海馬迴小筆記

現在 AI 的模型愈大愈龐大, 如果每次都要重新 training, 勢必要花費大量的資源, 顯得不太合理. 馬斯克甚至以危害人類安全為由, 呼籲別人要等他半年 [1] . 至於我們的人腦是怎麼樣不斷地增添新的能力, 而不用重新洗腦呢? 關鍵就在海馬迴 (hippocampus).

根據 [2] 這本書, (對, 我還沒看完, 剩很多). 人類的知識經過感官的輸入之後, 會經過前額葉皮質 (prefrontal cortex) [4] 整理, 以及海馬迴的編碼, 經過樹突 (dendrites) 固化, 產生大腦皮質(cerebrail cortex) 中的記憶. 其中,最像類神經網路 (Neural Network/NN) 的部分就是樹突的分支, 一個神經元可以長出一萬五千個分支 (arborizing) . 分支上的強度對應到 NN 的權重. 樹突固化後就成為長期記憶. (本書說大腦有 680 億個神經元, 別的文章也有說一千億的.)

本圖取材自 [5] – 格瑞絲心理諮商所

當一個人得了失智症, 大腦的某些區域會萎縮, 會被 “石化" 的類澱粉蛋白阻塞或者神經纖維纏結. 即使有人說那篇論文作假 [3], 但是這個理論還是被廣泛接受. 短期失憶症的狀況不同, 他們的技能並沒有失去, 但是左側海馬迴無法進行編碼, 因此也就無法活化相關樹突, 並取出有用的資訊. 感官的功能雖然還在, 前額葉皮質也把資訊提供了, 但沒有海馬迴, 相關神經元只能活化一兩秒鐘. 只要場景發生變化 (例如走出房門), 剛剛活化的神經元就都失效了.

附帶一提左側海馬迴也跟憂鬱症有關. 換憂鬱症的人, 左側海馬迴會愈來愈萎縮. 至於右側海馬迴, 跟位置的記憶有關. 計程車司機的右側海馬迴會變得更發達. 左右兩側的海馬迴在分工上雖然有些差異, 但是他們共享一個前額葉皮質, 共享我們的感官, 運作的原理也相同吧! 主要就是這個編碼. 有一位因為嚴重癲癇而被切除左右兩側海馬迴的 HM 先生, 他的記憶只能回溯到手術的三年前. 因此三年被認為是海馬迴固化 (consolidation) 長期記憶所需的時間.

既然海馬迴搞定一段記憶要這麼久, 那麼它對 AI 還會有甚麼啟示嗎? 根據 “記憶" [2] 這本書第一章說的: “白天皮質電擊海馬迴的流程, 睡眠時間海馬迴電擊皮質." 這跟前人想出的 back propogation 可說有異曲同工之妙. 人類在白天編資料進去, 用晚上睡覺的時間把相關資料提取出來做固化. 至於 AI 的資料訓練則是以 batch 來做, 一個 batch 相當於人類的一天, 一個 epoch 相當於一筆主題.

當然訓練電腦和人腦不一樣的地方很多. 人類一天有 16 個小時在蒐集不同的感官資料, 但訓練電腦一次使用大量同類的資料, 並針對一個目的來訓練. 相形之下, 人類對每個學習目標的訓練樣本如此之少 (例如沒見過的單字只默念兩遍, 陌生的臉孔擦肩而過), 所以它必須東拉西扯去找相關的形音義, 人事時地物來綁定這個記憶才記得起來. 這也就是本書中所謂的自傳性記憶 (biographical memory).

關於做夢, 也就是快速眼動期 (REM = rapid eye movement). 書上的解釋是在對大腦皮質寫入資料時, 活化了一些大腦皮質的細胞. 大概類似 RAM 的 word select, 也就順便喚醒一些相關的記憶. 白天前額葉皮質暫存的感官刺激, 睡眠時和海馬迴產生交互作用, 微調著各種參數和新增分岔. 當寫資料的動作太活躍 (要改寫的參數太大?), 某些浮光掠影就會進入我們的夢中, 就是所謂的 “日有所思、夜有所夢". 等到進入熟睡狀態, 反而是不會做夢的. 那時候應該在專心地冷卻吧!? 哈!

