王寧表示，人工智能和金融領(lǐng)域結(jié)合分為四部分。首先是行為分析，通過(guò)智能資產(chǎn)管理，給每個(gè)用戶(hù)定制化的配置你的資產(chǎn)。現(xiàn)在我們看到很多網(wǎng)銀APP跟互聯(lián)網(wǎng)公司結(jié)合，定向推送廣告，廣告或?qū)⑴c你的信譽(yù)相關(guān)。信用評(píng)級(jí)是通過(guò)行為大數(shù)據(jù)和人工智能結(jié)合去完成的。第二，安全領(lǐng)域，反欺詐、虛假信息賬號(hào)，這些都是大數(shù)據(jù)的數(shù)據(jù)挖掘問(wèn)題，也是人工智能問(wèn)題。第三，投資銀行領(lǐng)域、交易領(lǐng)域，做算法交易、自動(dòng)化交易、風(fēng)險(xiǎn)控制，包括現(xiàn)在人工智能的資產(chǎn)管理經(jīng)理，怎樣調(diào)配一個(gè)最優(yōu)資產(chǎn)組合。最后，客服領(lǐng)域，傳統(tǒng)商業(yè)銀行或零售銀行，很大程度要跟客戶(hù)打交道，現(xiàn)在很多地方可能被取代，人工智能助理、人工智能信貸員、人工智能決策放款收款都存在，還有智能推進(jìn)系統(tǒng)。四個(gè)方向的人工智能都能夠幫助金融，最終將最前沿的人工智能應(yīng)用到金融領(lǐng)域。
人工智能給我們帶來(lái)哪些方面的挑戰(zhàn)?王寧稱(chēng)，牛津大學(xué)的報(bào)告顯示，未來(lái)47%的以上的工作都會(huì)被機(jī)器取代，相對(duì)低端的工作，比如銷(xiāo)售、生產(chǎn)、交通、智能汽車(chē)，很多方面都會(huì)被替代。美國(guó)質(zhì)庫(kù)調(diào)查數(shù)據(jù)表明，傳統(tǒng)券商領(lǐng)域大概有5萬(wàn)多個(gè)工作會(huì)被機(jī)器取代，以及資產(chǎn)管理也有很多，現(xiàn)在人工智能管理出來(lái)之后，非常多的工作機(jī)會(huì)將會(huì)被流失，還有私人銀行的財(cái)富管理工作、投資銀行工作、銷(xiāo)售工作都會(huì)被取代。
人工智能來(lái)了，大家都很恐慌，我們都在擔(dān)心未來(lái)會(huì)不會(huì)哪一天就被機(jī)器替代了。2016年我曾經(jīng)講過(guò)，人類(lèi)向右，機(jī)器向左。因?yàn)槿说拇竽X分左右腦，左腦更多是理智做判斷、決策的，這些方面會(huì)慢慢被機(jī)器取代，人是無(wú)法比擬的，機(jī)器有先天優(yōu)勢(shì)，就像馬云說(shuō)的你不可能跟汽車(chē)、火車(chē)比賽跑。人更多的是關(guān)注右腦做創(chuàng)意、藝術(shù)、靈感，這些發(fā)散性的思維，這是機(jī)器在很長(zhǎng)一段時(shí)間取代不了的。但最終是人與機(jī)器所協(xié)同，人解決的問(wèn)題機(jī)器解決不了，機(jī)器做一些人不擅長(zhǎng)的工作，人機(jī)結(jié)合，達(dá)成互通做決策的過(guò)程。
以下為王寧的演講實(shí)錄：
王寧：非常幸運(yùn)，我一上來(lái)就有話筒。感謝大家，謝謝李院長(zhǎng)的邀請(qǐng)，主辦方做了大量工作，很有幸能夠參加這個(gè)會(huì)，我昨天會(huì)倫敦飛過(guò)來(lái)，還在倒時(shí)差，所以今天講不好，李院長(zhǎng)不要叫做我國(guó)，因?yàn)楝F(xiàn)在倫敦才早上6點(diǎn)鐘，按道理我剛起床。
今天給大家分享我們最新在金融科技特別是大數(shù)據(jù)、人工智能方面的想法和最新進(jìn)展，我叫王寧，是牛津大學(xué)NIE金融大數(shù)據(jù)實(shí)驗(yàn)室的，主要做數(shù)據(jù)科學(xué)，偏重于人工智能和量化交易方向。我們這個(gè)實(shí)室是牛津大學(xué)金融系的一部分，同時(shí)也是互聯(lián)網(wǎng)學(xué)院的研究員。
