第53章 新的野心(2/3)

量化将大模型当作主攻赛道，利用语言大模型识别韭菜们的情绪，还通过深度学习的方法，从其他非结构化数据中挖掘出了不少量化交易因子。

    降维打击韭菜的同时，幻方量化无心插柳柳成荫，在预训练阶段仅消耗了2048块gpu，花费550万美元，训练时间不到2个月，便孵化出了deepseek v3，实现了与闭源的chatgpt相媲美的效果，不久后还孵化出了自带思维链的deepseek r1，成本之低可谓是“ai界的拼多多”，而同类产品chatgpt耗费了上百亿美元的投资。

    当时deepseek和chatgpt悬殊的训练成本差距震惊了华尔街，戳破了不少建立在人工智能基础上的金融泡沫，直接导致美股一度出现暴跌。

    对此，裴瑜很不甘心。曾经都是金融同行，凭什么幻方量化做得出deepseek，她就做不出另一个技术路线的系统，实现时间循环的存档自由？

    她现在争分夺秒掏出白纸学习的，正是1986年最新出炉的人工智能关键技术点——“反向传播”技术，也就是链式法则在神经网络训练中的具体应用。

    别看2022年chatgpt才横空出世，早在1986年的现在，世界上就已经掀起了一股人工智能热潮。

    1986年的计算成本几乎仅有 1970年的千分之一，于是 hton、rulhart等人的计算实验证明了反向传播可以在神经网络的隐藏层中产生有用的内部表征。反向传播技术的发展，正是人工智能从“死记硬背”进化到“举一反三”的关键转折点，让人工智能有了自我纠错的能力。

    在此之前，人工智能热潮主要集中在“专家系统”这种规则全靠人工设计、遇到新问题就歇菜的简单技术上，而反向传播技术出现革命性突破、并应用于神经网络后，ai终于能学会识别手写数字、预测股价等复杂任务了。

    王老师看过所有带着字迹的草稿纸，又沉吟着思考了一会儿，最后还是开口问到：“裴瑜同学，你能给老师讲讲纸上的这些思路吗？”

    “当然可以，”裴瑜想了想应该怎么解释，然后开口反问，“王老师，您知道现在国外正掀起一股人工智能热潮吗？”

    王
本章还未完，请点击下一页继续阅读>>>