[REF]

  1. 別再訓練AI!馬斯克等大咖籲業界停止研究人工智慧系統
  2. 記憶:我們如何形成記憶,記憶又如何塑造我們?精神病學家探索解析大腦記憶之謎
  3. https://health.udn.com/health/story/7392/6566467
  4. 前額葉皮質
  5. https://www.gracecc.com.tw/counseling/15/37/107/

[附錄]

朋友 Shao po 的失憶經驗 (請 ChatGPT 翻譯成中文)

繼續閱讀「海馬迴小筆記」

2023 Q1 投資回顧

時間過得很快, 雖然大家還是戴著口罩, 疫情幾乎算是過去了. 2022 年年底, 雖然交不出漂亮的投資成績單, 不過還是慢慢把歷史新高的水準往上拉升了. 今天是愚人節, 表示美股的Q1 的結束, 我也再次創下資產的歷史新高, 所以值得再回顧一下這一季做了哪些對的或是錯誤的決定.

首先講錯誤的部分. 去年美國升息, 我預料到美國公債 ETF 會下跌, 所以稍微關注了一下幾隻債券 ETF. 後來看到優先股 ETF 其實也會下跌. 所以買進過 VGLT 和 PFF. VGLT 很快就發現不對賣掉了, 但 PFF 還留著一些.

我們知道美國矽谷銀行 (SVB) 幾乎是破產了, 它的破產就是買了美國長期公債. 由於美國聯準會一再升息, 這些債券的價格也就一路崩跌-在固定配息的前題下, 跌價才能維持和新債券一樣的殖利率. 直接造成矽谷銀行的帳面損失, 才導致後面的連環爆.

照理說長債 ETF 如果迅速買進新公債, 那麼它也可以逐步換血成買手 5% 的美國政府公債, 這樣 ETF 的股價一定也會水漲船高. 不過這些 ETF 並不是滿手現金, 而是幾乎滿倉都是債券. 我想要等到前面的債券到期, 或是低價處份掉, 才會有錢來買更優質的公債. 當體質還不及調好就連續被重拳打擊, 那只能被壓著打.

優先股 ETF 的狀況可能更不妙, 假設有很多家公司缺錢想發行殖利率 8% (至少要比升息前的 5~6% 高才夠看吧!) 的優先股, 那麼優先股 ETF 才能逐步換血到新的標的. 但一家公司缺錢缺到要借 8%, 那一定也是挺不妙的. 所以說可能比公債 ETF 更慘. 只不過優先股 ETF 的標的物本來就有 5% 以上的利率, 利差雖然沒了, 配息還不錯. 我留著一部份沒賣, 就當作臨時停泊資金.

這一季做得好的部分, 除了堅持 buy and hold 大原則之外, 算是沒有. (買了又賣的只有 103 股 VGLT.)

季底春假前, 工作上的事情真的很多. 特色是品項繁雜, 顧此失彼. 所幸季底關帳之時, 發現 3/22 竟然有 1475.T (全日本 ETF) 的配息入賬. 因為很少人買日本市場, 這方面訊息很少, 我還以為它不會配息呢! 我覺得去年這個投資滿正確的, 日幣從 0.2159 升到 0.2259, 股價從 1965 升到 2071. 如果知道它會配息, 我會有勇氣買更多. 2 月的配息是 21 日圓 [1], 9 月的配息是 28 日圓, 但是要晚一兩個月才會入帳.

然後我生日到月底的每一天, XLE, SHEL,NOBL,VIG 陸續配息. 本來要發表一篇生日感言都沒時間, 也就沒注意到這些意外之財比普發 6,000 元還早到. Firstrade 的 DRIP 又自動用配息幫我買了新股票. 東加西加, 終於破了 2/15 的前波高點.

我的 benchmark 華倫昨天也在臉書上說他創新高 [2]. 我這邊則是拜美股大漲兩三天的優勢, 維持住老人家應有的相對水準. 我們的共通點是盡量不賣. 不同點是我不靠配息過生活, 所以幾乎都是持有配息率低的 ETF (如下圖). 唯二還可以拿來買點東西的, 只有 0050 和殼牌的配息. Others 裡面是瑞昱, 日股 ETF 和 PFF ETF 的總和. 其他配置大概保持原狀.