大家看這張圖，四個(gè)人在抬一個(gè)很大的箱子，大家可以猜一下是什么東西?這張圖是IBM1956年發(fā)布的一張照片，大家當(dāng)時(shí)在看一個(gè)龐然大物，這是一個(gè)大數(shù)據(jù)，只有5兆容量，1956年能夠有一個(gè)5兆的存儲(chǔ)器，可能就是大數(shù)據(jù)。
2013年，我們現(xiàn)在講大數(shù)據(jù)，現(xiàn)在我們更多叫yottabyte，是10的24次方，這張圖是美國(guó)國(guó)家安全局的數(shù)據(jù)中心，是全球部署的，所有數(shù)據(jù)都存到這里，應(yīng)該是迄今為止世界上最大的數(shù)據(jù)中心，設(shè)計(jì)容量是一個(gè)yottabyte，現(xiàn)在我們所講的大數(shù)據(jù)遠(yuǎn)遠(yuǎn)超出50年代的大數(shù)據(jù)概念。
我在牛津大學(xué)的同事也是大數(shù)據(jù)時(shí)代的作者，之前是哈佛學(xué)院的，他寫(xiě)過(guò)一本《大數(shù)據(jù)時(shí)代》在中國(guó)特別火，后來(lái)被翻譯成中文。他在2013年，五年前就已經(jīng)在說(shuō)大數(shù)據(jù)，他說(shuō)大數(shù)據(jù)是一個(gè)非常有潛力，我們現(xiàn)在忽視了大數(shù)據(jù)所帶給我們的巨大潛能。在大數(shù)據(jù)時(shí)代，我們更多關(guān)心的是相關(guān)性，而并不是因果關(guān)系。因?yàn)閿?shù)據(jù)很多，關(guān)系很復(fù)雜，并不是很多東西的原因和簡(jiǎn)單的因果關(guān)系可以解釋的。我們能夠找到一些很微小的發(fā)展和細(xì)節(jié)，這是之前沒(méi)有大數(shù)據(jù)的時(shí)代所不能發(fā)現(xiàn)的規(guī)律。
講到(英文)首先離不開(kāi)科技，近一個(gè)世界科技的發(fā)展圍繞信息化和數(shù)字化的過(guò)程展開(kāi)，人類(lèi)的第一臺(tái)計(jì)算機(jī)是在1960年有雛形，當(dāng)時(shí)只是美國(guó)軍方的內(nèi)部項(xiàng)目。實(shí)際上，另外一個(gè)科技，人工智能，人工智能早于計(jì)算機(jī)的發(fā)展，一九五幾年已經(jīng)有美國(guó)科學(xué)家在探討人工智能，當(dāng)時(shí)是把人的神經(jīng)元寫(xiě)到數(shù)據(jù)芯片，整個(gè)科技發(fā)展十年一個(gè)周期，到1970年，我們做一個(gè)計(jì)算機(jī)的小型化，1980年是計(jì)算機(jī)個(gè)人電腦化，當(dāng)時(shí)微軟、蘋(píng)果等公司應(yīng)運(yùn)而生。1990年我們把所有計(jì)算機(jī)連起來(lái)，形成一個(gè)互聯(lián)網(wǎng)，這個(gè)創(chuàng)造了巨大商機(jī)，我們現(xiàn)在知道中國(guó)的BAT，百度，美國(guó)的谷歌、臉書(shū)這些公司都是在這個(gè)時(shí)代所產(chǎn)生的公司。2000年，移動(dòng)互聯(lián)網(wǎng)時(shí)代，當(dāng)時(shí)是喬布斯開(kāi)始發(fā)布第一代的蘋(píng)果手機(jī)，不停的迭代，谷歌的安卓系統(tǒng)，產(chǎn)生兩大系統(tǒng)。2014年，物理層面我們叫萬(wàn)物互聯(lián)。萬(wàn)物互聯(lián)以后產(chǎn)生很多數(shù)據(jù)，那些數(shù)據(jù)整合起來(lái)最終可能是一個(gè)智能化的時(shí)代。