未来，人工智能将对人类所有方面的决策产生深刻影响，尤其是在人类已经进入的这个新时代，关于人的信息极为透明，这二者结合会产生极大的影响。现在，不管你喜欢与否，任何人都可以轻易获取你的数据信息，对你进行深入了解，而且这些数据可以被输入计算机，来推断从你会买什么商品到你的价值取向。尽管这让许多人觉得恐慌，但30多年来在桥水，我们一直在把极度透明和算法决策结合起来，并发现这样做成效非凡。事实上我相信，不久之后，这种计算机化决策将变得常态化，几乎和人脑决策一样正常。
人工智能不是一个新概念。早在20世纪70年代，当我初次尝试计算机化决策时，这个概念就已经存在了将近20年（“人工智能”一词首次出现于1956年达特茅斯学院的一场会议）。尽管从那时到现在很多情况发生了变化，但人工智能的基本概念始终不变。
举一个极简单的计算机化决策的例子。假设你在住房供暖方面有两项原则：当温度降到20℃以下时开暖气，午夜到凌晨5点之间关暖气。你可以用一个简单的决策公式来表达这两项原则之间的关系：如果温度低于20℃，时间不在午夜到凌晨5点之间，就开暖气。在搜集很多这样的公式后，你就可以创建一套决策体系，这套体系能够处理数据，权衡和应用各种相关标准，并提出决策建议。
用算法表述投资决策标准，然后用历史数据来检验，或者用算法表述工作原则，然后用其来帮助管理决策，都不过是智能温度调节器的更大、更复杂的版本。与人脑决策相比，这能让我们更快地做出考虑更周全、更少情绪化的决策。
我相信这种做法会变得越来越普遍，计算机编码会变得和写字一样重要。计算机在帮助决策方面的作用，迟早会变得像它们今天在收集信息方面的作用一样大。当计算机帮助我们决策的时候，它们将了解到我们的情况，包括我们的价值观、长处和短处。它们将能自动地找到在特定领域比我们更强的人的帮助，从而能给我们提供合适的建议。不久之后，我们的计算机就能和其他人的计算机对话，并以上述方式合作。事实上这已经在发生了。
设想这样一个世界：你能利用科技接入一个系统，可以在系统里输入你正在处理的问题，并向全世界这方面最受好评的思考者请教解决办法，以及背后的理由。这一点将很快得以实现。不久后，在几乎所有你面临的问题上，你都能利用全世界最高质量的思考，并得到能权衡不同观点的计算机化系统的指导。例如，你将可以询问，基于自己的情况，你应当选择什么样的生活方式或职业生涯，或者基于其他人的情况，你应当如何与他们沟通。这些创新将把人从自己的头脑中解放出来，释放出一种无比强大的集体思维模式。桥水正在这么做，并发现这种思维模式比传统思维方式好得多。
听到这样的观点，人们经常会说，人工智能将和人类智能竞争，但在我看来，人类智能和人工智能同舟共济的可能性更大，因为这能带来最好的结果。计算机要复制人脑的许多功能，如想象力、综合分析能力和创造力，要经过很长时间，甚至永无可能。这是因为人脑天生就储存着亿万年生物进化培育的各种能力。许多计算机系统依据的决策的“科学”依然远不如决策的“艺术”有价值。在最重要的决策方面，人类依然比计算机做得好。你只需看看最成功的人是什么样的人就明白了。软件开发工程师、数学家和博弈论研究者并未捧走所有的人生大奖，最具常识、想象力和毅力的人才是最成功的。
计算机模型需要被输入合理信息，信息需要解读，而只有人类智能可以开展这种解读。例如，计算机无法告诉你，与亲人共处时间和工作时间的相对价值如何，如何达成最优的时间分配组合，使两种活动的边际效用都达到最大。只有你知道你最看重什么，你愿意与谁共度人生，你想要什么样的环境，只有你能最终做出最好的决定，尽最大可能实现这一切。而且，我们的很多思考来自自己无法理解的潜意识，所以把人类思考彻底模型化是不可能的，就像从未抽象思考过的动物不可能定义和复制抽象思考一样。
