現在這個時代， AI 這個議題很夯。但是，我個人雖然是資訊工程師，但是我並不太相信現在 AI 科學的水平。甚至認為覺得很多市面上 AI 所號稱的成就是吹噓。
怎麼說呢？現在絕大多數領域所稱的 AI，我認為只能稱上大數據。透過足夠夠大的歷史數據，觀察到數據一定的 pattern，從而進一步窮舉未來的發展，進而對做出相對勝率高的決策。
以前我們所知的下棋機器人，多是類似的設計機制。輸入大量棋譜，找到模式。或者是自我對下個幾千萬局，找到新解法。
理論上，我們希望AI 的終極完成品。發展出與人類相當，對任何環境變化皆能靈巧應變的通用人工智能 （Artificial General Intelligence，AGI），而不再侷限於特定的應用範圍。
這點，未來機器能做到嗎？我不敢打包票。
不過，我認為也無需慌張。因為現今的人類與 AI 都有同樣的致命侷限上的問題。我的觀點主要有二：
一、人類自我學習演化的演算法是 match 過去記憶，參考其他人答案，上網搜索，找到類似模式的答案。當今的 AI 也是類似如此，大量輸入過去資料，然後預測未來。
而因為機器的算力與資料庫遠遠大上人類。所以人類懼怕 AI 真能取代自己的崗位。
但是，我在書的前半章，已經解釋這個資料庫競賽的問題。資料酷競賽很有可能只會找到死胡同。真正解法根本不在同一個維度裡面。而是一個全新的解法。
二、資料庫搜尋法還有一個真正最致命的問題，就是原始資料分類錯誤。
我朋友知道我在研究價值投資，精通拆解財報。也投資了一個財報分析網站。一直很希望我給網站加個功能，希望我去研究當今技術分析相關的技術。並且還給我推薦了一本用數學破解股市的書，給我參考。
我看了卻很不高興。認為這本書是胡扯。當然，如果你有研究股市，就會覺得我發這個飆莫名其妙，股市分析有分兩派學說，一派分析財報經營數據推測股價（稱財報數據），一派分析股市股價漲跌數據推測股價（稱技術分析）。
江湖覺得這兩派各有優勝劣弊。我卻完全不這麼認為，甚至在我認真研究過後，我甚至覺得技術分析派很大部分的一幫人，是在胡扯。
為什麼我是念數學的，還覺得技術分析派用過去股價數據分析找出股價趨勢是胡扯呢？
這要扯到股價是怎麼計算出來的。因為這本書不是股票書，我在書中盡量不用高深字眼，以免讀者陷入五里霧，我會嘗試用國中數學解釋這個理論。
在財務理論裡面，有一個大家公認的股價推算法，叫做 DCF（現金流折算法）。具體公式我們這裡不展示，你只要理解這 F(x) = y。x 可能基於過去的營收、利潤、現金流，透過一些微積分公式，最後會產稱出 y 的股價。
假設所有公司都是用 F(x) 去估價，那理論上我們當然可以收集一大堆公司的 y 去跑大數據與統計，去逆推算 F(x) 的公式，然後再針對現在的營收、利潤，看看 y 是否顯然被低估。
但是，市面上所有的公司，並不是只有 F(x) = y 型。
更有
- G(A) = W
- H(B) = M
- J( Q) = R
- K( R) = S
- ....
（以上的英文代號是我隨便謅的，只是讓各位讀者知道「每種」不同公司有不同類型，並不是同一個公式）
但是，如果我們把所有公司歷史上的股價，都倒入 F(x) = y 的模型，去跑 AI 去逆推股價，那這不就是張飛打岳飛的好笑局面。
所以我認為現在號稱 AI 算牌的，最好笑就是這樣的設計。因為幾千間公司怎麼可能都是用一個 F(X) = y 可以解釋。
如果我們要預測數據。起碼要分群才對。
比如說我們至少得將
- G(A) = W
- H(B) = M
- J( Q) = R
- K( R) = S
- ....
不同類型的公司，先分群然後再去看他們的特徵才對。
而且，當今現在不論是財報分析派又或者是技術分析派，對於公司的分類一開始就分錯。比如說一個經典的錯誤，就是拿台積電與鴻海分在同一類，因為他們看起來「都是電子類」。
實際上台積電是 F(X) = Y，而鴻海是 G(Y) = Z。鴻海在財務結構上，其實跟 COSTO 這間公司更像才是。
而跑數據分析最致命的問題是。
如果一開始數據不分類，或分錯類。就會是 Garbage in Garbage Out，用 AI 再算一百年都算不出來。
每種股票，背後其實都代表的是一間公司。其實股價的方程式遠不止
- G(A) = W
- H(B) = M
- J( Q) = R
- K( R) = S
- ....