基於買 PFF 的 timiing 有點失策, 我考慮增加 QQQ 或 SPY 的比例, 畢竟這標的比較穩定可靠. 另外就是 VIG, NOBL 雖然都是優質配息股, 不過現在美國公債殖利率那麼高 (4% 左右) [3], 投資人會不會慢慢遠離這些股票, 造成 ETF 下跌也值得觀察. 畢竟這些公司並不是成長型的, 要它明年利息多 1% 根本要它的命. KO 能在名單中存活幾十年, 是因為它一年只多配一分錢利息. 要一百年才會多配一塊錢.

以我粗淺的常識, 要讓這個世界穩定運作, 美債殖利率只能選擇再次下跌, 故最近這批美債還是值得買. 能直接買最好, 買 ETF 則有時間差的問題. 基本上我選擇緩慢並輕鬆的方式累積財富, 並且準備好承受每天不確定的上下起伏. 如果操作過程太燒腦, 就算能賺更多錢我也會跳過. 畢竟要燒腦的事情太多了.

雖然我的醫生朋友說他們被健保打成夕陽產業, 但跟科技業相比, 我們的 “醫護人員" 研發的醫療器材、藥劑和處方, 固定有機率自帶殺傷力、病毒和副作用. 除了經常性發生院內感染, 進口醫材也常常出現問題. 加上全世界的 “醫院" 都互相是競爭對手, 大家絞盡腦汁要搶病人, 還要開發新病 (^^)… 因此, 持續採用簡單的投資方法, 應該是我們最佳的選擇.

[REF]

  1. https://www.cnbc.com/quotes/1475.T-JP
  2. https://www.facebook.com/teacherwarrenc
  3. http://www.stockq.org/bond/treasury.php

[後記]

2023/4/4: 因為油價大漲, 所以 4/3 再創新高. 今年帳面上已經比去年年底成長 8.26%. 雖然一般不會好整年, 不過前 1/4 開局還不錯. 就算後面三季要爛尾, 至少有個 buffer 水位. 詭異的地方是: 我明明覺得公債殖利率是 4% 左右的水準, 那誰要去買殖利率 1.74/91.51 = 1.9% 的 NOBL [1] 呢? 它還差幾步就要突破 52 週新高, 搞不好還原股息快逼近歷史新高!

上圖取材自 Seeking Alpha.

再看 VIG [2] 也差不多, 配 2.97 元, 股價來到 155.05, 殖利率 1.92%. 評論區有位老兄還貼了一篇文章: “VIG: What My $2 Million Investment Fund Is Buying Now“. 不過看這個要付費, 我看標題就好. 基本上高配息股評論區叫好聲量相當強.

為何老美不買殖利率更高的公債呢? 唯一理由是這些公司會成長, 但是債券不會. 債券把它的未來都攤在那裡, 清清楚楚. 而 VIG 的第二大持股就是微軟 (3.57%) – 內建 OpenAI. 可能有爆發力. NOBL 雖然很老派, 但十大持股內建 Chevron, Exxon. 好吧! 原來它也有石油概念. 總而言之, 這些 ETF 不只是會配息, 有些也會成長. 所以不像 QQQ 那麼專注成長, 具有平衡作用. 結論: 既然買了, 還是都不賣吧, 一動不如一靜.

基本上看完這篇文章應該會感覺作者學藝不精, 連要不要配息? ETF 有哪些持股都不知道! 沒錯, 我買 ETF 的出發點就是看上它不需要花太多時間研究. 只要 ETF 的理念和我相符, 手續費夠低 (例如千分之五), 資本額夠大, 不要重複投資, 我在深入研究之前就會先買進一點. 手上有錢時, 那一點就比較大. 沒錢就先買個 2 股也有可能. 我的投資組合就是個 ETF 的 ETF. 配置肯定不夠完美, 但我也不追求完美 – 畢竟我不是對沖基金.

