金融四十人论坛——中国金融中坚智库
主页 >CF40月报 >圆桌:人工智能投资管理模式与挑战
字体大小[] [] []
圆桌:人工智能投资管理模式与挑战
[ 2016-07-30 ] 共有0条点评

圆桌时间:2016年7月31日

圆桌参与嘉宾:
  曹德云  SFI特邀嘉宾、中国保险资产管理业协会执行副会长兼秘书长
  张家林  SFI理事、艾亿新融董事长
  陈继武  SFI常务理事、上海凯石益正资产管理公司合伙人、董事长
  漆 远  SFI理事单位代表、蚂蚁金服集团首席数据科学家
  王 庆  SFI学术委员、上海重阳投资管理股份有限公司总裁
  Stuart Russell  SFI特邀嘉宾、美国加州大学伯克利分校计算机科学家

圆桌主持人:

  王海明  SFI执行院长

智能投顾新在哪儿

  曹德云:我们处于一个快速发展、变化的时代。特别是现代信息技术和计算机技术的快速发展,极大地改变了我们的生活和工作。

  我们今天所讨论的人工智能就是其中一个新技术。要说它“新”,也不是很新,其概念诞生至今有60多年了——大约在1951年或1956年就有人提出人工智能的概念。经过多年的发展,人工智能经历了不同阶段,有高潮也有低谷。但在现有信息技术下,我们把这个问题提出来,是因为其跟过去相比已经不可同日而语。

  人工智能应用在这几年越来越普及,各行各业都在关注这个问题,投资管理领域也在逐步引入这种新技术。资产管理讲究的是“三脑组合”:“人脑+电脑+首脑”,电脑本身就是计算的工具,而“人脑”则必须形成团队,有人操作,同时必须有人担任首脑,当然我并不是指具体的一个人,而是指目标、策略、方向。

  张家林:2012年我偶然看到一篇文章,美国对冲基金文艺复兴董事长提到,他们已经开始用经济学算法而非传统统计意义上的方法来做投资了,关键词就是“机器学习”。那时候我们就开始研究,到2014年我们下定决心,用人工智能的方法来进行投资管理。经过两年多的经验积累,今天我跟大家分享一下对人工智能的想法。

  Stuart Russell先生对人工智能的研究有多年经验,我也是通过其著作来学习人工智能的。在设计人工智能投资管理系统时,我们参照了他的模型——我把它叫做Stuart  Russell标准模型。但在实际场景中,我们需要研究如何将其和金融结合。

  那么回到本质,投资管理怎么做?投资管理涉及的范围很宽,证券投资领域则相对简单,现在我们只专注于证券投资,基本理论是马克维兹的投资组合理论,此外还发展了衍生金融、行为金融、量化交易等等理论。人工智能确实能解决中国的很多问题,中国资本市场的结构以中小散户居多(大约有1亿多人),从传统的投顾角度来讲,他们的研究能力、择时能力都有待提高,人工智能能为他们提供投顾服务,当然这个工具的效果和表现还有待改进。

  但当前人工智能在资产管理领域的应用还是很广阔的,我们也体会到了好处。现在我们使用了1000多台服务器,但对照AlphaGo还是不够,AlphaGo下棋时号称使用了好几千台服务器。资本市场的情况更加复杂,所以我们还要增加更多的计算能力。这些计算能力将用于学习:A股市场投资组合的空间特别大,理论上是10的500次方,但中国投资者的投资组合都是在10的5次方的范围内选择,空间很小。而机器学习把这个选择扩展到了10的33次方,从这个组合空间里寻找好策略。机器学习给我们提供了很好的方法,怎样在空间里找到适合于某个投资人的策略。目前我们公司刚开始推广一个应用,但还没有大规模地正式应用,还在测试中,估计下半年能正式上线。

智能投顾在中国的应用

  张家林:智能投顾目前在国内大概有三个方向:第一是咨询型,只是告诉客户买卖什么,后面的交易、风险管理都不管,不掌握客户账户的实时状态,也不能对客户下个阶段投资提建议;第二是资产管理型,即它帮助客户下单,相当于全权委托给它;第三是顾问型,目前这在国内还有合法性的问题,因为中国《证券法》上约定证券投资咨询不能代表客户下单,所以理论上讲,纯粹的投资顾问在中国还行不通,不能像美国那样。

