OFweek機器人網(wǎng)訊 最近在金融市場上關于技術的最熱話題非比特幣和人工智能（AI）莫屬，以比特幣為代表的所謂“數(shù)字貨幣”或者“虛擬貨幣”的交易價格不斷創(chuàng)出歷史新高引發(fā)更為廣泛的關注，至于人工智能的話題熱點從之前的自動駕駛等領域擴散到了金融市場上的應用方面，無論是賣方還是買方，越來越多的知名金融機構開始采用人工智能來豐富自己的投資手段，提高決策效率。有些據(jù)說還取了不錯效果。這在引發(fā)了人們對人工智能更為廣泛的期待的同時，也引發(fā)了不少憂慮甚至恐懼。

有研究員寫了篇報告的題目叫：人工智能時代，10年后我們還能干什么？根據(jù)耶魯和牛津大學等海外知名研究機構的報告，10年內(nèi)人工智能有望在翻譯、高中水平的寫作、卡車駕駛、售貨等領域超越人類，到2060年前后有50%的概率超越人類。這種觀點比較直觀，也容易引發(fā)共鳴。小時候看科幻作品時憧憬各種科學進步為我們生活和工作帶來諸多便利，而現(xiàn)在大家卻發(fā)現(xiàn)人工智能是可以讓自己飯碗不保的。實際上只要我們回顧歷史就能發(fā)現(xiàn)，技術革新每一次給人類社會帶來巨大進步的同時，總是伴隨不少社會性成本的。特別是類似就業(yè)壓力這種對一般人而言都非常直觀的感受的確容易引起廣泛的關注。

離我們最近的例子，可能要數(shù)以淘寶為代表的電商對傳統(tǒng)零售業(yè)帶來的沖擊，這幾年你在不少二線省會城市的出租車上就能經(jīng)常聽到司機怒懟Uber和滴滴的同時，聽他們訴說對電商的抱怨。他們承認技術進步帶來的好處，但無法接受世界改變的步伐太快，擔心自己被排斥在受惠人群之外。有人甚至直接表示政府應該為此負責，從監(jiān)管方面限制某些新事物看起來粗暴又無序的發(fā)展。如果說起初那些由強烈的獲利欲望團塊化起來的金融白領們在適應互聯(lián)網(wǎng)時代開花結果的歷史進程中受益匪淺的話，那么人工智能從過往的概念到現(xiàn)在實際應用的推廣開始逐步深入的今天，金融白領們開始感受到的是不安。

其實在現(xiàn)實里，人工智能的雛形在金融領域的應用早就開始了，最近的例子有美國以及日本等發(fā)達國家早些年開始銷售的針對個人投資者的“機器人”公募基金，其中比較具有代表性的是一種以技術指標為標準的基金?；鸾?jīng)理通過對過往技術指標的與股價關系的分析，做出投資判斷，而這個分析過程使用的是基金經(jīng)理自己編寫的程序。這種程序開始比較單純，隨著時間流逝，由于基金經(jīng)理考慮的要素越來越多，因此程序自身也越來越復雜，其中部分產(chǎn)品很自然的隨著技術開發(fā)的進展，逐步導入深層學習（Deep Learning）并在實際運作中逐步完善，正式進入目前最流行的“AI”概念。

基本上，這類產(chǎn)品的特征在于重視過往市場數(shù)據(jù)的分析，應用深層學習的技術對股價進行預測。從結果而言，在市場異常波動的情況下此類產(chǎn)品也沒能擺脫人工操作的那些煩惱。一些比較有代表性的基金在去年英國脫歐，以及美國大選這種重大事件上的表現(xiàn)就充分反映了人工智能在高速發(fā)展的今天面臨的實際問題。有的連戰(zhàn)連敗，有的平分秋色，很難找到真正的常勝產(chǎn)品。一位利用人工智能開發(fā)出可適應超過140萬億種可能性的投資工具的基金經(jīng)理在事后難掩失望之情，表示自己能做的只是進一步完善自己的程序。而在此類事件中擁有成功體驗的人工智能產(chǎn)品實際不少也表示有難言之隱，有個產(chǎn)品將以腦神經(jīng)為模型的程序擴大化，以期從浩瀚的數(shù)據(jù)庫中提取真正有效的規(guī)則和判斷標準為投資決策服務。此類產(chǎn)品由于整個計算過程涉及龐大的數(shù)據(jù)量，然后彼此復雜的關聯(lián)起來，人工智能提取的“最佳方案”到底是如何起到作用的，在目前看更多時候其實是難以得到令人滿意的解釋的。由此帶來的問題在于，結果上雖然機器人成功給出了回避風險的信號，然而基金經(jīng)理卻無法解釋其原因，也很難正確的把握人工智能的決斷究竟基于什么因子，因為很可能程序的判斷僅僅是一種巧合。在強調(diào)對客戶的“說明責任”的金融市場里，這成為了一個巨大的風險點，在合規(guī)上也需要引起更多的關注和討論。

