来自蒙特卡洛的 AI 代理的随机课程

快速阅读: 据《福布斯》称，摩纳哥的蒙特卡洛赌场启发了一种名为蒙特卡洛模拟的方法，用于在不确定环境下预测结果。这种方法通过重复运行算法来模拟多种可能性，广泛应用于金融、工程等领域。Signaloid公司开发了一种计算加速器，能大幅提升计算速度，使金融机构能在数秒内完成原本需数小时的任务。这标志着在AI模型中融入概率逻辑的新进展，有助于提高投资组合和风险分析的精度。

摩纳哥公国的日出景象盖蒂图片社人工智能（AI）注重逻辑，但并非所有逻辑都简单明了。构建人工智能模型需要基于定义和决定模型本身的要素来严格处理算法逻辑。但在这句话中有一个非常重要的词——确定性。随着我们将各种形式的AI（生成、预测、反应等）扩展到包含具有自主能力在非确定性环境中执行的AI代理的概念时，我们需要拥抱一种新的管理随机性的程度。计算机科学中故意使用随机数并不是什么新鲜事。甚至是在半个多世纪前使用的最基本的（我们指的是BASIC）编程语言也会包含生成随机数的算法，用于游戏、密码学以及需要随机性的编程元素。

尽管有许多现代技术用于生成随机数和随机变量，但代理AI领域现在或许正处在探索蒙特卡洛方法的最佳时机。什么是蒙特卡洛模拟？蒙特卡洛实验是一种方法，用于在原本确定性的模型中引入随机性，其中不同结果的概率难以测量，除非注入一定剂量的风险和不确定性。正如Will Kenton在Investopedia上解释的那样，“蒙特卡洛模拟可以应用于许多领域中的问题，包括投资、商业、物理和工程。它也被称为多概率模拟。”这个名字也许不出所料地来自摩纳哥的一个城市，以其赌场和赌博而闻名。

什么是蒙特卡洛模拟？最大的金融机构使用蒙特卡洛方法作为支撑养老金、投资组合和其他金融资产任务的模型的一部分。蒙特卡洛方法对于许多商业活动至关重要，从银行的金融风险建模到航空航天应用中先进材料的行为预测。那么，一个用例会如何展开，并且它对我们今天在技术平台上使用随机化有什么启示？

股市波动

让我们想象一下，我们想预测一年后某只股票的价格。我们可以尝试预测由于随机的世界原因和因素（如每日新闻周期、市场恐慌、贸易战、下一次大流行等）导致的股票价格每天的变化。联邦调查局警告：现在立即备份——防范危险的勒索软件攻击；五角大楼裁员公告：国防部宣布数千人将被裁撤——下周启动重大诉讼针对特朗普和马斯克：法官暂时叫停特朗普的DEI合同禁令。

“我们可以重复这一过程，将给定日期的价格变动作为下一个交易日的起始价格；这样，我们就可以根据每日价格变化的序列获得股票价格路径。如果我们重复这个过程一百万次，每次路径为五天，最终我们会得到一百万种可能的股票在未来五天后的价格，每个价格代表市场可能采取的不同路径。这一百万种可能的最终股票价格描绘了未来价格可能是什么样的图景。这个过程是蒙特卡洛模拟的一个例子，它是建模具有偶然性的现象的一种无价的方法。”

Signaloid的创始人兼首席执行官菲利普·斯坦利-马贝尔解释道。蒙特卡洛方法涉及反复运行算法，输入略有不同，直到运行模拟更多的重复次数对整体模型不再产生影响；这个点通常称为收敛点，可能需要数百万次迭代才能达到。对于从微处理器芯片设计到金融再到航空航天等领域中最复杂的模型来说，达到收敛可能需要数小时或数天的时间，消耗大量的计算和能源资源。

组织加快蒙特卡洛模拟的主要方式是加倍投入资源，使用多个处理器核心或图形处理单元（GPU）。斯坦利-马贝尔表示，有一种方法可以在不依赖于不断增加处理器和图形处理单元核心数量的情况下实现与收敛蒙特卡洛相同的结果。他的公司提供硬件和基于云的计算设施，旨在加速目前使用蒙特卡洛方法的工作负载。他说，处理器和GPU对数字（例如“7”或“0.0094”）进行计算，但如果处理器和GPU能够直接对概率分布进行计算（想象概率分布是一个用直方图表示的值，可能有多个峰值、长尾等），它们就能在不牺牲质量和正确性的情况下，数学上绕过与蒙特卡洛方法相关的重复和繁琐步骤，从而避免必须迭代直到达到收敛的需求。

更快地向未来收敛

现代计算解决方案表明，组织不需要完全依赖蒙特卡洛模拟来通过收敛实现预期结果。据说Signaloid的计算加速器允许组织通过一次性执行实现相同的结果，从而更快地得出结论，而不必面临确定模型是否已达到收敛的挑战。“归根结底，这种方法涉及一种范式转变，在这种转变中，不是重新运行多次模拟以达到收敛，而是同时计算所有可能路径，每次都得到一个结果。对于许多工作负载，利用确定性解决方案可以提供高达1000倍的速度提升，将计算时间从数小时缩短至数秒，使金融机构能够实时实施以前需要作为夜间批处理作业运行的重要业务操作。”斯坦利-马贝尔详细说明。

他建议，这些“显著加速”是通过三个关键发展实现的。首先是重新思考如何完成计算。除了像传统处理器或GPU那样对数字（如“7”或“0.0094”）进行计算外，Signaloid的加速器还直接对概率分布进行计算。第二和第三个关键创新是一套专利申请中的高效数字表示法，据称当应用于越来越大的工作负载时，这些表示法在硬件需求上的扩展效率比蒙特卡洛方法更高，以及一套高效的计算例程，用于对这些数字表示进行计算。

一次执行到位

简单地说，现状是运行蒙特卡洛模拟直到情况稳定或达到收敛。转向一次执行的方法允许对冲基金和投资银行等机构在其现有使用蒙特卡洛方法的关键业务工作中加入更高精度或更复杂模型，使他们能够建立更好的投资组合模型、更好的风险分析、更好的利率模型，并最终生成更好的回报。斯坦利-马贝尔说。

随着算法功能的世界和代理AI的崛起在AI模型中讨论得越来越多，了解蒙特卡洛方法如何融入概率逻辑可能是有用的。即使像这里展示的加速器技术意味着我们最终不会使用蒙特卡洛方法，知道这种方法或实践的存在，可能帮助我们避免陷入困境。

(以上内容均由Ai生成)