更精確的拆分下去。公司大體上還分成三種類型：
- 利潤型
- 周轉型
- 槓桿型
利潤型的公司，主要人拼技術競爭力，賺智商稅，而智商稅就顯示在高毛利上，有一定的技術領先力，才能賺取超級高的利潤。
周轉型的公司，如 COSTCO、Amazon，就是跟人拼渠道與資金談判、周轉力。這一類的公司淨利薄，但是可以一年做很多趟生意。鴻海為什麼跟 COSTCO 更像，因為鴻海本身做的是蘋果的統包整合組裝廠商生意，鴻海本質的生意模型是跟各上游廠商進貨，組裝成手機出貨買給蘋果。所以本質是批發商的生意。
然而 Amazon 為什麼可以節節增長，鴻海卻不行這幾年節節敗退呢？這是因為 Amazon 賣的是雜貨，面對的是廣大消費者。而鴻海的出貨對象卻只有蘋果而已，當蘋果出貨衰退，鴻海的業績就自然也跟著衰退了。
而槓桿型公司，代表如地產公司、航空業公司。這一類公司的具體特徵，就是資本大、重資產。利潤則可能大可能小。但是相同特徵都是需要拼資產抵押借貸、拼銀行交情，開槓桿玩超大資本遊戲擠利潤。
而這類型的公司，就是受景氣影響很大。當景氣好時，能賺很多錢。當景氣低迷時，賠破褲杈都很有可能。比如說 COVID-19。就幾乎搞死航空業。因為這類型行業，槓桿都開得太大了。
當你打開這三類型的公司的 ROE 的結構組成（ ROE = 淨利率x周轉率x槓桿倍數）。就會發現這三類型的數據起伏形狀，是差別很大的。
因為利潤組成非常不一樣。為什麼又可以拿 F(x) = y 去逆推算呢？
再來。這三種是有存貨類型的公司。
接下來我們要談的是兩類特殊公司。前者是網路業，沒有存貨，幾乎大部分的支出都是營業費用。後者是銀行、保險、金融特殊產業，這類公司的存貨就是現金。
前者沒有存貨，所以只能看收款天數與毛利率去推估競爭力。後者的公司，因為法規的關係，大多數利潤有法令上限，利潤多半跟規模有關係。
這兩類公司的行為與前面三種又是不一樣的。
再來，還有公司的戰法，不是用利潤擴張的，而是用現金流擴張的，如 Amazon。Amazon 的戰法並不是盡量賺取利潤，而是盡量投資到能夠快收客戶現金，慢付給供應商的新生意模型裡面，利用中間付款的時間差與現金，擴大生意規模的玩法。
我可以再繼續講下去。不過這裡花了這麼多篇幅去敘述，只是為了讓讀者知道，股價與利潤產生模式可以很不一樣，我在這裡舉例的，甚至是很粗的分類。
更不用說股市裡面，還有一堆垃圾公司。而且大公司中公司小公司（比如說千億、百億、十億三種不同規模）的成長曲線為很不一樣。所以怎麼可以用同一種模型去推算。
聽到這裡你可能會覺得好像超複雜。
但其實也沒有那麼複雜。
其實，在實務上，某些經營一定年限、並且一定規模的某些類型的公司，股價函數真的是可以逆向預測的。而且可以測到非常準。
只是這些公司的名字，一般投機者都會覺得無法在幾天內致富，不想投資而已。
在我研究財報時，我發現因為股市牽涉到大量的數據資料，而且這個領域的人，在過去沒有太強的計算機，而且切入角度錯誤，連正確的分類都做不到。所以反而這個領域大部分的資料，都長期處於張飛打岳飛的狀態。如果在這個領域裡面死瞌，簡直是死胡同一條。
反而是跳脫財報書籍，重新對資料分類，反而能看出很多有意思的產業趨勢以及在數學上「證明常識」。（比如說我在用大數據研究相同類型公司股價時，反而發現利潤與存貨天數、收現天數有非常大的正相關。但在財報書上，這兩個數據卻常被人忽視，甚至覺得不重要。大家反而覺得毛利率、淨利率比較重要。但試問如果貨賣不出去，錢收不回來。貨賣不出去，於是把貨賣成三倍價錢。賣一個頂以前三個。那麼毛利率其實是不變的。淨利率甚至也可不變的。在財報上看不出來，但是生意卻是變爛了。這就解釋你明明開始覺得某些公司的產品變爛沒人買了，但是財報上數據依舊亮麗。）
我在 Bilibili 上非常喜歡一個經濟學家。陳平老師。他本身是物理學家背景出身的經濟學家。