這就回到我另外一個(gè)同事，他是整個(gè)歐洲很著名的信息哲學(xué)家，他是信息哲學(xué)創(chuàng)始人，他提出人類(lèi)的發(fā)展經(jīng)歷四個(gè)革命性的進(jìn)展，第一個(gè)是哥白尼革命，哥白尼革命把人類(lèi)從無(wú)知帶到有知。后來(lái)到達(dá)爾文，現(xiàn)在我們做人工智能，做一個(gè)測(cè)試，最終測(cè)能不能達(dá)到目標(biāo)，我們做一個(gè)圖靈測(cè)試，最終達(dá)到智能化時(shí)代。
回到今天的主題，現(xiàn)在我們大家都有一個(gè)困境，銀行跟科技必須結(jié)合，金融也要相結(jié)合，(英文)其實(shí)是兩個(gè)部分，一個(gè)是傳統(tǒng)的金融業(yè)，一個(gè)是科技，科技和金融怎么結(jié)合?我們實(shí)驗(yàn)室的榮譽(yù)顧問(wèn)馬行長(zhǎng)，他也是招商銀行(600036)的前行長(zhǎng)，他講了一句話，科技跟金融是現(xiàn)在處在熱戀期，你中有我，我中有你的階段，他作為招商銀行的行長(zhǎng)最早做網(wǎng)上銀行、一卡通，他是先驅(qū)，我說(shuō)招商銀行為什么十年前就能做到?他說(shuō)最早被一句話刺激了，比爾蓋茨說(shuō)傳統(tǒng)銀行業(yè)如果不擁抱科技，就將是21世紀(jì)即將滅絕的恐龍。他被刺激了，他覺(jué)得銀行業(yè)要跟科技結(jié)合。
我問(wèn)馬行長(zhǎng)，如果科技和金融處于熱戀期，到底是科技擁抱金融，還是金融擁抱科技?現(xiàn)在我們看到兩大趨勢(shì)，一大趨勢(shì)是傳統(tǒng)的互聯(lián)網(wǎng)公司，美國(guó)的谷歌這些公司，中國(guó)的BAT，他們現(xiàn)在都有自己的金融科技，互聯(lián)網(wǎng)部分，他們做了很多傳統(tǒng)金融能做的事，包括支付、接待、信用評(píng)級(jí)。傳統(tǒng)銀行某種意義上是被互聯(lián)網(wǎng)企業(yè)倒逼，如果他不做用戶(hù)就會(huì)流失，倒逼革命，相對(duì)比較被動(dòng)。后面的原因，我們沒(méi)有注意到，這是美國(guó)一個(gè)很有名的科技雜志，他在兩年前說(shuō)的話，實(shí)際上，整個(gè)這波的(英文)包括互聯(lián)網(wǎng)金融的浪潮，背后的巨大驅(qū)動(dòng)力是用戶(hù)的習(xí)慣改變，因?yàn)楝F(xiàn)在特別是美國(guó)73%的90后、00后，他們更傾向于使用互聯(lián)網(wǎng)公司的金融產(chǎn)品，而不是傳統(tǒng)銀行的金融產(chǎn)品。
在中國(guó)也一樣，現(xiàn)在很多90后、00后，他們是互聯(lián)網(wǎng)金融很大支持者，他們更傾向于使用互聯(lián)網(wǎng)公司所提供的產(chǎn)品，這也是對(duì)我們傳統(tǒng)金融企業(yè)的巨大挑戰(zhàn)。因?yàn)橛脩?hù)的新一代群體，他們一出生就生長(zhǎng)在手機(jī)年代，從小就開(kāi)始玩手機(jī)，這也是背后用戶(hù)行為的改變。
回到人工智能，剛才我給大家講了，五幾年已經(jīng)有美國(guó)的神經(jīng)科探討，怎樣用數(shù)字電路的方法去模擬人的神經(jīng)元。但是1950年到2000年，做人工智能的人基本消聲滅跡，不是主流了，因?yàn)?000年以后人工智能有一個(gè)大的突破，就是深度網(wǎng)絡(luò)，有三巨頭，一個(gè)是劍橋大學(xué)畢業(yè)的英國(guó)人(英文)去了美國(guó)，他在80年代讀了人工智能博士，一直堅(jiān)持在這個(gè)領(lǐng)域，深耕了二三十年，最后把人工智能最大的局限，深度神經(jīng)網(wǎng)絡(luò)的成熟度能夠變得很深，通過(guò)一些方法把現(xiàn)在的神經(jīng)網(wǎng)絡(luò)做到深度的神經(jīng)網(wǎng)絡(luò)第二個(gè)是臉書(shū)的首席人工智能科學(xué)家，另外還有一個(gè)加拿大的科學(xué)家，他現(xiàn)在是唯一一個(gè)人工智能學(xué)界的，剩下所有的人工智能大牛基本都被大公司給挖走了。