  人工智能投资ETF(交易型开放式指数基金),在国外比较多,这和中国不一样,中国基础的标的资产比较少,所以大部分公司都构建自己的组合,有很多种方法。这个效果是仁者见仁,智者见智。

  陈继武:其实中国的投资行业一直在利用人工智能和信息系统辅助投资决策,特别是量化选股、对冲等等,应用程度比较高。但是在中国市场有个现象:我举个例子,美国罗素投资跟平安集团成立了合资公司平安罗素,但以失败告终。是什么原因导致这样的结果?我认为美国和中国市场的结构完全不一样,照搬美国市场的规则和做法,在中国往往适得其反。

  这就促使我们思考决定应用人工智能的市场因素,我们可以发现两个问题:

  第一,市场的有效性。市场是否完善?决策是否理性?美国市场上有80%的投资者是机构,中国80%以上的投资者都是散户,用机构市场的策略来应对散户为主导的市场,肯定会出大问题。

  第二,运行规则是否市场化?市场上有太多变量,比如人工智能能应付去年的千股跌停吗?所以我觉得不能完全利用人工智能进行投资决策。但市场的成熟度越来越高,投资者结构、市场市场化程度以及投资决策独立性,这些因素决定了人工智能在投资决策中的作用。

  从中国市场的结构和特点来看,人工智能很难在短期内得到应用。但通过互联网手段把信息传递给投资者,比如对购买、持有、赎回基金的环节提供专业化的自动服务,可能更有意义。但可以肯定地说,人工智能在投资决策的作用和价值不断在提高,这是一个趋势。

  漆远:首先,我特别同意我们不能照搬美国的策略到中国,因为市场非常不一样。但在市场不那么有效的情况下,人工智能技术在算法交易和策略上则更有可为的空间。如果是在完全有效的市场下,又另当别论。

  人工智能的大趋势很好,我简单说说人工智能在蚂蚁金服的应用。首先,我们把机器学习、图象识别、自然语言处理、语音识别等等能力用在了风险控制、对风险度的理解、用户画像等方面。

  人工智能在蚂蚁金服有一系列的应用。举两个例子:

  首先是财富个性化推荐。人工智能可以帮助我们了解客户的风险偏好、承受能力,以及对基金产品的理解,然后我们再进行匹配。

  再举个例子,保险业风险定价。精算师可能对传统的寿险、车险比较了解,但淘宝的退货险是非常碎片化的,我们就把人工智能、机器学习用上,效果很好。   

  人工智能技术在金融行业有一系列的应用。由于我们需要理解用户的需求,以及解决用户的问题,所以我们就开发了智能客服,我们的对话机器人可以解答问题,还可以自动猜测问题。在美国,机器人可以通过聊天了解客户需求,而我们可以做到发放贷款无人工干预,3分钟申请,1秒钟到账,这全靠基于大数据、云计算上的智能技术。

  而农村金融方面,孟加拉农村银行行长通过技术服务了海量的农村用户,包括从个人到商家。

  资产配置可以分为两种:一种是股票,比如美国的对冲基金文艺复兴等,另一种的资产配置更加普惠。但不管是哪种资产配置,都需要理解板块调整对市场的影响。对此,我们利用了人工智能技术来理解市场影响,比如我们输入华为公司,就能自动发现当前华为的新闻热点,自动产生总结,自动显示相关的股票板块、当前的热点信息、关联度等等,这一系列行为全部通过深度学习技术,自动和大数据结合,并进行相关服务。

  蚂蚁金服把金融生活能力智能化,触及千家万户和很多小微企业。

智能投顾面临的挑战

  王庆:为什么人工智能在投资管理中受关注程度突然上升?我认为很大原因是去年股票市场大幅震荡,人脑智能失败,所以开始关注人工智能。实践发现,股灾以来最火、流入量最大的基金是量化基金,因为量化基金在股灾中回撤最小,被当作避险资产。