[REF]

  1. https://seekingalpha.com/symbol/NOBL
  2. https://seekingalpha.com/symbol/VIG

財富自由之雜記

經濟日報有一篇文章, 已經爬到 “財富自由" 這個關鍵字的第一名了 [1]. 乍看之下很有道理. 它說明了財富自由有很多個層次. 不過這篇文章的 “財富方程式" 採用的富人公式不太科學! 害我想多嘴兩句. 它的公式是這樣:

個人應該有的淨資產=(年齡 X 稅前年所得)/10

如果你的淨資產大於這個數字, 就有成為富翁的潛力. 如果 “實際資產大於該數字兩倍,屬於「超優理財族」,代表有望成為下個富翁。" 顯然, 對剛畢業賺錢的 24 歲畢業生. 它的資產不可能達到不吃不喝年齡的 24/10 = 2.4 倍.

不過假設某人跳槽後, 年所得暴增. 這個公式會反映出: 他已經從有發財潛力墮落到了走上貧困之路. 例如 30 歲時年薪 70 萬, 應有資產標準是 210 萬. 這個人也達到了. 接著他在 31 歲跳槽到一份年薪 100 萬的工作, 因此他的應有資產標準升高到 310 萬. 相當於跳槽後那年不吃不喝, 加上逃漏稅才能繼續達標 (210+100 = 310).

鼓勵大家提高儲蓄率當然很好. 但我認為只看收入和凈資產是不夠的, 拿自己的資產跟收入比較, 那頂多是反映出儲蓄比例夠高的人, 比較可能致富. 這跟財富自由還是有明顯的差異. 我認為的財富自由是, 在我們退休後, 開銷都不變甚至變高的情況下, 資產還可以支撐到 120 歲這種不太可能突破的年紀, 那就是財富自由了.

要知道能否達到這個目標, 難免有些估計的成分. 既然知道估計可能不準, 所以我們需要加一些容錯量. 首先, 我們要計算出一年平均需要多少開銷, 並計算它的標準差. 我計算平均開銷的方法是把薪水扣掉國家拿走的錢 (稅與費)、投資用掉的錢、給老婆小孩的錢之後, 剩下的就是必要的開銷. 而不是特別正面表列, 像是記帳. 反正退休之後, 上面那幾筆應該都不用支出了.

至於變異數、標準差方面, 如果未來還會換房換車, 最好前述的數據就統計到前一次換房換車. 又或者有人說老了要請看護, 投資會虧損, … 凡此種種, 都可以用標準差來涵蓋, 一倍不夠就兩倍, 兩倍不夠就三倍. 抓得準不準應該超出科學的範疇. 萬一中樂透呢! 誰知道.

理論講完來講數據. 我們儘量回溯後 (比方說 10 年), 可以統計以下幾種數據: 每年開銷 m, 開銷的標準差 s. 我們可以用 M = a*m, S = c*s 來做調整.

奢侈倍數 a, 表示可以比過去再多幾倍的錢. 預設為 1 (M = a * m = m).

標準差倍數 c, 用來吸收投資損失或重大開銷的風險. 預設也為 1 (S = c * s = s).

另外需要估計幾個重要的參數: 通膨率 f(%), 投資報酬率 i(%). 過去有人會簡化地把 i – f 當作扣除通膨的投資報酬率. 我認為不合理. 假設有一個人買了兩套房, 但每天除了吃滷肉飯加蛋之外, 幾乎不花別的錢. 後來萬物齊漲, 蛋價翻了 10 倍, 請問他的身價是下跌還是上漲? 萬物齊漲的話, 房價不漲嗎? 房租不漲嗎? 所以我認為單純把 i 和 f 相減, 過度地簡化了模型, 後面的推導也可以證明此點.

接著開始計算, 再第 Y 年賺了錢退休, 然後把錢拿去投資的狀況:

Y+1 年收入項: N*(1+i), 支出項 (M+S)*(1+f). 次年的總收入為本年度的收入減支出

Y+2 年收入項: (N*(1+i) – (M+S)*(1+f)) * (1+i), 支出項 (M+S)*(1+f)^2

Y+3 年收入項: ((N*(1+i) – (M+S)*(1+f)) * (1+i) – (M+S)*(1+f)^2)* (1+i), 支出項 (M+S)*(1+f)^3 … 依此類推

你以為我要導公式嗎? 並沒有, 我數學不好. 我早就打算好要 ChatGPT 幫我歸納, 然後我再來 debug . 可惜這 GPT 老兄剛開始答得很不錯, 再問它, 它就心虛換解法了. 所以我只截到示意圖, 內容有點錯. 不過沒關係. 本來就是叫它幫我打草稿.