1997年，IBM和(英文)的的世紀(jì)大戰(zhàn)，當(dāng)時(shí)我們說(shuō)深藍(lán)并不是人工智能的勝利，而是超算的勝利，因?yàn)樯钏{(lán)的算法是把所有可能的概率全部算出來(lái)，最終選一個(gè)最優(yōu)的。這在象棋是可以做到的，但在圍棋很難做到，1997年很多人說(shuō)我愿意花一千萬(wàn)美元賭，未來(lái)30年人類(lèi)都攻克不了下圍棋的人工智能關(guān)。直到2015年，英國(guó)一個(gè)公司被谷歌收購(gòu)，是牛津大學(xué)、倫敦大學(xué)的一些人工智能科學(xué)家組成的公司，他們?cè)O(shè)計(jì)的軟件AlphaGO，他們找了一個(gè)華人樊輝(音)的下面了，樊輝(音)當(dāng)時(shí)只有兩段的水平，在圍棋上面并不是一個(gè)特別高的段位，直到2016年，AlphaGO挑戰(zhàn)了李世石，李師師有十幾個(gè)圍棋冠軍頭銜，是圍棋的九段位高手，基本上AlphaGO以碾壓的態(tài)勢(shì)把李世石干掉了，李世石基本沒(méi)有希望。但是李師師只是一個(gè)過(guò)氣的世界冠軍，現(xiàn)在的世界冠軍是中國(guó)的柯潔，2017年在烏鎮(zhèn)AlphaGO挑戰(zhàn)柯潔，柯潔比賽之前信心滿滿，比賽之后基本塊哭了，覺(jué)得沒(méi)有任何希望跟計(jì)算機(jī)下。
圍棋為什么這么難呢?我們要解決搜索空間無(wú)窮大的問(wèn)題，因?yàn)閲迓渥拥目赡苄裕總€(gè)地方都可以落子，最終的要求做一個(gè)搜索數(shù)把整個(gè)結(jié)果做出來(lái)，實(shí)際是窮的空間。最終我們要做兩個(gè)問(wèn)題，就是兩個(gè)程度的降維，一個(gè)是下棋的廣度降維，如果我在這個(gè)地方降一個(gè)黑子，所有空白的地方都可以落白子，到終盤(pán)基本是無(wú)窮維的解決問(wèn)題。另外是搜索空間的深度問(wèn)題，圍棋19乘19的棋盤(pán)，深度和廣度最終決定這是一個(gè)非常難的問(wèn)題。所以我們叫信息完備的博弈應(yīng)該是人工智能的巔峰了，如果把這個(gè)問(wèn)題，在信息博弈的情況下，基本上人工智能沒(méi)有問(wèn)題。
最終AlphaGO怎么把這個(gè)問(wèn)題解決了?簡(jiǎn)單介紹一下。實(shí)際沒(méi)有用新的東西，人工智能沒(méi)有巨大的突破，最近二三十年沒(méi)有一個(gè)巨大的突破，實(shí)際是用腦的方向，逼著用圖象識(shí)別的方法把之前500萬(wàn)五段以上的所有下棋的棋譜全部轉(zhuǎn)化為圖象，通過(guò)深度神經(jīng)網(wǎng)絡(luò)。因?yàn)?00萬(wàn)棋譜對(duì)人來(lái)說(shuō)是很大的數(shù)據(jù)，但是對(duì)計(jì)算機(jī)來(lái)說(shuō)很小，可能訓(xùn)練一兩個(gè)星期就全部訓(xùn)練完，第二步用強(qiáng)化學(xué)習(xí)，通過(guò)機(jī)器自己跟自己博弈過(guò)程中又生成很多新的棋譜，探索一些人類(lèi)之前沒(méi)有嘗試過(guò)的下棋位置，這也是AlphaGO的強(qiáng)大的地方，它通過(guò)自己跟自己的博弈學(xué)習(xí)，之前是建立在人的基礎(chǔ)上，最終形成兩個(gè)網(wǎng)絡(luò)，通過(guò)這兩個(gè)網(wǎng)絡(luò)進(jìn)行決策。