  今天我们讨论的是人工智能的模式与挑战,需要区分两个概念:第一,人工智能对投资管理的作用、挑战和机遇,即能不能帮助挣钱;第二是人工智能对投顾(即投资顾问)的作用。

  我认为,人工智能对于中国这样的新兴市场国家来说,在帮助投资管理方面,面临更多的可能是挑战,而不是机会。由于中国经济本身就处在迅速演变的过程中,资本市场更是如此,在这样的市场中,最大的机会是基于人的智能对宏观趋势以及经济结构的判断,这是创造价值最大的来源;其次是市场中的趋势性机会;再次才是相对微小的市场中无效率产生的创造价值的机会。这些机会需要人工智能、需要量化、需要算法交易去捕捉。从量级上讲,上述三种机会,第一种最大,第二种其次,第三种量最少。这是一个相对的判断,并不是说第三种就没有价值。

  虽然股灾以来人工智能受到热捧,但如果把时间看得更长一点,通过十年或十五年的数据我们会发现,研究基本面的投资管理人会给投资人带来更高的收益。比如,复兴科技在美国这样的有效市场中,通过量化技术捕捉确定性微小的无效率,然后获得机会,在此基础上加杠杆才能带来高收益。但是在我们这个市场,加杠杆的空间非常有限。所以人工智能在这方面可能面临的挑战更多。

  我认为机会更多地会出现在投顾、财富管理和理财领域。正如移动通信对固线的影响,以京东、淘宝为代表的电商对线下零售企业的影响,以及各种互联网金融对传统金融的影响,这种线上对线下带来很大的颠覆性影响的原因是传统部门的效率太低,所以新的部门对其会有冲击。所以,我们需要花大力气在投顾方面。另外,居民财富的快速成长也需要财富管理和理财服务。但是这方面的二八效应明显,高净值客户需要线下服务,但是更多人需要线上服务,线上服务需要技术支撑,因而带来了对人工智能的需求。这个需求将带来很大的机会,等量于电商对传统行业以及互联网金融对传统金融业的冲击。

  所以,我认为人工智能在第三方投顾方面获得的机会更多,在投资管理方面则是面临的挑战更多。
      
  Stuart  Russell:根据我对AI的研究,我认为AI是一个非常理智的决策过程,无论在哪个市场上。但是现在有一个过于简单化的理解,特别是在投资领域,认为量化交易就是收集市场上股票现在和以往的价格,并以此做决策。这从某种程度上说是非常愚蠢的。这种决策流程对于AlphaGo而言可能比较有用,因为它可以看到围棋盘,看到棋子往哪里走,但是在经济领域,股市中1%的信息才是有用的,大部分都是一些经济方面的行为和信息,这些行为和信息并不能直接反映在股价上。也就是说,对AlphaGo而言,所有东西都是可见的,但是做经济决策、买卖股票时,整个世界不是完全可见的。

  我们人类对这种关系(即现实中真实事件及股价之间的关系)的理解在AI交易中也是缺失的。比如,白宫发生了爆炸事件,奥巴马受伤了,我们想知道这对哪些股票会产生影响,又如,北朝鲜政权垮台了,接下来怎么办?如果朝鲜攻击了美国的船只,这对AI又意味着什么?目前AI系统可能已经为这种可能性有所准备,这样的算法能更好地处理系统崩溃的问题。但现在我们用的AI系统,其实不能理解这样的信息,它已经把很多人类行为真实的意义给刨除在外了,所以会犯很多错误。对于根本的人性以及事情本身的原理,我们可以进行量化交易、配对。

  我以前在美国经历过,很多公司之前赚钱,但当它做出影响市场的决策后,赚钱并不是很多。很多公司有很高的利润率,因为其建立的AI系统能更好地了解市场的基本面,这样才能保证盈利率够高。

  王庆:现在新兴国家资本市场,特别是A股市场,主要的驱动力或投资机会更多是在基本面层面,而不是短期市场扭曲带来的,包括量化手段的应用。

  过去几年,有些量化策略的业绩做得不错,但如果做归因分析,我们会发现业绩可能不一定是量化本身带来的。比如量化要求投资组合涵盖几十只甚至上百只股票,如果组合内都是中小市值股票,而过去几年,中小市值股票指数的表现大幅度地超越了蓝筹股。这背后的收益到底是量化带来的,还是板块的风格带来的?所以在目前的市场环境下,量化交易、算法交易本身的有效性是有限的。

