AI經濟

 2024年10月24日的新 聞報導 中提到全美不動產經紀人協會(NAR)在10月23日公布了2024年9月全美 成屋 ( EXISTING HOME ) 房價中位數為404,500美元、較2023年9月(392,700美元)上漲3.0%，並且連續第15個月的正年增率。這是不動產經紀人協會的統計數據，而美國人口普查局的每月 新屋 ( New Houses ) 中位數售價在9月是426,300美元，年增0.047%，月增3.748%。 對此，我們想知道美國房屋價格趨勢變化，選擇人口普查局所公布的每月新屋中位數售價數據，並進行AI數據分析，獲得從2018年1月到2024年9月數據期間內的精準趨勢線(多條)，其中藍點代表原始值，紅點帶線為估計值。 資料來源：美國FRED 我們觀察藍點特徵是以比較高低方式發現，最高價位發生在2022年10月的460,300美元，此時正是2022年8月到2023年1月的下降趨勢線，也是經歷五條上升趨勢後，開始的第一條下降趨勢線。 從2022年8月開始的第一條下降趨勢線開始起算，往右的下降趨勢線起始年月分別為2023年2月、2023年7月，以及最新(最右邊)的趨勢線是2024年1月開始。 最右邊的趨勢線和藍點之間出現了藍點多落在線的上下附近。對照中位數價位就可了解這是高檔價位的震盪，並且有微幅地下降特徵。因此，如本文章的標題加上趨勢圖的表現可以說，美國新屋中位數價格其實已經高檔回落，但回落幅度很小，甚至有週期性的特徵，也就是年初與年中的價位高低，造成趨勢轉折。

數學AI的底層核心運作模式： 目前的AI主流以機器學習發展出來的演算法為和心，屬於端到端的技術，我們無法知道中間過程發生甚麼事情，即使程式人員與科學人員使用大量的數學模型，或他們稱之為的模型，也無助於我們去「驗證」人工智慧。 如果人類的腦袋可以分為一定比例的感性與一定比例的理性，那麼大型語言模型可能屬於較高的感性比重。當微軟準備推出以文字為主的「指令工程」時，這代表文學院等的科系應該要崛起，走向「工程」路線。 但還有一群人正在努力解決端到端技術的黑盒問題，因為不能驗證代表不符合數學與科學精神。他們重新思考人工智慧該有的底層核心，回到了1950年代迄今都無法解決的數學問題(含機率與統計)，卻深深影響人工智慧發展。 他們提出了：所有的數據都該轉為數學模型結果，即以數學式表現。即使我們普遍認為人工智慧以機率和統計有絕大關係，但更本質與核心的部份應該是回到數學。 而數據驅動為主的大數據與人工智慧，這是從數據挖掘到大數據，再到人工智慧，始終沒有做出來的測定數據規律！無論是數據分析師、大數據分析師、資料科學家、電腦科學家等在延續數據挖掘的方法以來，始終從「數據特徵」下手。 數據規律與數據特徵的差異在於數據規律會產生數學式，而數據特徵可能是數據經過轉換，成為係數指標方式，讓人類認為他們發現了數據特徵。這決定了人工智慧兩派人的發展方向差異。 現在就讓我說明數學AI的底層核心運作模式吧。 1.  非數字轉數字 / 跳過此階段 第一步是針對數據類型進行全面的數字化，即使是文字或圖像或影片都能轉換成數字表示。 為什麼文字、圖像、影片都要轉為數字代號呢？因為文字、圖像、影片都具有排序規律，所以原本文字、圖像、影片都無法使用數字型的分析方法，在轉換為數字代號後，變成數字代號排序。這樣才能進入到數學模型表示。 2. 數字規律找精準數學模型 建立精準的數學模型可以分為兩類，一類是只有一條數學式結果，另一類則是採愈多條數學式結果。 第一類以2021年的台指期精準見模論文最具代表性。 第二類請參加即將釋放的AI數據分析人才認證研習活動內容，了解詳情。 3. 數學模型做模擬 很多的大學理工課程中都有「數值模擬」的內容，不過這類數值模擬通常會用亂數或排序數字生成基數(類似自變數)，然後經過數值模擬的數學式產生圖形。 如果是人工智慧的數據規律數學模型，則真實存在隨機性。所以你不只是在模擬第二點，你...