另外，要解決搜索空間很深的問(wèn)題，下圍棋不需要下到終盤(pán)，可能下到一半就知道大概90%的概率下到這個(gè)地方贏，大概下到50%的概率下到這個(gè)地方贏，一般我們下圍棋要到最后才知道，還要數(shù)到底誰(shuí)贏誰(shuí)輸。它通過(guò)空間換時(shí)間，不需要走到最后，但是犧牲了一些預(yù)判的準(zhǔn)確率。
AlphaGO的第一代叫AlphaGO 李，當(dāng)時(shí)是對(duì)李世石，后來(lái)出了AlphaGO馬斯特(英)所有的段位都可以去打，基本上是60：0，所有人類(lèi)的冠軍都跟AlphaGO馬斯特都沒(méi)有贏了。后來(lái)做了AlphaGOzieo(音)，后來(lái)AlphaGOzieo跟AlphaGO馬斯特，AlphaGOzieo自己訓(xùn)練模型，再跟AlphaGO馬斯特打，從此之后谷歌說(shuō)我們不玩了，這個(gè)已經(jīng)宇宙無(wú)敵了，基本沒(méi)有人類(lèi)能戰(zhàn)勝了。
如果人類(lèi)能夠做出像AlphaGO這樣強(qiáng)大的計(jì)算機(jī)對(duì)弈模型的話，我們能不能在金融市場(chǎng)研發(fā)一種算法，能夠最大化收益，去紐交所證券市場(chǎng)做交易，這也是我們今天的主題，也是我們實(shí)驗(yàn)室正在做的，怎樣把金融人工智能最前沿的深度學(xué)習(xí)用到金融領(lǐng)域?
2017年是人工智能革命元年，未來(lái)五年到十年有大爆發(fā)，人工智能要跟各個(gè)方面結(jié)合。跟金融是一個(gè)重大的結(jié)合點(diǎn)，怎樣人工智能能夠幫到金融?也是我們現(xiàn)在最重要的一部分，我們做一個(gè)Smart Finance未來(lái)人工智能更加智能，這是我個(gè)人的總結(jié)，如果把人工智能和金融領(lǐng)域能夠結(jié)合的分為四部分。首先是行為分析，這也是我們現(xiàn)在做的非常多，通過(guò)智能資產(chǎn)管理，給每個(gè)用戶(hù)定制化的配置你的資產(chǎn)。另外，現(xiàn)在我們看到很多網(wǎng)銀APP跟互聯(lián)網(wǎng)公司結(jié)合，定向給你推送廣告，這些廣告跟你的信譽(yù)相關(guān)。另外，信用評(píng)級(jí)都是通過(guò)行為大數(shù)據(jù)和人工智能結(jié)合去做。另外，安全領(lǐng)域，反欺詐、虛假信息賬號(hào)，這些都是大數(shù)據(jù)的數(shù)據(jù)挖掘問(wèn)題，也是人工智能問(wèn)題。還有投資銀行領(lǐng)域、交易領(lǐng)域，做算法交易、自動(dòng)化交易、風(fēng)險(xiǎn)控制，包括現(xiàn)在人工智能的資產(chǎn)管理經(jīng)理，怎樣給你調(diào)配一個(gè)最優(yōu)資產(chǎn)組合。最后，客服領(lǐng)域，傳統(tǒng)商業(yè)銀行或零售銀行，很大程度要跟客戶(hù)打交道，現(xiàn)在很多地方可能被取代，人工智能助理、人工智能信貸員、人工智能決策放款收款都有，還有智能推進(jìn)系統(tǒng)，整個(gè)大的四個(gè)方向人工智能都能夠幫助金融做，最終做一個(gè)智能的人工智能。
具體不細(xì)講了，很多數(shù)據(jù)通過(guò)機(jī)器學(xué)習(xí)模型發(fā)現(xiàn)一些問(wèn)題，幫人做一些決策，最終做一些執(zhí)行，這個(gè)執(zhí)行特別是在算法交易產(chǎn)生一個(gè)信號(hào)，這個(gè)信號(hào)決定買(mǎi)或是賣(mài)。
