中核鈦白：調整產品價格
中核鈦白(SZ 002145，收盤價：7.35元)2月28日晚間發布公告稱，根據目前國際國內鈦白粉市場及公司實際情況，中核華原鈦白股份有限公司價格委員會研究決定，自2023年3月1日起，全面上調公司各型號鈦白粉銷售價格。其中：國內客戶銷售價格上調1000元人民幣/噸，國際客戶銷售價格上調150美元/噸。
2022年1至6月份，中核鈦白的營業收入構成為：精細化工占比95.66%，物流服務類占比2.44%。
中核鈦白的總裁、董事長均是袁秋麗，女，62歲，學歷背景為大專。
截至發稿，中核鈦白市值為219億元。
青松講盤：3月1日期貨操作建議棕櫚油調整階段耐心等待
【基本面】今日棕櫚油小區間整理波動130多點報收8228下影陰線走勢，旖旎海洋事務和投資協調部官員法爾曼?海德亞特表示，政府希望在4月份齋月和開齋節期間確保國內棕櫚油供應充足，因為第一季度棕櫚油生產將季節性放慢。印尼還將在2023年2月份開始實施更高的生物柴油摻混比例，這將增加棕櫚油的國內消費。海德亞特說，我們不想減少國內供應，這將引發當地價格上漲的風險。
【操作策略】棕櫚油2305合約，棕櫚油劇烈波動調整蓄勢上攻態勢，青松講盤建議回調8180支撐上方分批進場多單策略，短線注意整理分批止盈減倉出局，趨勢波段單帶好利潤保護持有，行情建議僅供參考。
白銀弱勢破位還將下行
【行情分析】今日白銀小區間波動蓄勢30多點收盤4876小陰線走勢，工業需求預計將創下歷史新高，對金幣和金條以及珠寶和銀器的需求也是如此。這種前景和我們對金價上漲的預測，支持白銀價格上漲。白銀也應該受益于美聯儲加息的結束以及此后將開始降息的猜測，經濟衰退結束后預期的經濟復蘇應該還會使白銀受益，因為它是一種工業用途廣泛的貴金屬。
【操作建議】白銀2306合約，白銀疲軟整理下挫行情走勢，青松講盤建議白銀沖高4902壓力下方分批進場空單策略，短線注意分批止盈減倉，中長線注意利潤保護持有，行情建議僅供參考。
豆粕破位下行積極關注
【基本面】今日豆粕蓄勢放量大幅下跌60多點報收3776大陰線形態，我國進口2月船期巴西大豆升貼水處于209美分，折合理論到港成本約為4928元/噸，較同期的美國大豆成本低出260元/噸，未來進口大豆的壓榨利潤將持續回升。而出于規避春節假期停機損失考量，近幾周國內油廠大豆壓榨量居高不下。最近一周，我國進口大豆壓榨量處于211萬噸，連續第4周超過200萬噸高壓榨量水平，較一周前增加3萬噸，較上月同期增加13萬噸，同比增加32萬噸，并較最近3年同期均值增加22萬噸。
【操作策略】豆粕2305合約，豆粕日線級別走弱下跌行情走勢，青松講盤建議豆粕沖高3800壓力下方分批進場空單策略思路，具體點位實盤提示，短線策略注意沖高分批止盈減倉，行情建議僅供參考。
燃油高位整理等待時機
【基本面】今日燃油小區間整理蓄勢波動40多點收盤2894下影陰線，目前國內出口結構出現變化，低附加值的商品出口訂單開始下降，而半導體、電子產品等高附加值產品的出口比重開始上升。因此，雖然國內出口總額上升，但是海運需求并沒有明顯增加。
【操作建議】燃油2305合約，燃油調整蓄勢發力上行階段，青松講盤建議燃油回調2870支撐上方分批進場多單思路，短線逐漸分批止盈減倉，中長線帶好利潤保護持有即可，期貨市場交易的本質及真諦一定要弄清和領悟才行，行情建議僅供參考。
