如何击败 AI 系统——来自波士顿凯尔特人队的经验

周日快乐，欢迎来到《AI 投资》专栏！如果您还记得苹果公司那篇关于推理幻觉的论文，我们在上周的 《推理时间策略》 播客中讨论过——这是我和神经计量合作主持的节目。欢迎收听我们对这篇论文的平衡分析。

今天我想探讨一个与以往略有不同的话题——如何击败 AI 系统。很快它们将无处不在，虽然许多人认为通用人工智能或超级智能（无论最终形态如何）是不可战胜的，但我持不同看法。所有系统都必须在优化目标之间做出权衡取舍，只要理解这些取舍机制，你至少有机会战胜系统。

为迎接这个即将由 AI 主导的世界，我想以波士顿凯尔特人队上赛季的三分投篮为例，探讨如何战胜 AI 系统。如果你不关注 NBA 的话——大约十年前，三分球开始成为比赛中唯一重要的得分手段。数学计算很简单：假设你在两分线内的命中率是 56%，每次出手的期望得分是 1.12 分；而三分球命中率 39%虽然百分比更低，但每次出手能带来 1.17 分的期望值。大多数球队的数据都显示，应该尽可能多地投三分球。下图展示了这种趋势的兴起。

波士顿凯尔特人队践行这一策略并在两年前夺得 NBA 总冠军。但去年尼克斯队在六场系列赛中淘汰了凯尔特人，那轮系列赛里凯尔特人创下了队史最糟糕的三分投篮表现之一。

如果你常听波士顿体育电台节目，许多主持人早就指出单纯比较两分球与三分球的”每次出手得分”分析太过肤浅。必须考量命中率的分布情况。他们认为三分球命中率的单场波动幅度远大于两分球。因此虽然三分球能提升”平均胜率”，但若每场都依赖三分战术，在状态低迷的夜晚会比主打两分战术输得更惨。

这对人工智能有何启示？

AI 模型本质是概率分布。若能掌握底层分布规律，就可能找到击败它的策略。例如在与 AI 教练的篮球策略对弈中，若对方主攻三分战术，你采用强打两分球的策略反而可能取胜。

类似原理也适用于其他领域。我曾在德州扑克策略中提到：正常情况下绝不会用2和6这样的烂牌下注，但若真这么打，偶尔反而会凑成顺子赢下牌局。

战胜通用人工智能（AGI）和超级人工智能（ASI）的关键，在于利用它们本质上对概率计算的依赖，并期待在概率优势转向对你有利的时机出手。

当我向 Claude 索要两个具体案例时，它给出的都是显而易见的例子（或许正是高概率选项？）

国际象棋对战 AI： 尽管象棋引擎能计算数百万种走法来寻找最优解，但它们往往难以应对”堡垒局面”——这种传统评估中看似糟糕的防守阵型实际上几乎无法攻破。人类棋手可能故意制造这些在 AI 评估函数中得分极低、看似丑陋的紧缩局面，实则需要极其精确的走法才能破解。由于 AI 训练数据来自数百万局”常规”对弈，它很可能会低估这些反常规的堡垒防御价值。

金融交易：AI 交易算法通常追求稳定收益，回避高波动、低概率的押注。而人类交易员可能故意持有深度虚值期权或流动性差的市场头寸——这些正是 AI 系统因风险调整后收益不佳而规避的领域。当罕见的”黑天鹅”事件发生时（比如疫情导致的市场崩盘或网红股暴涨），这些统计意义上极差的头寸反而可能带来巨额回报，正是因为 AI 系统没有为如此低概率的结果布局。

当然，未来某天 AI 可能也会学会这点并做出应对。或许模型会变得更符号化而非统计化。但无论如何，我始终相信只要理解系统运作原理，就总能找到利用方法，因为系统设计者不得不做出权衡取舍。越早以这种方式思考世界，在这个多数人用 AI 处理多数事务的时代，你就越能占据优势。

感谢阅读。