但在很多方面，人脑也无法与计算机竞争。计算机的“毅力”比任何人都强得多，因为它能全天不间断地工作。计算机能处理海量信息，而且速度飞快，其可靠性和客观性是人类永远无法比拟的。计算机能让你注意到无数你从未想过的可能性。也许最重要的是，计算机对群体偏见和从众思维免疫。计算机不会顾虑自己的结论会不会受人欢迎，而且从来不惊慌失措。在“9·11”事件那段可怕的日子里，当整个美国深陷伤痛时，从2008年9月19日到10月10日，当道琼斯指数下跌3600点时，我常常想拥抱我那些风雨不惊的计算机。
这种人和机器的结合很美妙。人脑与科技合作的进程促使人类进步，正是凭着这么做，人类从茹毛饮血走向了信息时代。所以世界上最好的决策者是这样的人：拥有常识、想象力和毅力，知道自己看重什么、想要什么，同时也利用计算机、算法和博弈论。我们在桥水利用计算机系统，就像司机利用GPS一样，是用系统来辅助我们的导航能力，而不是替代它。
相反，数据开采是近年来机器学习发展最快的领域，是指功能强大的计算机消化大量数据，从中寻找规律。尽管这种做法很常见，但在未来与历史不同的情况下，这是有风险的。在缺乏对现实的深刻理解的情况下，以机器学习为基础构建的投资系统很危险，因为当人们广泛相信某些决策规则时，就会应用它们，从而价格就会受到影响。换言之，一个深刻见解在众所周知之后，其价值会逐渐衰减。在没有深刻理解的情况下，你弄不清楚过去发生的情况是否真有价值，即使有价值，你也弄不清楚其价值是否已经消失（或更糟）。常见的情况是，一些决策规则变得非常流行，以至对价格产生很大影响，从而使反向操作成为更合理的做法。
谨记，计算机是没有常识的。例如，计算机很容易曲解事实，看到人早上睡醒后吃早饭，就认为睡醒导致人饥饿。与其下很多我拿不准的押注，还不如下较少的我拿得准的押注（最好是互不相关的押注），同时，无法说明决策背后的逻辑对我而言是无法容忍的。很多人因为发现机器学习比形成深刻理解容易得多，就盲目信任机器学习。但在我看来，深刻理解必不可少，尤其是对我做的事情而言。
我的意思不是模仿系统、数据开采系统没有用。事实上我相信，在未来的事物发展范围和格局与过去相同的情况下，这些系统对决策很有帮助。有了足够强大的计算能力后，所有可能变量就都可以纳入考虑。例如，通过分析不同形势下国际象棋好手弈棋的数据，通过分析不同手术期间杰出外科医生的手术流程，人们可以创造出很有价值的下棋程序或手术程序。早在1997年，计算机程序“深蓝”就用这种方式击败了全球排名最高的国际象棋棋手加里·卡斯帕罗夫。但当未来与过去不同、我们因理解不深而无法识别所有因果关系时，这一做法是行不通的。凭着理解这些因果关系，让我免于在他人犯错时犯错，最明显的例子是2008年的金融危机，当时几乎所有人都以为未来会和过去一样。把全部注意力集中于符合逻辑的因果关系让我们看清了事情的真相。
想想看，人脑其实就是以某种方式编程的计算机，处理数据，发出指令。我们可以编排人脑的逻辑和作为工具的计算机的逻辑，让它们彼此合作，甚至相互检验。这是一种美妙的做法。
例如，假设我们要归纳出能解释物种进化的普适规律。理论上，只要我们有足够的处理能力和时间，这就是可能的。当然，我们需要把计算机得出的公式弄明白，以确保这不是一堆从数据中提取的大杂烩，即不同因素只有相关性，没有因果性联系。我们可以不断简化这些规则，直到实现毫无疑问的精确度。
当然，鉴于人脑的处理能力和速度有限，要对进化过程中的所有变量形成丰富的理解，是一个永远无法完成的任务。那么，我们的专家系统采用的那些简化法和理解法真的是必需的吗？也许不是。在我们检验的数据之外还会发生其他情况，这样的风险肯定是存在的。尽管如此，我们仍然可以说，与某种看起来成立但机理不清晰的公式相比，我们把以数据开采为基础的公式视为解释物种进化的普适规律，并依赖这些公式预测未来10年、20年、50年的变化，是风险相对较低的做法（至少可能有助于科学家治疗基因疾病）。