甲醇小幅回落積極關注
【基本面】今日甲醇區間整理波動40多點收盤2626小陰線形態，甲醇供給小幅下降但同比依舊高位。內地小幅累庫，訂單量上升。港口庫存下降，且依舊同比低位。節前備貨行情拉升盤面價格。假日期間內外盤均停盤，暫無消息指引。
【布局策略】甲醇2305合約，目前甲醇調整蓄勢上漲行情形態，具體點位實盤提示，青松講盤建議回調2600支撐上方分批進場多單策略為主，短線注意分批止盈即可，中長線利潤保護持有跟進策略。甲醇新一輪大行情機會逐漸到來，行情建議僅供參考。
Pta企穩上漲還有空間
【基本面】今日pta整理蓄勢上漲波動100多點報收5620大陽線行情，聚烯烴夜盤窄幅震蕩。當前聚烯烴意外檢修量減少，存量裝置供應壓力尚可，新裝置方面有海南煉化20萬噸裝置產出合格聚丙烯，揭陽石化預計1月份產出合格品，其他裝置繼續推遲。下游需求較為平淡，臨近春節訂單減少，且下游工廠開工率下滑明顯。
【布局策略】pta2305合約，目前pta整理偏強上漲階段，青松講盤建議pta回調5580支撐上方分批進場多單策略為主，短線注意沖高分批止盈即可，中長線利潤保護持有跟進策略。新一輪大行情機會逐漸到來，行情建議僅供參考。
純堿窄幅整理穩健策略
【行情分析】今日純堿小幅反彈整理波動40點左右報收2929小陽線一帶，國內純堿市場整體走勢平穩，局部價格重心上移。當前，裝置運行相對穩定，暫無新增檢修計劃，個別企業負荷下降，但整體依舊保持較高水平。堿廠訂單尚可，節前下游備貨，產銷表現平衡，庫存低位震蕩為主。臨近月底，部分堿廠新價格上調。下游需求表現一般，剛需采購，有些企業節前庫存已經備完，后續發貨為主。
【操作建議】純堿2305合約，純堿連續整理發力上漲破位形態走勢，青松講盤建議回調2905支撐上方分批進場多單策略，短線注意分批止盈減倉，趨勢波段單帶好利潤保護持有，行情建議僅供參考。
北大吳思：人工智能與人生的“神經網絡訓練”主題為“和而不同，思想無界”的CC講壇第52期演講2023年2月24日在北京舉行。來自北京大學心理與認知科學學院北京大學麥戈文腦科學所研究員吳思出席，并以《人工智能與人生的“神經網絡訓練”》為題發表演講。
以下為演講全文：
大家好，我叫吳思，來自北京大學心理與認知科學學院。我想這段時間引起社會最大震動的一件事情，就是 ChatGPT的橫空出世。ChatGPT是一種語言加工和對話的人工智能系統，它目前表現出來的智能水平可以說超出所有人的預期。
比爾?蓋茨甚至說ChatGPT帶來的革命，可以類比于個人電腦、智能手機、互聯網對社會引起的變革。其實在此之前大家也知道，人工智能已經對整個社會帶來很大的震動。
比如說在圖像識別方面，它的水平已經超過了我們人類，人臉識別已經在社會各個方面得到了應用，阿爾法狗已經擊敗了我們人類的世界冠軍，這些所有的技術革命正在不斷的改變著我們的生活，所以，這也給我們整個社會帶來了一種恐慌。
那么，今天我并不是要談人工智能如何強大，以及人工智能的一些技術細節，我是從我自己的科研的角度，來談一談人工智能技術的底層邏輯，以及這些邏輯能給我們人生發展帶來哪些啟示。
其實大家都感覺到人工智能的強大，其實從某種意義上說，在很多技能上人工智能也是有很多不足的地方。
