人工智能能否取代明星操盤手

21世紀隨著科技的高速發展，人工智能在依靠大數據和互聯網孕育而生。
  所謂“大數據”，其實就數據信息的統計集合。有了全部數據，做出最科學、最合理的分析數據，統計出來最接近的正確炒作的決策，再通過決策來加工成為人工智能

可想而知，1997年5月，IBM研發的超級電腦“深藍”在國際象棋比賽中一勝五和 力克前蘇聯世界冠軍卡斯帕羅夫，2017新年伊始Master即升級版“阿爾法狗”連勝60盤，在圍棋領域橫掃了中日韓名將，打遍天下無敵手，在此之前人工智能肯定“背熟”了后者所有的參賽棋局，對其每一步落子了如指掌，并且幾乎全球所有國際象棋、圍棋高手的參賽棋局，都早已成為“深藍”和“阿爾法狗”死記硬背的饕餮大餐。而IBM新開發的超級電腦“沃森”，以超出第二名分數兩倍多的絕對優勢，在美國智力問答競賽節目《危險》中擊敗人類對手，連賽三天大獲全勝之前，鯨吞了約100萬冊書籍共約2億頁的內容，這些海量的“營養”從互聯網、圖書館、博物館、高校以及圖文、音像等各通道流入“沃森”。
  生命的成熟依靠經驗智慧，人工智能的經驗智慧取決于數學模型和算法。
  在死記硬背的基礎上，“深藍”和“阿爾法狗”下棋時的“思考方式”和人類基本相似，一是判斷局部，二是把握全局。不同的是，人類只有一個大腦，而“深藍”和“阿爾法狗”分別由兩個不同功能的“大腦”網絡組成：策略網絡(Policy network)和價值網絡(Value network).
  對弈中，兩個“大腦”協同合作：策略網絡充當“落子選擇器”，負責在當前局面下提供最佳可選的若干個“下一步”；價值網絡充當“局勢評估器”，負責評估每個“下一步”落子后影響整體盤面優劣的種種可能，優勝劣汰相得益彰；然后兩個“大腦”互動擇取各自的平均值，篩選對沖后做出最終決策。
  知識競賽中超級電腦“沃森”面對某個問題時，100多種運算法則立刻通過各種方式同步分析，馬上搜索出一大堆備選答案。緊接著另一組算法對所有答案評估打分，分別找出支持或反對的證據。而每一條證據又會再次引出數百條證據，再由數百套算法對這些證據支持答案的程度打分，優勝劣汰。證據評估的結果越好，“沃森”樹立的信心指數就越高。層層篩選后評估成績最高的答案即用于競賽答題。如果評估成績最高的答案都無法滿足預設的信心指數底線，“沃森”就避而不答以免被扣分。至于這一切都必須在3秒鐘內完成，對于“沃森”來說倒是不在話下。
  人工智能與人類思維的本質區別：依據規律VS依據數據
  如果將各項能力歸納列表，則人工智能和明星操盤手的優劣勢一目了然。
  為什么人工智能綜合實力遠超人類？因為人類選手實際上對陣的是一個由頂尖的交叉領域專家組成的明星團隊。與此同時，計算機的硬件也在不斷升級換代。中央處理器、存儲器、芯片、電子電路、光纖、原材料……都在快速更新，使人工智能得以依靠大大超過人類強化學習的速度長大成“人”，故人類選手實際上對陣的還有整個計算機行業。
  人類思維的科學性，可歸納為“去粗取精、去偽存真、由表及里、由此及彼”，然而從千差萬別的數據中總結出抽象的“規律”，再到千差萬別的主客觀條件下去靈活運用，實在是電腦不可承受之痛。
  人類思維“找規律用規律”；人工智能“找數據用數據”。無論賽棋、搶答、工作還是訓練，對于“深藍”、“阿爾法狗”和“沃森”們來說，都是見招拆招、見問解題，自己跟自己“玩游戲”而已。它們對“規律”不感興趣，從來不屑于發現、提煉和理解、運用“規律”，只管從海量的數據庫中比照篩選計算出最佳數據即可。
  正如“棋圣”聶衛平賽后感慨：“阿爾法狗”顛覆了圍棋傳統，“沒有它不敢下的棋，棋盤上也沒有它不能落子的地方”。近年在投資交易中，我們也越來越多地聽到操盤手們抱怨：市場走勢越來越“看不懂”了！這背后是不是人工智能在作怪呢？
  人工智能的缺陷，同樣也是明星操盤手的缺陷
  2013年8月20日，美國股市開盤幾分鐘，高盛一個交易系統發生故障，誤將客戶對某些期權的交易興趣當成實際交易指令發往交易所，其中部分交易指令價格以默認價格發出，導致部分股票期權價格暴跌；22日納斯達克指數陡然間變成一條長長的直線，交易緊急中斷3小時。
  這類因操作系統不完善引發的災難，在人工交易中同樣存在。
  2005年12月8日，日本瑞穗證券交易員誤將客戶“以61萬日元賣出1股”指令打為“以每股1日元賣出61萬股”，下單后股價一路狂跌，為挽回損失瑞穗證券被迫大量回購補倉，頃刻間股價又直線上升，從開盤每股67.2萬日元漲到收盤77.2萬日元。場內紛傳證券公司操盤失誤而競相拋售，各證券公司股票無一幸免。當天日本股市大跌，瑞穗證券損失400億日元，遠超上年利潤280億日元。
  2010年5月6日，一名花旗銀行交易員執行自動交易策略時忘記設置交易價格與交易時間限額，短短數分鐘導致道指狂跌1000點(9%的市值)，“閃電崩盤”創歷史最大單日跌幅。
  發展人工智能的切入點
  “阿爾法狗”背后的“最強大腦”DeepMind研發團隊中，核心成員包括英國著名神童、神經系統科學家、電腦游戲設計師與世界級游戲選手，包括人工智能領域的博士和明星企業家?！鞍柗ü贰辈皇菍ｉT為下棋而設計的，而是專門設計來“學習”的。據透露，在問鼎“棋王”之后，DeepMind的下一個目標很可能是“神醫”。
  Master連勝60盤，唯獨一盤以和棋告終。該場比賽對陣的中國圍棋九段、世界冠軍陳耀燁盤中斷線，30秒沒見落子，系統判為和棋。當天下午續戰，Master無懸念續勝。不過這盤和棋表明：至少人類還能靠斷電、關機、拔網線來制約人工智能。
  雖然人工智能神通廣大無所不能，但在它們背后，從構思到設計、開發、更新、升級、檢修、維護，每一環節都離不開人，是人創造了人工智能。近年來，不少明星操盤手也紛紛開始“向機器學習，與人工智能共舞”。這種雙向互動的結果，是人工智能與明星操盤手的雙贏。
  人工智能究竟能否取代明星操盤手？糾結這個問題其實并不重要。因為在實盤交易中，人工智能與明星操盤手并非像棋手那樣對陣博弈，他們之間并非“零和”，其共同的對手都是大盤。而隨著市場的不斷發展，主觀交易、程序化交易、人工智能交易將日趨交叉覆蓋——目標都是跑贏大盤。