檢查後發現 sum 應該是 k = 1~n, 不是 k = 0 ~ n-1. 而且公式顯然可以簡化. 所以我不改公式, 直接改程式就好. 由 ChatGPT 給的算式得知, (1+f)k*(1+i)-k和 (1+f-i)-k 是不同的概念. 所以消費少, 儲蓄多時, 通膨幾乎不影響投資報酬的累積. 相對地, 如果消費多, 儲蓄少的話, 那就投資再厲害也可能會破產.

搭配 ChatGPT 喜歡的 Python, 我們就可以跑一些程式. 假設某人投資淨值 1,000 萬, 投資報酬率 6%, 通膨 3%, 每年平均開銷 100 萬, 標準差 100 萬. 像是買車這種幾年一見的高消費, 會大量拉高標準差. 所以這個數字不會太小. 不是什麼 2, 3 萬的等級.

根據以上的那組數字, 在 0 倍標準差下, 這個人能撐 12 年才破產. 若每年發生 1 倍標準差, 這樣只能撐 6 年. 因此資產 1,000 萬的人, 就算有不錯的投資, 也不適合每年花 100 萬 (有點像是廢話).

反觀若有 1 億元,在 3 倍標準差下, 會在第 46 年破產. 在 2 倍標準差下, 還可以撐到第 146 年. 這表示賺太多或是花太少. 但沒有人會嫌錢多, 前面提到可以用 M = am 來計算. m 是現在的開銷, a 是可以奢侈的倍數.

那麼每年不要只花 100 萬, 改為每年固定花 365.25 萬 (a = 3.6525), 平均一天花一萬! 真的這樣花錢的話, 在 0 個標準差下, 可以再活個 55 年. 在 1 倍標準差下, 只能再活 34 年. 不過要是考慮到 2 個標準差就只能再活 25 年, 然後就要把房子逆抵押當下流老人了, QQ

N = 1000
i = 0.06
a = 1
m = 100
c = 1
s = 200
f = 0.03

n = 1
while N >= sum((a*m+c*s)*(1+f)**k*(1+i)**(-k) for k in range(1,n)):
    n += 1

print(n)

所以說呢, 其實我們可以很容易估計出: 在已知投資金額, 平均開銷, 預估風險和可奢侈倍數下, 還可以安全地活多久. 如果這個 N 大到可以讓程式永遠跑不出 loop, 那不是賺太多就是花太少, 或許這個人出了點問題 – 不會花錢 [2]. 假設把自己的參數放進去計算, 慢慢把 a 和 c 放大, 拉高 f, 壓低 i, 讓 n + 現在年齡 > 120. 那就表示找到自己的生存之道. 調不出滿意的數字, 那就繼續上班. 很簡單~

[Ref]

  1. https://money.udn.com/money/story/12040/6495460
  2. 綠角: 你很可能會這樣花錢1

韓國出差見聞之三

因為原本的問題處理得差不多了, 客戶也將在第四天拜訪完; 所以同事提議早點回台灣.

早上先拜訪第一家客戶, 因為他們在工業區, 所以就直接在客戶公司用餐. 它是自助式的, 其中只有一道豬肉泡菜有點肉, 其他都是素的. 我看到有個員工就夾了像小山一樣高的豬肉泡菜 (右上方那格). 在這四天中, 這餐吃得最健康.

下午又跑了兩家公司, 一晃眼到了晚上快七點鐘. 然後又開了 40 多分鐘的車去請客戶吃飯. 話說我們剛剛不是才跟客戶開會嗎? 怎麼不就近在旁邊吃一吃? 答案揭曉, 原來他們刻意安排把餐廳訂在客戶老闆家的附近, 讓他五分鐘可以到家.

晚上又吃回烤豬肉, 但是光看盤子和服務生的裝備, 就知道這家是高檔的.

烤出來的豬也瘦多了.

烤完豬之後, 又上個烤飯.