這里我演示一個圖片，是在學術界經常用的一個例子，表現了人工智能對噪音識別的缺乏，這是一個熊貓，我加一點點噪音，人類沒有任何問題能夠識別出來它是個熊貓，但是機器卻認為它是一個長臂猿，所以說在圖像識別上，如果有特殊處理過的噪音加入，它是根本無法識別的，這個和我們人類相比還差得很遠。
左下角是13個點，各位都能很清楚的看見這是一個人在走動。我們人識別這13個點代表人在走動，這個任務對我們來說很輕松，但是對于目前的人工智能來說是一個很大的挑戰。
右下角是一個熊的圖像，我們都能識別出來，這個熊的圖像就是抓住了熊的一個整體的輪廓，但是丟掉了細節，我們人也是沒有問題能識別出來這是個熊，但是對目前的人工智能就很困難。
再比如說，我們人具有小樣本學習的能力，一個小朋友也許就看了幾張兔子的照片，在生活中所有的兔子他都能識別了，這就是舉一反三的小樣本學習能力，但目前的人工智能就需要大量的數據訓練才能夠實現。
我們在讀書的時候，是拿著書本來學習知識，這些知識都是一種抽象的概念，我們人都沒有問題，我們都在讀書中認識這個世界，但是目前的人工智能還依托于大數據，需要具體的例子才能干好這樣的事情。
所以說，雖然目前人工智能在其專項技能上已經取得了長足進步，但是它對比我們人腦實際上還有很多的不足。我們依然可以說到目前為止，人腦仍然是宇宙中最智能的信息加工機器，這個機器讓我們能感知這個世界，能讓我們學習、能讓我們產生記憶，能進行推理、進行抉擇，能產生情緒、喜好、思想等等，這都是我們大腦的優勢。
那么大腦要實現這些復雜的認知功能，它最核心的計算特點就是網絡計算，在我們的大腦中，神經元的數目有上千億，每個神經元平均連接數有上萬個，這些的網絡構造特別復雜，可能是宇宙中最復雜的信息加工網絡，我們大腦能夠實現各種智能的任務，都是靠這些網絡進行的信息加工。
我的研究領域叫計算神經科學，它的目標就是用數學建模和計算機仿真的方法來分析大腦網絡工作的基本原理，從而能發展更好的人工智能。
那么既然大腦是用這種復雜的神經網絡進行信息加工，所以很自然的一個想法是我們為什么不模仿我們大腦網絡的特點來構造一個人工的計算系統來處理信息呢，其實這就是當前人工智能的最核心技術，人工神經網絡的思想誕生的源泉，就是要模仿大腦的網絡怎么做計算。
當前最流行的深度學習網絡就是模仿了我們視覺系統的結構特點，而且只是模仿我們視覺加工的一些比較簡單的特點，我們深度的視覺系統比這個復雜的多，目前在人工智能中還沒得到體現。
那么我們模仿這樣一個網絡，我們就需要構造一個計算的框架，但是當我們在做具體任務的時候，我們需要訓練網絡，所謂訓練，就是我要給它學習的樣本，我有一些輸入和輸出的已知，就是已知答案的學習的樣本，然后我把這個樣本喂給網絡，然后我調節網絡神經元之間連接的權重和結構，使得網絡的輸出如我所愿，這就是所謂訓練的過程，所以說人工智能背后的大數據訓練，其實都隱含了這樣一個給大的數據作為學習的樣本的經歷，然后來調節網絡結構和參數，使得人類能實現想要完成的任務。
人工神經網絡有這樣一個行動過程，其實我們想一想我們人的一生其實也是一個訓練腦網絡的過程，我們大腦是個網絡，我們在嬰幼兒時期，我們就通過各種玩耍，去感知外面世界。
比如說在運動時我們就學會了手眼的協調，到了我們讀書期間，我們就讀書本上的知識，要知道在每一個學習的過程中，我們大腦的神經網絡的連接都在發生著變化，實際上我們的網絡也像人工神經網絡是在被訓練的過程，到了工作中，我們工作的經驗會讓我們更好認識這個世界，這也是我們大腦在不斷學習的過程。
