现在尘埃落定，我们可以问一下，拥有尖端人工智能方法和海量数据的Zillow Group聪明而精明的团队，在2021年下半年买房子时怎么会损失5亿美元?这篇文章指出了导致这一崩溃的两个致命弱点:房主的“内部信息”优势，以及随着时间推移房屋价格的意外变化。
我们有理由问一下，基于统计/人工智能的价格预测是否可行。答案是肯定的，这是基于华尔街“量化基金”的成功，以及它们大量聘用计算机科学家、统计学家，以及最近的深度学习专家。
我在2013年创立的初创公司Farecast，在2018年被微软收购之前，能够以75%的准确率预测机票价格波动。
最后，据报道，Zillow的房屋价格“Zestimate”在全国范围内的平均准确率约为96%，待售房屋的准确率接近99%。
Zillow团队知道他们的定价算法在不同地区、不同市场条件下的准确性;他们有机会根据历史购房交易数据仔细地回测其表现。
那么，Zillow的购房业务(也被称为“iBuying”)出了什么问题呢?
模拟成功历史数据并不意味着成功从房主购买原因很简单:许多业主有一个更好的了解自己的房屋的价值由于Zillow以外的变量的模型(例如,众议院有强烈的气味或其他特殊特征排斥潜在买家)。
用股市做一个类比可以帮助说明这一点。众所周知，公司内部人员(如首席财务官和首席执行官)相对于外部人员具有信息优势。因此，他们只能在限制期内交易自己公司的股票，交易记录也会受到其他投资者的密切关注。
当涉及到一个人的房子时，房主是最终的“内部人士”，而Zillow则受限于客观因素，如卧室数量、类似交易的价格等。
当Zillow的报价太低时，房主很可能会拒绝，但当Zillow的报价太高时，他们很可能会接受——利用Zillow的错误。因此，即使定价算法的历史回溯测试表明盈利，实际市场的结果可能会大不相同。
这种情况的技术术语是“对抗性机器学习”。当一个机器学习的模型在数据的历史分布上进行训练和测试，但在不同的分布上使用时，可能会产生错误，特别是当不同的分布由房主定义时(在这种情况下，他们是Zillow的对手)。
当然，房主有时也会犯错，但他们(以及他们的房地产经纪人)对房子、社区以及潜在买家的反应了解得更多，这让他们比Zillow的算法更有信息优势。
如果Zillow在信息方面存在劣势，为什么它的劣势没有在早期的iBuying交易中表现出来?
在购买数以万计的房屋之前，Zillow用三年时间测试了自己的方法，并获得了利润，这让Zillow有胆量迅速扩大其iBuying业务。答案是，在那段时间，房价快速上涨。因此，即使Zillow的房产价格略高，几周后房屋售出时，Zillow也能从中获利。然而，当2021年市场降温时，Zillow的劣势暴露无遗。
换句话说，随着潮流的消退，我们发现Zillow已经暴露了。
“随着时间的推移，快速决策将变得越来越受欢迎，但Zillow的失败是一个重要的提醒，麦当劳不能取代美食或家庭饭菜。”
当房地产市场降温时，许多房主会保留自己的房子，给市场一个复苏的机会。然而，这并不是Zillow的选择，因为iBuying业务的资本密集度很高，而且如果房价进一步下跌，损失可能会增加。
Zillow的定价错误在买卖房屋时都可能发生，从而对利润造成压力。此外，由于代理佣金、抵押贷款和重塑成本而产生的交易成本，使得Zillow难以实现iBuying的利润。当然，Zillow不能公开其交易的具体信息，所以这些观察结果不能直接得到证实。
关于Zillow的损失，人们已经说了很多，但我们需要记住的是，与Zillow交易的房主获得了数亿美元。在这种情况下，人类决策者战胜了人工智能。
从广义上看，拥有大量数据的人工智能算法的速度和范围催生了一个“快速决策行业”，在这个行业中，贷款决策、信用卡审批、产品价格，甚至假释决策都越来越自动化。这个快速决策行业可以比作快餐行业。随着时间的推移，快速决策将变得越来越受欢迎，但Zillow的失败是一个重要的提醒，麦当劳不能替代美食或家庭烹饪餐。
编者按:本文作者是艾伦情报研究所首席执行官奥伦·埃齐奥尼。公司成立时，Etzioni是Zillow技术咨询委员会的成员。这篇文章并没有基于任何公司内部信息或知识。
