作者：降晓冉
转载之https://zhuanlan.zhihu.com/p/24753768
【嵌牛导读】Alpha Go 升级版Master在30秒一手的快棋对决中碾压了全部人类顶级棋手，在短短七天的时间里取得了60胜战绩。围棋，这一人脑与电脑对决的关键战役，人类最终还是完败。Master打出的这句话似乎宣告着一个时代的开始和一个时代的终结。
【嵌牛鼻子】人工智能、围棋、投资
【嵌牛提问】人工智能在围棋领域超越人类之后，还会在哪个领域再次一鸣惊人？
【嵌牛正文】2017年开年，人工智能就爆出一个大新闻。
Alpha Go 升级版Master在30秒一手的快棋对决中碾压了全部人类顶级棋手，在短短七天的时间里取得了60胜战绩。围棋，这一人脑与电脑对决的关键战役，人类最终还是完败。
Master打出的这句话似乎宣告着一个时代的开始和一个时代的终结。
如果说去年的Alpha Go 对战李世乭还会出昏招的话。那么今年的Master在对弈过程中则没有任何破绽。可见一年来，AlphaGo在千万次的对弈训练中已经升级为名副其实的Master，数千年以来的所有棋局，已经都在Master深度神经网络中了然于胸。人类在围棋中总结出来的经验，已被AI突破。正如唐韦星九段总结道，“感觉狗狗就用一把木剑就败尽天下高手。”看来Master已经练就了张无忌的境界。
人工智能在围棋领域超越人类之后，还会在哪个领域再次一鸣惊人？或许音乐，或许是文学，我们拭目以待。其实，在琴棋书画以外的投资领域，人工智能也在不断地突破和进步。
Master核心的深度神经网络主要由“策略网络”和 “值网络”构成。“策略网络”主要负责预测下一步棋怎样走，而“值网络”主要负责预测棋盘上不同的分布会带来怎样的结果。就是通过它们无间地合作，把围棋推入到了更高的境界。
需要注意的是，棋局是一个规则清晰、信息完备、博弈双方很明确的行为，人工智能可以很快得出一个没有噪音的结果。可是金融市场跟下棋不一样，金融市场充满各种噪音，市场博弈双方有特别多的偶然性。因此，人工智能在金融领域的应用会面临着更大的挑战。
人工智能在金融领域的应用
在预测某一类资产未来走势的时候，机器学习扮演着非常重要的角色。首先要对各个影响市场因子的重要性分类，比如货币供给、利率水平、CPI、GDP增速等。然后，把市场因子和技术因子交给机器学习，包括“支持向量机学习”“ 决策树引擎”“ 贝叶斯分类”，共同得出一个结论。
璇玑机器学习对A股市场的预测结果
毫无疑问，机器学习对于我们利用机器学习提高预测的准确性。通过不断学习新的数据，并自我反馈完善模型，可以有效提高预测的准确性并做出投资决策。那么有了机器学习，我们可以把钱放心地交给人工智能吗？答案是否定的。
现阶段而言，机器学习在金融的应用上仍存在一些风险。因为机器学习擅长发现数据间的相关性而非因果性。很有趣的一个例子发生在1990年，一家对冲基金发现孟加拉国生产的黄油，加上美国生产的奶酪以及孟加拉国羊的数量与标普500指数从1983年开始具有99%以上的相关性。但是1993年之后，这种关系莫名其妙的消失了。
因此，目前来讲AI在金融领域的运用要首先考虑的是金融的逻辑。所以AI在投资决策中只占到一定的比例，此外仍要用到传统的数据统计方法，包括事件训练模型、回归模型等。我们将这些方法综合起来给一个评分，对数据做完分类之后在做预测，进而得出投资决定。
尽管战胜了所有顶级围棋大师，但是Master仍属于只处理特定问题的“弱人工智能"，它不需要具有人类完整的认知能力。科学家正在努力研发能够把意识、感性、自觉等人类特征互相连接的“强人工智能”。也许那个时候，我们就能放心地把投资交给AI了，不过那个时候我们人类要去干什么呢？