我們終其一生的生活、學習和工作，實際上是在不斷地讓我們大腦內部發生著變化，我們實際上正是在訓練我們的腦網絡，最后我們形成了世界觀和人生觀，所以說孔子說得很好，就是二十弱冠，三十而立，四十不惑，五十而知天命，但后面還有，因為我現在就是50歲，我就在這stop了。
我們人的一生，其實我們的腦網絡都是隨著我們生活和學習或工作在不斷的發生變化，我們每天的生活其實就是在改變和訓練我們的腦網絡。
人工網絡想模擬我們的腦網絡，其實和我們人生的發展是緊密相關的。我們覺得我們的人生特別的復雜，我們有總結各種各樣的成功的經驗，但是我們有時候依然想不清楚我們人生怎么應該過得更好。
那么既然人工智能是模仿我們人的腦網絡，雖然結構很簡單，同時現在人工智能已經發展了很多的算法和技巧來優化人工神經網絡，所以說我們也許可以從人工神經網絡的發展中反過來去看我們腦網絡怎么才能訓練的更好，或許會給我們人生的發展提供一些啟示。
這就是我今天想要談到的給大家分享的要點。那么在人工神經網絡的訓練過程中，就有很多的要素。大家會發現這些人工神經網絡訓練的要素也是我們人生發展的要素，那么你要訓練好一個人工神經網絡，我們第一步就要選擇一個目標函數，所謂目標函數就是我們要定量化。
在數學上就叫目標函數，這個目標函數選擇好與壞就直接決定了你最終的網絡上限能學成什么樣子，那么對應著就是我們人生，我們要選擇人生的目標，這個目標既要實現人生的個人價值，同時也要服務好這個社會。
有了好的目標，我們的人生才有一個好的發展是吧？可以說我們的人生的目標實際上決定了我們腦網絡訓練的上限，我們一定要定好我們人生的目標，我們人生的路才能走得好。那么有了目標函數，那我們就要開始訓練網絡，剛才我說了所謂訓練就是你給網絡提供樣本，然后你要調節網絡的參數，使得網絡的輸出如你所愿。在AI中，就是要講究用海量的數據，用所謂大數據海量的樣本訓練網絡。
然后比如說現在火的ChatGPT，它能成功的一個很大原因是它用了互聯網的海量的數據，比如說它用了網上的大量圖書館的書，書本上的知識，還有互聯網上大量的文本知識，然后訓練了上千億的參數，然后今天訓練完了以后就出現了一些智能的行為，想著超出我們預期了是吧？
那么訓練人工神經網絡這個數據特別關鍵，所以叫數據為王，那么對應著我們人生，我們要訓練好我們的網絡意味著什么？我們需要豐富多彩的人生給我們的腦網的訓練提供素材，就是所謂的讀萬卷書，行萬里路，那么豐富多彩的人生經歷，實際上為我們訓練好腦網絡提供了樣本，如果我們沒有樣本，我們怎么去訓練我們的腦網絡？
尼采有句話是我自己特別喜歡的，所以分享給大家，“每一個不曾起舞的日子都是對生命的荒廢”，那么用人工智能的術語就是，你又浪費了一天，你沒有收集訓練你腦網絡的素材。
有了大樣本，在訓練的時候你還有很多訓練的技巧，在人工神經網絡訓練中，大家就發展了一些數學上的技巧，我現在簡單介紹幾個，大家會發現很自然地就和我們生活成長對應在了一起。
比如人工神經網絡訓練的一個最基本的算法叫誤差反傳算法，它的本質思想是，我給一個樣本，我就做個輸出，我發現這個網絡輸出和我想要的結果之間的誤差，把誤差反傳來，調整我的網絡。那么這就相當于我們在學習中，需要從試錯中去學習。
更先進一點的算法叫動量加速算法，這個算法說的意思就是我在調節網絡參數的時候，我不僅依賴于當前的樣本，我還依賴著過去的歷史。那么對于我們人生的學習就是我們要不斷反省，我們要總結經驗來提高我們腦網絡的訓練。