還有風(fēng)控，在西方，人工智能能夠分成幾個(gè)大的方向，首先是手冊(cè)方向，這里面有很多西方的公司，特別是(英文)，就是把所有市場(chǎng)的金融財(cái)寶通過(guò)人工智能的方法抓取，最后生成一個(gè)報(bào)表，這個(gè)報(bào)表自動(dòng)生成。還有市場(chǎng)情感，還有金融搜索引擎，區(qū)塊鏈也是很大，還有交易公司，還有手機(jī)壞賬公司，人工智能助理，虛假信息，人工智能個(gè)人銀行服務(wù)，人工智能信貸評(píng)級(jí)機(jī)構(gòu)。
講幾個(gè)具體事例，傳統(tǒng)銀行業(yè)越來(lái)越做的互聯(lián)網(wǎng)化，互聯(lián)網(wǎng)公司，不管是臉書(shū)還是谷歌實(shí)際是通過(guò)廣告產(chǎn)生很多利益，這通過(guò)用戶(hù)的大數(shù)據(jù)行為分析一針對(duì)你的興趣愛(ài)好，給你推送相關(guān)廣告，這個(gè)人工智能也越來(lái)越多在做。信用評(píng)級(jí)、違約風(fēng)險(xiǎn)分析，我們可以用深度神經(jīng)網(wǎng)絡(luò)大數(shù)據(jù)分析來(lái)分析違約的風(fēng)險(xiǎn)。
客服助理，這是瑞典銀行開(kāi)發(fā)的虛擬客戶(hù)助理，一個(gè)人工智能可以跟它進(jìn)行語(yǔ)言交互，可以問(wèn)它一些問(wèn)題，它有虛擬形象出來(lái)，通過(guò)語(yǔ)音和語(yǔ)言的方式做模式。現(xiàn)在英國(guó)銀行、皇家銀行，商業(yè)銀行都會(huì)這樣做，因?yàn)檫@對(duì)商業(yè)銀行是很大的負(fù)擔(dān)，雇了很多客服人員，英國(guó)的很多客服人員原來(lái)都包到印度和一些不發(fā)達(dá)國(guó)家，以減少成本，現(xiàn)在更多通過(guò)機(jī)器的方式取代相對(duì)比較低端的工作。
互聯(lián)網(wǎng)的借貸以前是通過(guò)人工審計(jì)，現(xiàn)在通過(guò)大數(shù)據(jù)的方法，通過(guò)第三方數(shù)據(jù)、第三方評(píng)級(jí)機(jī)構(gòu)，跟傳統(tǒng)大的公司結(jié)合，整個(gè)互聯(lián)網(wǎng)借貸行業(yè)分成不同的細(xì)分領(lǐng)域，針對(duì)客戶(hù)的，包括中小企業(yè)、醫(yī)療市場(chǎng)、汽車(chē)市場(chǎng)、教育市場(chǎng)，特別是中國(guó)做的比較好的螞蟻金服，完全沒(méi)有任何人工干預(yù)的情況下在幾秒鐘的情況下做一個(gè)決策，完全做到自動(dòng)化。
另外一個(gè)是領(lǐng)域是人工智能理財(cái)顧問(wèn)，我們跟哥倫比亞大學(xué)合作，做了一些這方面研究。我們這個(gè)理財(cái)顧問(wèn)主要基于我們跟香港一個(gè)公司合作，他做一個(gè)智能的交易顧問(wèn)，該公司開(kāi)發(fā)了一個(gè)軟件，是一個(gè)交易平臺(tái)，全世界有上百萬(wàn)用戶(hù)在這上面做交易，我們拿到交易軟件的數(shù)據(jù)后幫他們?cè)谏厦孀鲆恍┓治觥Ｎ覀儸F(xiàn)在通過(guò)大數(shù)據(jù)的方法，能夠把一個(gè)交易行為通過(guò)量化方法做成統(tǒng)治化，做成報(bào)告，我們叫交易行為報(bào)告，最重要的是一個(gè)FTD(英文)，是一個(gè)評(píng)判標(biāo)準(zhǔn)，包括穩(wěn)定性、情緒、心理各方面，大概好幾百個(gè)方面。我們現(xiàn)在提出SQ，SQ叫財(cái)商，最主要的量化就是用FTD(英文)幫初級(jí)交易人打分，進(jìn)入培訓(xùn)課程。另外，全世界有1% 非常好的交易人，我們直接挖掘出來(lái)，把這些人提供給對(duì)沖基金，給他們找更好的就業(yè)平臺(tái)。
