两年学一项AI难替代技能：量化会议三种观点

01 摘要

该内容来自QuantInsti第16届年度算法交易会议的小组讨论。三位嘉宾分别提出应学习实体构建与叙事、纯硬科学判断力或数据素养。这些回答属于个人观点，并非会议共识或研究结论。

02 关键点

1. Ajay Sharma认为应学习在现实世界中构建东西以及讲故事。
2. Mridul Arora（Elevation Capital）主张学习纯硬科学，认为AI会写代码，但判断力来自对科学的理解。
3. Tony Lee（Alpaca）强调数据素养，以便区分信号与噪声。