  同时,我也非常同意张家林刚才的分析。从普惠金融的视角来看,人工智能以低成本的服务给客户带来超越个人操作的业绩,这个价值非常可观,可以服务大众市场、长尾市场。
   
  漆远:从普惠金融的角度看,蚂蚁金服正是凭借着自身的平台,用一系列人工智能技术在最大程度满足长尾海量用户的需求。

  我特别同意Russell教授刚才讲的话。量化交易在中国刚刚起步,但是在美国,能做的事情所有的公司都在做。真正难做的,是王总刚才讲的宏观面的长期分析,比如朝鲜发生政治事件会对市场产生的影响。有些公司在这方面已经进行了尝试,通过结合一些知识图谱来分析事件的影响并进行推理。我承认这方面的工作非常有价值,但不管是学界、产业界,其实都是刚刚开始,并没有做到非常理想的程度。但我认为这方面的潜力非常大。
   
  曹德云:目前大家的观点差异并不在于对人工智能未来或者现行阶段作用的否定,更多的是在说它处在一个不同的发展阶段。

  我们现在的人工智能,无论是在境外还是境内,处在一个“弱人工智能”的阶段,只是说在某一局部或者某一领域,机器达到了人类智力的水平,但并不是全面达到人类的智力水平,这还是有很长的路要走。例如选股、选时,正如加州大学的Russell老师讲的,真发生一个突发事件引起股市变动的时候,机器是代替不了人脑的。因为机器现在不能完全模仿人的思维。比如人和AlphaGo下棋,机器能储存的信息量以及各种可能的高速计算,可能让机器强于人脑,但是人脑容易受心理和情绪波动的变化影响,这是人脑的弱点。将来也有可能所有机器能达到完全复制人类思维的水平,到那时候,人工智能可能会进入一个新的阶段。

  Stuart  Russell:是的,刚才讲的AlphaGo是一个很好的例子。如果遇到市场突发的情况,比如围棋规则突然改变,那AlphaGo就没有作用了,因为它每天读取的几百个棋局都遵循既有规则,如果改变规则其将失去作用,这是一个非常简单的AI。市场是不断变化的,有突发事件,很多人也参与其中,所以简单的AI很容易受到攻击。我们可以把市场上的不同行为放进机器,看哪些事件和市场结果有关联。我们不知道这么多算法会导致什么结果,但是可以做几百万种市场试验(试验成本也比较低),去发现市场如何反应,然后把这些数据录入机器,再根据它们进行预测和算法方面的设计,最后进行试验。

  虽然人们设计了复杂的AI应用,但是如果他们刻意隐藏行为,AI就很难进行预测。随机化的行为,电脑也预测不了。在生活的很多领域,很多事情不能预测,市场投资也是如此,否则AI也能很快找到投资挣钱的方式。

智能投顾的监管问题

  张家林:至于合规性问题。创新一定要合规,无论是美国还是中国都强调合规性,目前国内对人工智能投顾的政策正在改进。那怎么让人工智能投顾成为合规的产品和服务,并提供给广大投资人使用?这不光是我们一个企业的问题,也是整个行业的诉求。

  陈继武:我认为监管问题,实际是不存在的。例如基金契约,基金发行者和投资者之间的契约确定了投资范围、资产比例。同样,机器人工智能也不能突破这个基金契约,至于在契约之下怎么选,那是投资者的权利。此外,不能当天买入卖出,形成事实上的对倒对敲和反向交易,也不能进行关联交易,我认为人工智能技术可以发展到规避这些越线行为。

  既然监管不存在问题,那么影响它发展的核心问题是,能否为投资者挣钱。投资者只在乎钱,没赚到钱,一切都是白搭。

  Stuart Russell:我觉得监管机构应该小心,人工智能系统可以通过加强学习来制定一些赚钱策略,有些策略是不合法的,但是程序交易员会设法让它合法化,帮助客户赚钱,这一点需要警惕。我们不应该把每一个比特币都当做真实货币去交易,如果这样做,实在太愚蠢了。程序交易员应该知道,现在的竞争非常激烈,也应该知道不能把比特币当作真实货币去对待。

智能投顾的发展前景

  王庆:我认为,人工智能应用于中国投资市场,现在还不是最好的时机。在未来相当长一段时期内,大的投资机会还是基于市场基本面的。我们对更先进技术的需求,要等到我国经济结构转型成功、个人投资者趋于成熟理智,以及机构投资者所占比重持续增加之后,才会出现。因为到那时我们需要更好的技术去捕捉市场中的扭曲来获得超额收益,而现在这个愿景还很难实现。