我們現(xiàn)在做的項(xiàng)目是怎么樣能夠把AlphaGO的深度神經(jīng)網(wǎng)絡(luò)模式用到現(xiàn)在的金融交易里面，做成自動(dòng)化交易機(jī)器人，未來(lái)有很多這方面的應(yīng)用。
剛才提到深度卷積網(wǎng)絡(luò)，之前被用來(lái)做圖象識(shí)別、人臉識(shí)別，做的非常好。現(xiàn)在跟傳統(tǒng)量化不同的是，我們把很多金融數(shù)據(jù)轉(zhuǎn)化成圖象數(shù)據(jù)，然后訓(xùn)練卷積網(wǎng)絡(luò)，我們?cè)缙诳赡苁悄M一個(gè)人的初級(jí)的交易行為，我們跟很多交易員交流，他們看圖的信號(hào)，我們會(huì)截取過(guò)來(lái)。因?yàn)闋I(yíng)銷(xiāo)員要看很多圖象信息，最后反饋到大腦，然后對(duì)他產(chǎn)生一個(gè)激勵(lì)，他最終決定買(mǎi)還是賣(mài)，整個(gè)過(guò)程我們要用人工智能的方法模擬，卷積網(wǎng)絡(luò)實(shí)際是模擬視覺(jué)系統(tǒng)找金融市場(chǎng)的信號(hào)，通過(guò)這種方法做。
另外，強(qiáng)化學(xué)習(xí)。比如這是一個(gè)強(qiáng)化學(xué)習(xí)的模型，要到一個(gè)未知去做的話，如果我們現(xiàn)在要發(fā)一個(gè)機(jī)器人到火星，人也沒(méi)有去過(guò)，機(jī)器人要在火星不停的交互，這個(gè)環(huán)境會(huì)給它一個(gè)獎(jiǎng)勵(lì)或處罰，是一個(gè)交互、學(xué)習(xí)的過(guò)程。比如一個(gè)機(jī)器算法去金融市場(chǎng)做交易，它的買(mǎi)或賣(mài)對(duì)市場(chǎng)會(huì)有影響，我們通過(guò)這個(gè)行為不停在學(xué)，這是強(qiáng)化學(xué)習(xí)很重要的一部分。現(xiàn)在人工智能就是把(英文)，以前都是數(shù)學(xué)上的一個(gè)模型，現(xiàn)在把這個(gè)換成深度神經(jīng)網(wǎng)絡(luò)，這可能是一個(gè)很深度神經(jīng)網(wǎng)絡(luò)，不停訓(xùn)練這個(gè)模型。這是我們一個(gè)學(xué)生做的，通過(guò)深度神經(jīng)網(wǎng)絡(luò)交易(英文)，通過(guò)大概不到三年的交易，能夠取得很好的收益，通過(guò)強(qiáng)化學(xué)習(xí)的方法。
還有一個(gè)領(lǐng)域，現(xiàn)在我們很關(guān)注區(qū)塊鏈，區(qū)塊鏈對(duì)我們來(lái)說(shuō)，十年前中本村的文章一出來(lái)我們就在看區(qū)塊鏈，當(dāng)時(shí)覺(jué)得這個(gè)東西在技術(shù)上很平平，沒(méi)有任何大的突破，而且都是用的二三十年前很過(guò)時(shí)的技術(shù)，現(xiàn)在很火是因?yàn)閰^(qū)塊鏈跟現(xiàn)在金融的支付的場(chǎng)景結(jié)合后，更多的創(chuàng)新是在金融領(lǐng)域，而不是在我們的計(jì)算機(jī)技術(shù)領(lǐng)域。做計(jì)算機(jī)，區(qū)塊鏈?zhǔn)且粋€(gè)分布式的操作系統(tǒng)，或者一個(gè)分布式數(shù)據(jù)庫(kù)，對(duì)轉(zhuǎn)動(dòng)金融來(lái)講，區(qū)塊鏈可能就是一個(gè)分布式的記賬簿，這是區(qū)塊鏈的傳統(tǒng)的數(shù)據(jù)存儲(chǔ)機(jī)制。第二層是金融，在傳統(tǒng)方面產(chǎn)生金融屬性，作為金融資產(chǎn)的交換或交易，通過(guò)記賬簿的方式做，這是我們現(xiàn)在要關(guān)心的區(qū)塊鏈的金融屬性。第三層是智能交易合約。
