。
當人工智能使用者在沒有深刻理解它的情況下就接受機器學習創造的算法所假定的因果關係，甚至根據這些認識來行動時，可能會帶來危險。
爲什麼？達利歐一一給出瞭解釋。
和科技界的通常做法不同，達利歐將當前的計算機輔助決策技術分爲三類：專家系統、模仿和數據開採。
橋水使用的是專家系統，設計者根據自己對一系列因果關係的理性理解將決策標準表述出來，然後觀察不同條件下會出現什麼不同情況。
而模仿和數據開採，在他看來，都存在不同程度的問題。
首先，所謂模仿，根據達利歐的定義，是指計算機也會發現規律並將之用於計算機決策，而不需要理解背後的邏輯。他認爲，當同樣的情況以可靠的方式反覆不斷地發生時，例如在一場規則極爲嚴格的遊戲中，這一做法也許有效。但問題是，現實中事物總是不斷變化，所以，這樣的系統很容易與現實脫節。
其次，數據開採。數據開採是近年來機器學習發展最快的領域，功能強大的計算機可以消化大量數據，從中尋找規律。儘管這種做法很常見。但是，在未來與歷史不同的情況下，這是有風險的。
在機器學習不包含對現實的深刻理解的情況下，以機器學習爲基礎構建的投資系統很危險，因爲當人們廣泛相信並應用某些決策規則時，價格會受到影響。也就是說，其價值會逐漸衰減。
在沒有深刻理解的情況下，你弄不清楚過去發生的情況是否真有價值，即使有價值，你也弄不清楚其價值是否已經消失，甚至走向負面。常見的情況是，一些決策規則變得非常流行，以至於對價格產生很大影響，從而使反向操作成爲更合理的做法。
數據開採技術主要問題之一在於，計算機通常會曲解常識。就達利歐做從事的工作來看，深刻理解必不可少，計算機缺乏常識而對事實進行曲解，是無法被容忍的。
謹記：計算機是沒有常識的。
不過這並不是說，模仿和數據開採技術是沒用的。
事實上，我相信在未來的事物發展範圍與格局與過去相同的情況下，這些系統對決策很有幫助，有了足夠強大的計算能力後，所有可能變量就都可以納入思考。...... 但當未來與過去不同，我們因理解不深而無法識別所有因果關係時，這一做法就是行不通的。
憑藉這一理解，他避免了與其他人一樣犯錯誤的最明顯例子就是，成功預測了 2008 年金融危機。
當時幾乎所有人都以爲未來會和過去一樣，把全部注意力集中於符合邏輯的因果關係，我們將能看到事情的真相。
始終保持頭腦的開放性
在表明自己對這三種系統的看法後，達利歐也談到了專家系統可能存在的侷限性。
鑑於人腦的處理能力和速度有限，要對進化過程中的所有變量形成豐富理解，是一個永遠無法完成的任務。那麼，我們的專家系統採用的那些簡化法和理解法真的是必需的嗎？也許不是。在我們檢驗的數據之外，還會發生其他情況，這樣的風險肯定存在。
他始終遵循着一個貫穿全書的基本原則——保持頭腦的極大開放性，也就這份堅持，向人工智能領域最傑出人才提出了討論邀約：
在我個人看來，與依賴我不瞭解的算法相比，對因果關係形成深刻理解所產生的興奮、安全性和教育價值要有吸引力得多，所以我依然傾向於這種做法。然而，是我的邏輯和理性，還是我較低層次的偏好和習慣在促使我這麼想？我不能確定。我希望就此問題，詢問人工智能領域最傑出的人才（並請他們向我提問）。
最後，在回答人工智能和未來這個老問題時，達利歐也表現出極爲審慎的態度。在他看來，人類智能將帶來極快、極了不起的進步，但也擔心它會導致人類毀滅。
最有可能發生的情況是，人類酷愛競爭的天性將促使我們越來越信任計算機發現的、超出我們理解範圍的因果關係。這種信任有時會帶來成效，有時會適得其反。
人類，正在走向一個既令人興奮又危險的新世界。而他認爲，人類應該是一如既往地相信，準備好應對之道，未來會美好很多。