尽管资源股板块短期内可能面临一定的波动，但从中长期来看，资源股仍然具备较高的投资价值。首先，全球经济逐步复苏，工业生产和消费活动增加，对矿产资源、能源等的需求将持续增长。特别是新能源产业的快速发展，将推动对锂、钴、镍等关键金属的需求，为资源股市场带来新的增长点。其次，资源品供给端的受限也为价格上涨提供了支撑。长期资本开支不足、环保政策及能耗约束等因素导致主要资源品的供给缺乏弹性，而新能源产业和AI算力中心等的发展则对资源品的需求持续旺盛，这种供需关系的不平衡使得资源品价格有望在未来一段时间内保持强势。此外，随着市场对美联储加息预期的升温，大宗商品价格有望回升，这将进一步提振资源股市场的信心。
每经上海9月25日电（记者杨煜）今日上午，“解码未来：全球数智趋势”专题论坛在上海浦东成功举办。本次专题论坛是工业文明国际论坛的分论坛之一，由工业和信息化部工业文化发展中心、上海市经济和信息化委员会、上海市浦东新区人民政府主办。
专题论坛上，上海纽约大学数学和数据科学助理教授Mathieu Laurière分享了用于大规模多代理系统的机器学习和生成式AI。多代理系统或者多智能体系统在我们的日常生活中并不少见，例如人群的运动（Crowd motion），大城市的交通路线（Traffic routing），在金融市场（Financial markets）中通常也会用到多智能体系统。多智能体系统的特点是，有大量的智能体，它们存在互动，也会制定决策，同时环境非常复杂。
Mathieu Laurière发表主旨演讲图片来源：主办方供图
Mathieu Laurière指出，通过多智能体系统可以了解人们的行为及决策。例如，地铁站人群拥挤，想要了解在地铁站中每一个人的行为，比如哪个区域人的密度比较高、哪一些密度低、他们移动的轨迹是怎么样的，但是随着时间的推移，人群的密度会改变，也就是说他们的行为会改变。“我们想要了解他们这种行动变化背后的原理是什么，在交通领域我们可以通过多智能体系统来了解交通的运行情况。”Mathieu Laurière说。
多智能体系统和生成式AI有哪些联系？Mathieu Laurière表示，要了解人们的行动也就是智能体的行为或者决策，需要生成智能体的分布图，这可能解决很多生成式AI的问题。此外，在深度学习方面杠杆炒股收益怎么算，可以通过对深度神经网络进行参数化，尽可能接近现实的情况，再把数据映射上去。
文章为作者独立观点，不代表股票配资公司网站_股票配资官方平台_网上炒股配资公司观点
相关文章