區(qū)塊鏈的新興市場(chǎng)，我們叫加密貨幣市場(chǎng)。大家可以看到，加密貨幣市場(chǎng)2017年有個(gè)突飛猛進(jìn)的爆發(fā)，2017年初不到10億美金市場(chǎng)，年底漲到7500億美金市場(chǎng)，一年的時(shí)間有爆發(fā)性的增長(zhǎng)，現(xiàn)在又在跌。當(dāng)時(shí)我們跟很多基金都在關(guān)注加密貨幣市場(chǎng)，但是覺(jué)得這個(gè)盤(pán)子太小了，傳統(tǒng)基金沒(méi)法進(jìn)去，一進(jìn)去基本被吃掉。2017年年初，漲到7500億美金的市場(chǎng)，很多基金也慢慢進(jìn)場(chǎng)，開(kāi)始關(guān)注這方面。這是我們跟香港基金做的，通過(guò)人工智能之前量化的一些模型，在這種加密貨幣市場(chǎng)，不同模型針對(duì)比特幣做套利交易，最新結(jié)果通過(guò)人工智能模型，最終做到10%的收益，今年通過(guò)算法的交易，這個(gè)模型我們現(xiàn)在在做測(cè)試。
回歸到本原的問(wèn)題，人工智能會(huì)給我們帶來(lái)哪些方面的挑戰(zhàn)?牛津大學(xué)的報(bào)告，未來(lái)47%的以上的工作都會(huì)被機(jī)器取代，最容易被替代的是圖上的紅色區(qū)域，相對(duì)低端的工作，比如銷(xiāo)售、生產(chǎn)、交通、智能汽車(chē)，很多方面都會(huì)被替代。美國(guó)質(zhì)庫(kù)調(diào)查，2025年華爾街的哪些工作可能會(huì)被人工智能替代，傳統(tǒng)券商領(lǐng)域大概有5萬(wàn)多個(gè)工作，交易領(lǐng)域大概有1萬(wàn)多工作，資產(chǎn)管理也有很多，現(xiàn)在人工智能管理出來(lái)之后，非常多的工作會(huì)流失，還有私人銀行的財(cái)富管理工作、投資銀行工作、銷(xiāo)售工作都會(huì)被取代。唯一增長(zhǎng)的工作點(diǎn)就是科技，包括數(shù)據(jù)工作，包括我們牛津大學(xué)自己有傳統(tǒng)的金融工程的數(shù)學(xué)課程，現(xiàn)在很多學(xué)生都選修數(shù)據(jù)科學(xué)，跟人工智能相關(guān)的課程，這也是未來(lái)的趨勢(shì)，他們對(duì)這方面的技術(shù)更早熟悉，對(duì)未來(lái)他們找工作也是很好的布局。
最后，我以2016年在BBC發(fā)表的文章做個(gè)結(jié)尾，人工智能來(lái)了，大家都很恐慌，我們都在擔(dān)心未來(lái)會(huì)不會(huì)哪一天就被機(jī)器替代了。2016年我說(shuō)了，人類(lèi)向右，機(jī)器向左。因?yàn)槿说拇竽X分左右腦，左腦更多是理智做判斷、決策的，這些方面會(huì)慢慢被機(jī)器取代，人是無(wú)法比擬的，機(jī)器有先天優(yōu)勢(shì)，就像馬云說(shuō)的你不可能跟汽車(chē)、火車(chē)比賽跑。人更多是關(guān)注右腦做創(chuàng)意、藝術(shù)、靈感，這些發(fā)散性的思維，這是機(jī)器在很長(zhǎng)一段時(shí)間取代不了的。今天有個(gè)嘉賓也講了，人工智能在所有世間能夠解決的問(wèn)題里，只能做到很少一部分，但最終是人跟機(jī)器所協(xié)同，人解決的問(wèn)題機(jī)器解決不了，機(jī)器做一些人所不擅長(zhǎng)的問(wèn)題，人跟機(jī)器結(jié)合，最終是人機(jī)結(jié)合，這種互相接通做決策的過(guò)程。
京公網(wǎng)安備 11010502049343號(hào)