陳平老師的特點，在於近年來預言中美關係以及外交、經濟進展，屢講屢中。其實以一般觀點來說，他的影片非常政治不正確，經常在Youtube 上得到紅叉（限流）。但是屢講屢中的背後，卻往往紮實的理論。
最近幾個月的更新，他提了一個很有意思的問題：「科學與資本主義為什麼誕生於西歐而非中國？」這個問題，俗稱李約瑟問題。
一直以來。學界對這個問題非常疑惑。照理來說，中國是五千年的古國，人口數量又多於歐美國家數倍，人才倍出。加上語言文字又統一，國力相對強大。為何偏偏在明清時代停滯、科技落後，反而敗給了歐美諸國。直至最近，才勉強趕上。
坊間很多有很多理論，卻都無法好好解釋這個問題。
為什麼歐美重科技與資本發展，還有專業分工。然而中國卻多年以來，重點在於自給自足。
他從戰爭型態找到了答案。
歐美與中國的戰爭型態自古以來是非常不同的。歐美的戰爭，規模更是比中國小了許多。
其中最值得一提的是，如果你近距離觀看，你會發現兩者本質戰爭型態的不同。中國的戰爭本身是圍繞著亞洲大陸的佔地。歐美多數的戰爭是圍繞著佔交通要道。
古代戰略有「兵馬未到，糧草先行」。為什麼？因為中國實在太大了，人也太多了。所以戰爭本身打的是補給線戰爭。甚至有屯田策略，派兵過去，無戰時耕田，戰爭時是士兵。中國圍繞著是佔地。本身是農業民族VS 游牧民族的內戰。
但歐美因為人少，不是玩佔地的戰爭。所以它們主要是控制交通樞紐，打下來做生意。因為人少，要以少擊多，拼的就是科技，拼的就是資本操作。
所以歐美國家要維持自己國家的優勢，必定是提高自己國家的科技水平，進行槓桿操作。而中國因為本身地夠大，資源也多，但幾千年以來，目光鎖在內部的資源攻防消長，而完全無視拓展廣闊的海外資源。
當這樣一分類後。你會發現，其實就國家發展與戰略方向，歐美與中國是非常不同的。
當然，你會覺得廢話，「不同」是當然的。但是「有那麼當然嗎？」
很多時候，我們會認為「民主」會帶來「富足」。但是這句話是真的嗎？我們看看「南非」的例子，菲律賓的例子，好像不是這樣。我們再看看新加坡的例子，又發現又再反了一次，說不太通。其實，就連美國本身的強大也不是民主所帶來的。而是美國的戰略位置與國家資源太好，加上誕生在一個特殊的時代，才有現在的局面。
但是我們卻會因為美國當今的強大，以為「民主」等於「強大」等於「富足」等於「現代化」。
但美國是因為地太大，玩不來，所以才搞的民主。中國是因為人太多，如果搞民主太容易因為一個動亂，搞到滅國大爆炸，才搞的專制。每種國家，因為地形與交通，都有自己適合的政治制度。並不是大家都適合同一政體政治制度。這次 COVID-19，就讓我們看到極端狀況下，不同政體與政府，控制疫情調度的手段與結果。
人世間有很多問題，為什麼看似無解。而是我們人在思考問題時，有個很嚴重的缺陷盲點，叫「一元思維」。指的是人類盲目認為總有一個強大原則與公式，能貫穿所有不同個體，解釋所有事情。
所以多半的戰略目標，就是窮一切資源，逆推出一個終極公式，追求領域最強者的攻略。帶入各種情況，就能得到最終想要的結果。
但事實上這個理論是不存在的。不但不存在，可能還會把你繞進死胡同裡。
比如說計算機現在還有一個聖杯，是研究寫作機器人。但是寫作機器人根本寫不出能用的散文、小說、廣告詞、等等等等。
我最新的研究成果是極速寫作法。一天寫完一本書。在研究這個議題過程與發明全新的寫作流程中。我得出一個是全新但也是廢話的結論。就是寫作雖然可以有模版，有結構。但是不同的文體，其實寫作流程、模版，甚至與分類切入結構是非常不一樣的。
而當今的寫作機器人卻很笨的把一堆張飛岳飛的文都倒在一起，難怪最後的寫作機器人文章寫出來的文章是那個熊樣。
所以，當今的壞消息雖然是 AI 的算力遠超過人類。但是，好消息卻是當今的 AI 算法與人類算法，都有致命性的分類盲點。
而你只要知道，在解決千古難題時，試著先把你遇到的問題或局面，分類一遍。搞不好你就可以更快找到關鍵的切入點。