有意思的是，目前逐步有統(tǒng)計資料顯示，采用了人工智能的基金產(chǎn)品在過去一段時間取得了超越業(yè)界平均的回報。這無疑會進一步刺激資金從傳統(tǒng)的主動投資產(chǎn)品流出，涌入該類產(chǎn)品，然而無法解釋自身業(yè)績的產(chǎn)品究竟何去何從還是個灰色地帶?？梢灶A見的是，人工智能產(chǎn)品熱賣的結果，在近期依然是需要人工去做出選擇的，這個選擇基準和投資判斷何時被人工智能取代也是一個有趣的話題，足以引起更多更深入的思考和討論。除了上述的黑箱現(xiàn)象之外，目前的人工智能產(chǎn)品實際上還存在另外一個普遍的現(xiàn)象或者說問題：近期美國統(tǒng)計數(shù)據(jù)顯示出人工智能介入的金融產(chǎn)品的成功更多是在相對穩(wěn)定的市場環(huán)境中實現(xiàn)的。如果用A股市場最流行的方式表述，割韭菜的收割機越大對環(huán)境的要求就越標準化。目前的人工智能取得的成績很可能就是在效率上對人工進行了割韭菜的結果，那么，市場中人工的各種情緒和感情因素被排除后，這些人工智能產(chǎn)品的超額收益應該從哪里來呢？其實從大多數(shù)人工智能的設計思路也能想到，大數(shù)據(jù)本身其實就是過去的經(jīng)驗，如何面對新的未知領域實際上人工智能和人工面臨的困難其實并沒有發(fā)生任何根本性的改變。

在日本運作了長達26年的一只導入人工智能的基金的勝率以月度計算的話達到60%，平均回報率為2%，筆者尚在日本工作的時候經(jīng)常被資深前輩告誡的一個經(jīng)驗上的業(yè)界現(xiàn)象是，50%是一個分水嶺，也就是那些有嚴格倉位限制的股票基金的管理者能夠在日本市場生存的淘汰分數(shù)線。實際上，以筆者的經(jīng)驗而言，做到53%的勝率就有機會在公募基金中脫穎而出，以5年為單位的業(yè)績基本上能排到前列。而強調(diào)絕對收益的基金更重要的指標是在基金經(jīng)理在有利于自己的市場條件下能夠獲取的回報率，勝率反而不是那么重要。筆者相信這個潛移默化自然形成的業(yè)界基準實際上換了人工智能也會同樣適用。任何成功的人工智能產(chǎn)品只要其原理開始普及，那么，可獲取的利潤空間將逐步收斂，就像ETF這種怪獸級的產(chǎn)品早晚也會迎來由于自身過于龐大而引發(fā)的困難局面。就像目前民航飛機的兩強，空客和波音，前者在設計上就全面實現(xiàn)了自動操控，而波音卻堅持保留了人工操縱的功能。人工智能在不斷進化，人類自身也在不斷積累經(jīng)驗教訓。究竟誰在這個領域更為優(yōu)秀，目前不宜操之過急下結論。日本第一只采用機器人運作的公募基金的開發(fā)者就曾經(jīng)分析，自己的機器人以技術指標為投資判斷的工具，只要市場上還存在相應的以基本面分析為主的投資者，技術分析在實際投資中就有效，把時間花在討論價值投資和技術分析哪個更優(yōu)秀的話題上簡直就是浪費生命。

由于人工智能的誕生實際上不僅僅是人類興趣使然，更大的社會厚生性質是為人類自身服務的產(chǎn)品，是人類提高效率的工具，人工智能的未來也不應該偏離這個初衷，很多對人工智能的擔心實際上可以被歸結到人工智能的倫理判斷標準中去討論，形成人工智能的倫理標準相信是早晚的事情，也是個動態(tài)的過程，而人類自身必然才是這個標準的制定者和執(zhí)行者。早前在自動駕駛的領域，曾引發(fā)很深入的討論。在交通事故不可避免時的人工智能應該如何判斷下一步的行動，為了避免更大的傷亡是否允許犧牲更小范圍的利益相關方，道德理念的基本原則究竟應該如何設置等問題最終肯定不會是技術研究人員單方面的問題，需要更多更廣泛的社會討論才有機會實現(xiàn)真正的自動駕駛。在新的發(fā)展階段總是存在為數(shù)眾多的未知領域，總的來說，對社會整體的利益超過成本的話，那么持續(xù)的投入進行深入研發(fā)就是值得支持的，對于未知的風險管控采取一種在發(fā)展中解決問題的樂觀主義態(tài)度也未嘗不可。不過無論哪一種技術進步，一旦步子邁得太大的時候，應該采用何種方式方法來平衡激進的領先者和大多數(shù)的利害關系會成為很緊迫的社會性問題。創(chuàng)造性破壞即便在長期看來對社會進步有益，但如何消化其負面沖擊？最好的辦法就是找到辦法讓更多人從中受益。

如前所述，人工智能目前在金融領域最大的優(yōu)勢可能是因為沒有人類最樸素的感情因素，那么在其高速發(fā)展的過程中，除了諸多無法準確解釋的因素導致一般信賴性問題之外，早晚會面臨與自動駕駛同樣的倫理觀念的標準問題。上個月，日本央行總裁黑田東彥在日本金融學會作報告時專門強調(diào)了現(xiàn)在貨幣政策面臨的困難，其中一點就是金融市場的深度廣度對央行的挑戰(zhàn)，所謂的Flash event的發(fā)生不僅會影響央行政策的傳導，一旦引發(fā)事故，央行還需要在傳統(tǒng)政策框架之外出手穩(wěn)定市場，維持正常的秩序，甚至事后如何追究責任等現(xiàn)實問題早晚也會影響到人工智能開發(fā)的原理原則。

對人工智能的飛速發(fā)展樂見其成，對其副作用也要有更充分的預見性準備。這樣在將來矛盾累積到一定程度突然出現(xiàn)大規(guī)模問題時我們所支付的成本才可能更有限。最近高層認識披露的對2015年股市異常波動，以及最近金融去杠桿的宏觀背景中無法抹去的影子銀行問題在本質上都與此類似，沒有質的區(qū)別。