我發現韓國人吃這個烤飯, 可以用海苔去包. 也可以用湯匙挖來吃. 不過他們沒有公筷母匙的觀念, 所以我偷瞄到有些韓國人會迅速挖一些到自己的盤子裡, 然後就不再從大盤子取用了. 但也有人是老神在在, 照樣把公器當作自己碗一樣吃法. 沾醬 (삼장 = samjang) 也是預設幾個人共用. 至於不想跟別人共用的, 就會跟老闆再多要一份沾醬.

韓國人這種共食的習慣, 據說當初對 Covid-19 的傳播有助長的效果. 現在算是更有效地達成了群體免疫吧! 路上有 95% 的人戴口罩, 比例跟台灣差不多.

第五天回家日也是很早起, 仔細看了機場的裝置藝術, 覺得還滿有質感的.

雖然在韓國都是十幾度的氣溫, 但是穿件襯衫加件輕羽絨就不冷了. 回憶出發前台灣還比較冷. 但踏出桃園機場發現台灣現在可真是熱!

韓國出差見聞之二

前一天趕飛機是凌晨三點起床, 第二天因為要提早出發去另外一個地方, 所以也是相當早起. 太陽公公臉色還泛點黃. Road Show 跑完上午行程, 就去吃牛骨的這個火鍋和生牛肉拌飯 (飯要後來才加).

生牛肉應該有醃過, 吃起來甜甜的. 大部分的台灣同事都選擇用火鍋燙熟它!

吃完飯跑下一家, 然後再等下午第二家之前, 在咖啡廳被請喝了這個草莓牛奶.

這家客戶很熱情請我們參觀他們的機房和中控室. 他們看起來非常壯觀, 但這裡不適合洩漏客戶機密, 所以我叫 Dall E2 幫我畫. 雖然很不像, 但氣勢有畫出來. 右下圖是進入這類大公司必經的"浪漫速成班"補習大樓.

晚上又和客戶吃飯. 這餐吃到一些特別的東西. 像是蜂蛹、鳥蛤(cockle = 새조개 = saejogae). 前者我本來以為是蠶蛹, 仔細看圖片, 蠶蛹有點翅膀的痕跡, 但蜂蛹沒有[1]. 它吃起來一開始沒味道, 尾勁有點酒精味. 後者的鳥蛤火鍋每份 45,000 韓元, 相當貴.

下圖最後一張是海鞘 (Sea Pickle = 멍게 = meong-ge), 我在很多家餐廳的魚箱裡都有看到, 更在法環打死過很多隻,但是無緣吃到. 只能等下次有空旅行時, 再吃吃看這 “海鳳梨" 是什麼味道?

總之,這天陪客戶到很晚。接著進入第三天行程。早餐吃旅館的,沒有什麼稀奇的。不過發現有個煮麵的攤位. 韓國人自助選好配料後, 按個鈴就把碗放著. 等廚師自己過來. 我們傻傻地沒看到人就走開了. 所以在旅館住了四天也沒吃到這一味. 另外要說有甚麼特別的, 那就是韓國不缺蛋, 想吃多少有多少!

第三天再回去看 bug 解決的狀況. 看起來問題差不多都收斂了, 就去吃午餐. 這餐吃韓式牛肋骨湯 (갈비탕 = galbitang). 同事把它發音為該逼湯, 聽起來怪怪的很像 “該邊". 但真的是單純的好味道! 吃法是自己用剪刀把牛肋骨的肉剪下來配飯. 這家的店員也會說中文.

接著繼續拜訪客戶, demo 時發現代理商把我們的一台液晶電視撞壞了. 本來要 side by side 比較, 結果只好跟客戶借一台電視, 同時請代理商直接去賣場買一台送到下一站. 因為來不及把環境參數調成一樣, 過程有點小緊張.

晚餐終於沒有跟客戶一起吃了. 所以我們改吃烤牛肉. 吃完牛肉又去吃炸雞! 炸雞據說競爭激烈, 所以各有獨門秘方. 這家原味的口感酥脆不柴也不油. 甜味的好吃但吃多有點膩, 會想吃回原味的. 總之, 烤肉已經吃得相當飽. 炸雞點兩份太多了, 幸好韓國同事願意打包回家.

[REF]

  1. http://www.kumifeng.com/fengyong/2880.html