  目前适用于中国的人工智能水平,只需非常低级的就可以。在资本市场里,尤其在某一时段,很大程度上存在存量博弈的特点。在存量博弈的环境下,获取的优势其实是相对的,因此只要获得相对优势就可以。如果市场由猴子组成,只要有一个大猩猩,这个猩猩就可能挣很多钱。同样,如果市场是由众多个人投资者来主导,只要是一个相对遵守投资纪律的专业投资人,就很容易获取超额收益。在中国,虽然大家对公募基金有很多诟病,但实际上整个公募基金的表现,是非常轻松能超越整个指数的表现的。

  对于人工智能,我们根本不需要特别高深的技术,只要稍微领先个人投资者的平均水平,就可以在存量博弈交易的环境下获取超额收益。相反,如果人工智能水平太高,反而不一定挣到钱。在中国A股市场中进行投资,相比于高精尖的人工智能技术,也许几个最简单的变量模型更有效。

  张家林:总体来说,人工智能的空间很大。机器学习对投资管理的边际贡献是很大的,因为可以不断增加新认知;而人的边际贡献却越来越小,所以,我们从理论上就能证明人工智能机器学习的好处。同时,对于当所有投资人都用机器学习(人工智能)进行投资对市场可能产生的影响,我们做了初步的研究。在人工方式下,市场趋同交易或股价同步性的概率特别大,所以,中国A股经常出现的千股涨停跌停的局面,跟策略的独立性较低和生产方式(也就是逻辑)相似概率较高有很大关系。如果大家都用机器学习或者人工智能来进行投资,独立性更大,任意两个投资人之间的投资组合相似度也将变低,这对整体市场来讲,波动性会降低。当然,也不能让所有人都通过人工智能获利,这也不太现实。所以,我们既应该看到其价值,同时也应看到局限性。

  现在投资管理强调“了解客户”(KYC),对投资管理公司来讲,“了解客户”就是“输入”,而输出的不仅仅是投资组合或投资策略,而是“客户满意”(SYC)。因此人工智能在投资管理行业的主要应用目标要明确:从KYC到SYC怎么做?这就涉及投资管理价值链上的每个环节,目前分为六个核心模块,比如用户分析、投资组合、交易、风险管理等等,每个功能模块都可以用机器学习技术来实现。作为整体的系统推给服务,这非常具有挑战性,也能迎合市场需求。

  我和王庆的观点有一些不同,我认为在中小投资者财富管理碎片化的驱使下,人工智能有很大的发展空间。比如一个中小投资者今天有50万闲置资金,希望买入风险资产,但是期限很短,有时一个月甚至更短,无法完成那些依赖于基本面且投资周期很长的策略,这种碎片化的财富管理模式,就需要依靠一个系统帮助他捕捉市场信息作出投资选择。但是,如果针对一个上述情况的客户是容易应对的,但是这样的客户数以百万计、千万计呢?如何为他们每个人提供与其需求相匹配的策略,且限期确定、风险可控,这就是需要人工智能来解决的。

  作为投资管理人,我们都希望客户投入的资金最好一百年不退出,这样策略就容易制定,基本逻辑是买入、持有、挣钱,这是基于宏观经济的策略实践,前提是不限定投资周期、且资金可以持续投入,但是这种投资策略不适用于所有人,特别是中小投资者。所以针对数量居多的中小投资者,人工智能的进入就变得很有必要。

  我认为人工智能不能替代所有人的工作,因为将来的投资管理行业,特别是资产管理行业,可能会发生两个分化。我考虑用人工智能做什么的时候,首先考虑的是to C,即大量的散户,他们的投资金额不大,每个人的可投资金额在100万以下,这种情况下怎么为他们提供顾问服务。之所以如此,除了考虑我们的商业模式和盈利以外,另外的考虑就是,将来有没有必要上亿人每天花几个小时看K线图?我坚信下一代可能很快就不用阅读K线、年报这些信息了,把这些信息交给机器人或者AI,这就是助理兼顾问的概念。