此外在人工神經網絡還有模仿學習，就是說你在訓練一個網絡的時候，你可以模仿一個已經訓練好的網絡，然后你通過學習來更好的提高你的一個新網絡的訓練，這對于我們人生就是，三人行必有我師，我們要從他人的優點中學習，總結起來就是人工神經網絡都是一些數學上的訓練技巧，實際上它和我們人生的發展也是相關的。
我們人生總結起來就是說，人生要敢于試錯，要不思反省，要學習他人的優點。其實我們人生的發展一樣，我們在人工神經網絡訓練中也不是一帆風順的，你會碰見各種各樣的難題，人工神經網絡這個領域也是通過一些數學技巧來解決這個難題。
我這就舉兩個例子，一個就是你在訓練人工神經網絡的時候，你訓練的所謂的能量函數會錄入的局部極小，簡單說就是你這個時候，你網絡的表現就很難再提高了，我們人工智能的專家怎么做，這個時候我們就會重置網絡探索，從頭再訓練。
對應我們人生就來說，我們人生可能在某個時候面臨一個困境，這個時候我們要勇于求變，重新開始。
那么在人工神經網絡中，我們會有一種所謂的瓶頸期，那么你進入那個瓶頸期，你會發現你訓練很長時間，你網絡的表現都提高不了，然后你鍥而不舍堅持訓練的話，在某一時刻我們的表現就突然有個大的提高，這對應我們的人生就是，你碰見了一個低谷，你不要輕言放棄，你要鍥而不舍，最終能從低谷中脫離出來的。
那么最后一個類比我是想講了一個人工智能中現在面臨挑戰，同時對我們人的學習和教育，也是一個非常大的難題。在人工神經網絡中，我們是用數據去訓練它。我們的目標不是說你給定了輸出，就給定了輸入，我把這兩個擬合好就可以了，這不是我們的目的。
我們真正的目的是，當我訓練好的時候，來了個新的我從來沒見過的樣本，我這個網絡依然表現很好，在人工神經網絡中叫泛化能力，這才是我們真正關心的問題。因為我們訓練樣本是已知答案的，我們在網上都能找到的，大家都知道的，我們真正的關心的是網絡對新的樣本，它依然表現好，這就是泛化能力。那么在人工神經網絡領域，實際上這是個很難實現的問題，還沒有解決的問題。
如果一個神經網絡你用樣本去訓練它的時候，你訓練的越久，你可能反而泛化能力越差，就是說你的網絡的參數過度的擬合了你學習的樣本，最后你對新樣本的表現就會很差，叫過擬合現象。
這個就對應著我們學習教育的目的了，我們學習的目的不是我們做很多的題，我們做題的目的不是為了記住這個死的知識，我們是希望具備一種能力，一種創造性的能力，當一個新的沒見過的問題出現的時候，我們能夠解決它。
在訓練中就面臨著一個很大的挑戰，如果我們過度訓練所謂的題海戰術，我們實際上是只記住了死的知識，反而導致過度的訓練，我們反而會失去了創造性，造成了思維的定式。所以說這是人工智能領域目前還沒解決的問題，怎么有針對性的提高訓練的泛化性，只能用有些數學技巧來避免實現過擬合。
反觀我們的教育，都在說我們要培養學生的創造性，但怎么培養也沒有給出一個明確的答案，關于教育的本質，愛因斯坦說了一個特別有哲理的話，他說，教育是一個人忘記了他在學校里學到的一切知識之后，剩下的東西就是得到的知識，你要忘掉它，你真正需要掌握的是泛化的能力，對新知識的解決的能力。
在我們中國的哲學里面也有類似的這種思想，我這里把金庸的《倚天屠龍記》里面有一段特別精彩的對話，分享給大家，當魔教攻上了武當山，張三豐由于受傷沒法應戰，他需要在非常短的時間內讓張無忌學會太極拳。
