在股神巴菲特与人工智能之间，如果来一场“谁更会投资”的较量，谁能笑到最后？在人工智能大放异彩的今天，答案仿佛呼之欲出。2018年，人工智能已经从各个环节介入金融领域，或许在不久的将来，投资界的“AlphaGo”——智能投顾，真的能为投资者带来超过巴菲特投资回报的投资建议。

什么是人工智能？

当前人工智能的研究核心是智能主体（Intelligent Agent)，这是一个可以观察周遭环境并做出理性判断与行动以达致目标的自主实体。如果对人工智能的应用实现进行分类，大致可分为弱人工智能和强人工智能两个阶段。

弱人工智能，正是目前研究与商业化的主要方向。研究如何完成人脑所擅长的特定任务，如：图像识别、语音识别、自然语言处理等。比如我们耳熟能详的AlphaGo就属于弱人工智能。

强人工智能，是拥有自主意识的智能。目前只能在科幻电影中呈现，比如类人主体等，现有技术依然距离较远。

当前商业产品的智能，已经有了较多的应用场景。比如智能手机之类的产品，植入了人工智能的识别模块，比如大数据、语音交互等等，都是一个增加用户体验的概念。而更多的，则是让计算设备与系统更加易用，比如运行上仍然是一个基于人工编写的规则、策略与统计方法的自动机系统。

人工神经网络的缘起

2012年来人工智能的突破，来源于“深度学习(Deep Learning)”技术的出现与快速发展，深度学习也成为目前各个大型科技巨头与资本最为追捧的技术。深度学习实质上就是人工神经网络研究的另一个称呼而已，人工神经网络/感知器在20世纪50年代就出现了，但在过去60年的大多数时间中都被人工智能研究的主流学界认为是一条死路，鲜有人问津。

生物神经细胞结构大致可分为树突、突触、细胞体及轴突。神经细胞的状态取决于从其他神经细胞收到的输入信号量，及突触的强度。当信号量总和超过了某个阈值时，细胞体就会激动，产生电脉冲。电脉冲沿着轴突并通过突触传递到其他神经元。

感知机是生物神经细胞的抽象。为了模拟神经细胞行为，与之对应的感知机基础概念被提出，如权重(w)、偏置（阈值b）以及激活函数（细胞体f）。

感知器如生物的神经元之间相互连接起来便形成了人工神经网络，可以基于已知的输入/输出数据集通过调整各个感知器的参数训练神经网络“学习”的能力，类似于线性回归和人类大脑的学习。

人工神经网络是一个非常符合仿生学与人类直觉的人工智能实现路径，但人工神经网络在进行实际使用优化的过程中遇到了巨大的困难，在几十年时间里难以获得有效进展。深度学习从严格定义上来讲是一系列可以有效优化训练多层(深度)人工神经网的方法，而这些方法的诞生则离不开多伦多大学教授Geoffrey Everest Hinton在这一领域的长期坚持。

智能投资：Fintech的下一个风口？

“智能投资”是近年来被讨论较多的一个话题。随着科技研究不断深化，人类的努力是不会白费的。目前来看，在部分领域，人工智能已经做出了有意义的探索。AlphaGo战胜围棋高手之后，人们对于人工智能在更多领域的应用，越来越有信心；分类算法、神经网络算法的应用越来越广阔。作为下一个人工智能领域应用的风口，我们可以看到“智能投资”正在成为一股浪潮。在美国也好，在欧洲也好，在中国也好，直接用于智能投资的资金已经接近500亿美元，并正在以几何级数进行增长。

科技是在不断进步的，这是一种不可逆的绝对趋势。人们对于科技进步的认知也是在不断进步的。对于我们这类以量化投资为导向的私募管理机构而言，这是特别让人欣喜的。举例而言，比如量化投资，2013年之前，“量化”一词对于大家来说还显得很陌生，而在当下，量化投资是比较受欢迎和认可的一个资管子领域。“智能投资”也正在慢慢成为大家津津乐道的一个词了。在美国，不少智能投资类的公司已经得到了数十亿美元的风投，就连投行业的航母高盛，也对外宣称自己已不再是一家证券公司，而是一家科技公司。