  至于人工智能会不会成功,由于我们公司成立的时间比较短,还没有大量的实证数据。但是目前来看,成绩超过大部分散户自己操作肯定没有问题。机器的风险控制能力强、没有情绪,一定会超过散户自己的水平,但是能不能超过私募明星基金经理就很难说。但是我觉得没有必要跟他们比,因为超过他们意味着系统投入将非常大,所以从普惠金融的角度来看,我觉得用一套人工智能系统为大部分人服务可行。

  最后,《投资历史》一书分析了未来的两个趋势。其中一个是,以前的资产管理都是精英派,将资产交给聪明的人管理。随着技术的演变、资产类别增多,目前A股市场有2000多只股票,如果将来中国人可以到境外投资,可投资股票将达到上万只,这么大的可选择空间,该如何选?这显然已经超出了人的能力。所以不管什么机构,都该用机器学习的方式,提高自己的管理能力,这是一个趋势。

  陈继武:刚才王总分了几个层次,比如我们看到一个市场的经济结构转型、产业升级的机会,这种机会短期内很难用人工智能的方法进行投资决策。

  但是市场在运行的过程中会出现扭曲和无效,我们可以通过模型和工具,用软件系统捕捉这个机会,我认为这种机会会越来越多。

  至于机器人客服,我们可以用机器或者其他自动化的形式对投资者、顾客服务,把所有可能的问题进行归类,每类给一个标准化的回答。这个方面,人工智能有很大的价值空间。

  今年上半年我们公司的一个基金取得了37%的收益率,在股灾连续出现的情况下如何取得这么高的收益率?中国现在处在经济结构调整过程中,很多行业的龙头地位已经凸显,如果不对这个公司的团队、战略、思路深入理解、评估,很难构造投资组合。当然,这里可能还有一些幸运的地方,就是这么多年来我一直在跟踪很多公司。

  目前来说,从我个人而言,我更希望通过这种模式来大幅度地战胜市场。但是我们也越来越依赖于人工智能和信息系统,它给我们提供很多投资机会。比如凯石公司正在做一个为基民提供选择基金服务的系统。如何将研究成果用于解决基民选择基金时的盲目性?我们通过系统,借助于互联网技术,把研究成果更好地传递给投资者,提供服务。很多人不知道该买什么基金,何时赎回,我们就通过这套系统来服务客户。这方面,人工智能是大有可为的。

  衡量人工智能投资产品是否成功,要看是获取绝对收益为成功,还是获得相对收益为成功。首先这个标准要弄清楚。

  从数据上看,中国公募基金业从1998年发展至今,有18年历史,目前投资公募基金的人数已达1.88亿人,这18年来,它的年化回报率在17%以上,战胜了市场9个百分点,分红金额达2.1万亿人民币,这是很重要的成绩。

  再看债券市场,回报率同样大幅度战胜了市场。但这取决于一个条件,需要相对的长期投资。如果从短期收益看,绝大部分的个人投资者是输给机构的,因为做基金投资、股票投资决策的时候,他的心电图和股票K线图基本一致:在底部时,股票和基金市场成交量惨淡,销售很难,大盘到了5000点时绝大多数人都飞蛾扑火一样冲进去,总是出现“底部出售、高位被套”的散户投资者。所以机构投资者总能挣大钱,行为金融学在中国的作用可能更大一些。

  曹德云:对人工智能的应用,并不是现在才有的。长期以来,无论是规则、制度、标准,还是流程、系统和模型的建立、应用,我们始终在跟人工智能打交道。比如,国内外很多机构都在将投顾技术运用于风控、资产配置,特别是选股上等等。但随着技术的逐渐成熟,在保险资产管理领域,我们也会逐渐加大其应用比例。到今年6月末,保险业总资产14万亿人民币,到2020年,预计总资产会达到25万-30万亿人民币,到那个时候,随着现代信息技术的发展,保险资产管理领域也会有很多公司应用这种技术来提高效率、降低成本、提高信息透明度。无论是对市场主体还是服务对象,这都会带来更好的体验。

  所以,我对人工智能充满信心,我也希望我们能坚定方向走下去,但必须立足现实、稳扎稳打。

  Stuart Russell:在未来10-20年里,我认为基金顾问、投资顾问行业在AI领域会有很大的突破。让孩子们学会编程、使用智能投顾,这是在未来是非常必要的。