徒孫兩個有一個精彩的對話，張三豐做了個演示，張無忌就快速的學習，張無忌是個天才，他很會模仿學習，這個時候張三豐就問，“無忌，我教你的東西還記得多少？”，張無忌回答說，“我只記得一大半”，那么張三豐說你繼續練過，一會而張三豐又問，“現在你記住了多少”，張無忌說“已經剩下一小半了”，又過了一會兒，張無忌說，“我現在已經把所有學的全忘掉了”，張三豐這個時候說，“好，你可以上了”。最后他把魔教的玄冥二老給擊敗了。
這里面暗含了一個思想，實際上是張無忌最終學會了一種人工神經網絡的泛化能力，或者說太極拳的精髓，他掌握了一種泛化能力，這里面實際上和愛因斯坦的理念是一樣的。我們要學習需要的樣本，但是我們不希望樣本破壞我們的創造性，所以說這是我們教育面臨的難題或者說是我們學習的難題，在人工智能這個領域里，大家都在關心我怎么提高神經網絡的泛化能力。也許有一天人工神經網絡把泛化能力的問題解決了，這個時候我們就可以讓它反過來反饋我們，怎么樣才能讓我們在學習中不會喪失我們的創造性。
最后我想總結一下，人工智能它是模擬我們大腦的網絡，通過大數據的訓練優化我們的人工神經網絡。 我們人的一生是在生活學習和工作中來訓練我們的大腦的網絡，最后實現自我的價值，說兩者是相通的，都是在訓練網絡，都是在實現一種智能，只不過一個是人工智能，一個是我們生物的智能。
我們每個人其實都是我們自身網絡的訓練者，當我們今天在驚嘆于人工智能高速發展的同時，請不要忘了我們自己大腦是一個更有潛力的網絡，它需要也更值得我們去訓練好它，因為訓練好大腦的網絡，就意味著我們度過了一個美滿幸福的人生。
好，謝謝大家。
新浪聲明：所有會議實錄均為現場速記整理，未經演講者審閱，新浪網登載此文出于傳遞更多信息之目的，并不意味著贊同其觀點或證實其描述。
2月20日0—24時，31個省（自治區、直轄市）和新疆生產建設兵團報告新增確診病例144例。其中境外輸入病例73例（上海27例，廣東20例，北京9例，廣西5例，四川5例，福建3例，天津1例，江蘇1例，重慶1例，甘肅1例），含7例由無癥狀感染者轉為確診病例（廣東3例，四川2例，江蘇1例，廣西1例）；本土病例71例（內蒙古32例，其中呼和浩特市30例、包頭市1例、巴彥淖爾市1例；江蘇11例，其中蘇州市10例、無錫市1例；遼寧7例，均在葫蘆島市；廣東6例，均在深圳市；山西5例，均在晉中市；四川4例，均在成都市；云南4例，其中德宏傣族景頗族自治州3例、紅河哈尼族彝族自治州1例；黑龍江2例，均在雞西市），含5例由無癥狀感染者轉為確診病例（云南3例，內蒙古1例，江蘇1例）。無新增死亡病例。新增疑似病例3例，均為境外輸入病例（均在上海）。當日新增治愈出院病例42例，解除醫學觀察的密切接觸者1039人，重癥病例較前一日增加3例。境外輸入現有確診病例883例（其中重癥病例1例），現有疑似病例3例。累計確診病例13472例，累計治愈出院病例12589例，無死亡病例。截至2月20日24時，據31個省（自治區、直轄市）和新疆生產建設兵團報告，現有確診病例1724例（其中重癥病例10例），累計治愈出院病例101491例，累計死亡病例4636例，累計報告確診病例107851例，現有疑似病例3例。累計追蹤到密切接觸者1582455人，尚在醫學觀察的密切接觸者36791人。