Fintech高速发展的原因

智能投资的时代为什么会这么好，应该是有两个原因：第一，智能投资可以带来更高的投资效率；第二，智能投资能够带来更高的服务效益。金融是一项服务，服务最重要的核心是必须让服务产生效果。这种效果就体现在金融服务就是要让客户获取收益，不让客户赚钱在某种意义上就等于没有效果。这就是金融服务与其他服务不一样的一个本质。

科学化预测未来3到5年，智能投资领域的复合增长要到68%，这个数字是非常惊人的，传统行业连想都不敢想。国内有很多大佬级平台都已经在做智能投资，比如京东金融、百度金融、蚂蚁金服等等。

大数据及量化技术在智能投资领域的运用

一个好的思想变成一些好的模型，模型回测成功以后再进行实投，再进行正向演化变成资管投资，这里面有两个核心的部分：第一个是数据底层，第二个是机器算法。

通过“智能投研”的探索，我们把公司的估值、基本面、资金流向、选时系统等动态化，每天进行实时跟踪。而基于这个探索的研究成果，简而言之，就是不再像传统的资管机构那样，需要配置那么多研究员了，这可以节省很多成本，包括资源成本、人力成本、时间成本等。所有的结论，都是标准化、可追溯、可跟踪的，是用同样的口径计算出来，排除了人与人之间知识体系的不同，一个人在不同阶段主观能力不同导致的研究差异，而且智能投研反应速度快，比如估值，每天都会更新调整，让研究的效率更高。

弱人工智能已开始应用于药物研发领域，包括DeepMind在类的多个公司已经将研究重点转到人类健康领域。战胜癌症、寿命延长、人类的自我改造已在远处。弱人工智能的广泛应用将会彻底重塑人类社会，具备多重模式识别与判断能力的AI将拥有替代经过精细分工的人类职业的能力。在短期(10年内)，如司机、医学诊断等工种在技术上可以被彻底取代。而牛津大学2013年的一项研究预测，未来10到20年美国有47%的职业有较高风险(超过75%的可能性)，可以被人工智能取代。

目前，人工智能也正在展现出对金融行业的影响。高盛纽约总部曾同时有600多名股票交易员，目前只剩下两名。具备机器学习能力的交易算法替代了人类交易员。一个总部位于香港的对冲基金Aidiya宣布其所有的股票交易都由人工智能程序自动完成，没有人类干预。日本富国生命保险公司于2016年12月宣布已开始使用IBMWatson人工智能程序处理医疗保险理赔的医疗文件审核。而国内包括招商银行、华泰证券、蚂蚁财富等机构，也纷纷推出基于人工智能模块的应用。或许在不久之后，真正的人工智能金融机构会陆续出现在我们面前。

跑赢巴菲特你就赢了吗？

跑赢巴菲特你就赢了吗？事实上答案不会那么简单。巴菲特所管理的是数千亿美元，如同负重100吨的重型运输机和轻型战斗机比速度。在单纯的收益率方面，智能投资是很容易跑赢巴菲特的。巴菲特年化20%到23%的收益率，这在很多资管机构看来并不高。但考虑到他所管理的规模体量，在这种资管范畴里，每年有这么高的复合年化收益率，确实是了不起的。

因为我们知道，在每一个智能投资的策略里面都有资管的容量，容量是有限度的，比如策略买卖100只股票，能承受的容量是10亿元人民币，不可能无限大，所以说有时候推荐股票，一个人买，没问题；10个人买，也没问题；如果是1000个人买，一定会出现问题。

在资管领域，在考虑收益率的同时，必须要考虑策略容量的问题。智能投资能不能惠及所有的大众，看了很多外部材料介绍说，智能投资能够降低成本，降低门槛，普惠大众。而真的能惠及所有大众吗?我想答案肯定是不行的。智能投资核心的收益来自两个，第一是跟踪正确的能力。没有百分之百成功率的模型，如果能够找出一个模型成功率是60%到80%，就已经相当了不起了，所以跟踪正确能力要强，这种能力是有限度的。第二，发现错误的速度的能力。这两个问题都会让我们陷入困局，那就是每一个好的智能投资的策略，都是有容量限度的。智能投资即便是到了很普及的阶段，我认为还是不会完全取代人类以主观决策为主的投资，也不可能惠及所有人，只能造福少数人。

（本文作者系上海点掌传媒股份有限公司助理总裁,文章有删节）