  那么在未来15年,是不是很多人都会成为这样的科学家?我认为不是,否则他们在全球的工作都可以由机器工作,那人类就没有工作了。我们总是会有新工作,社会总在新改革之中发展。比如工业、农业,如果统统智能化,就像美国、西欧,以前人口中有80%服务农业,现在只有2%的劳动力在农业方面,超过75%的人重新找工作。

  我想,如果越来越多的机器取代人,以前只是取代体力,现在取代人类大脑,那我们人类还剩下什么?我们怎样屹立于这个世界?尽管机器永远不是人,但我相信在未来的50年里,会有很大的改变,机器会使得人类承受一些伤害。

  我认为,我们还是有很多需要人与人面对面沟通的职业,比如心理学家、精神治疗师。而且未来这一类型的工作会越来越多。就像巴菲特,可以通过和别人一起吃饭来收钱。所以需要面对面交流的职业会越来越多,这很难被机器所取代。

  最近,我在《哈佛商业周刊》看到一篇文章,里面提到“到2025年,机器的智商将达到美国人民的95%的水平,这将是很大的一个提升。”但我觉得这完全是在胡讲。

  首先机器本身没有智商,我们讲的“智商”,只是针对人的,即便对人,也不是一个很好的衡量标准,因为人的能力在很多方面都有直接的相关性,比如说我会计做得很好,文章也写得很好,对诗的理解能力也很棒,这之间是有关联性的。然而机器的情况完全不同,比如AlphaGo,在围棋方面做得很好,但是不能欣赏诗歌,对其他任务是零智商。因此,机器的能力非常有限、非常狭隘。

  分成不同的智商级别,我觉得毫无意义。比如Google有很简单的一个AI系统,每天要阅读400页的文章。如果从单页内容来说,一个人对其的理解程度要比机器透彻很多。Google什么时候才能更好理解每一页文章上的内容?帮助人们更好的了解这个世界?这是未来需要探索的一个点。

  因此,不是说通过给机器分级来让其接近人的大脑,而是让它不断完善、进步,这样可以让整个AI系统变得更加有效。比如语音识别系统,以前如果是在比较安静的情况下用麦克风讲话,可能是82%的识别率。但是在这个识别率下,存在很多差错,如果识别率能达到96%,就会非常有价值,语音识别行业会迅速发展起来。因此从82%到96%,这一点点进步就意味着对行业产生很大的影响。

  再举一个例子,现在无人驾驶汽车这个技术还无法达到100%的完全,目前安全率是99.95%,这个安全率还不够,要达到99.999995%才可以,只有这样,我才能把生命交给无人驾驶汽车。当这个安全率实现后,才可以撬动价值6万亿美元的无人驾驶市场,导致5000万人将会失业,比如开卡车的司机或者开出租车的司机。所以AI未来25年的进步,一定会对社会、人类造成很大影响。

注:

[1]圆桌由上海新金融研究院整理,因时间所限,发言未经本人审核。


[打印]
[发送给朋友]
[放入收藏夹]
[复制地址]
相关点评 (共 0 条) 更多点评>>
我也说两句:[所发表的评论仅代表个人观点,与本网站无关] 更多点评>>

字数少于500
用户名: 密码: 匿名
高级
最新文章
决定房地产投资的“... [ 伍戈 ]
中国需要什么样的金... [ 徐忠 ]
二十国集团合作与国... [ Nathan Sheets ]
Fintech时代中小商... [ 张健华 ]
我国消费金融发展的... [ 孙国峰 ]
有效去产能的关键是... [ 徐忠 ]
再通胀的起落 [ 伍戈 ]
当前需要积极开展适... [ 连平 ]
最热文章
银行业去杠杆的主攻... [ 李伏安 ]
去杠杆的标本兼治之... [ 徐忠 ]
供给侧结构性改革中... [ 孙国峰 ]
金融科技风险及防范... [ 李东荣 ]
从风投数据看未来行... [ 林采宜 ]
深化国企改革 建立... [ 杨凯生 ]
房地产供应产生的扭... [ 高善文 ]
投资拉动增长虽强劲... [ 哈继铭等 ]

版权所有:北京四十人论坛顾问有限公司 秘书处电话(010-88088160)

联系我们:北京市西城区金融大街33号通泰大厦 010 88088160   邮箱:cf40@188.com