侵权投诉
当前位置:

OFweek电子工程网

开发工具/算法

正文

人工智能与华尔街神话

导读: 基金管理公司Man Group PLC的首席执行官Luke Ellis说,“如果计算力和数据生成以目前的速度持续增长,那么,25年后99%的投资管理将涉及机器学习。”

人工智能的发展出现了一些“AI威胁论”观点,有些人大胆预测“人工智能将侵入及占领华尔街”,认为在未来的世界里计算机将全面取代人类投资者。而基金管理公司Man Group PLC的首席执行官Luke Ellis说,“如果计算力和数据生成以目前的速度持续增长,那么,25年后99%的投资管理将涉及机器学习。”

尽管他的乐观,但人工智能方面所取得的重要成果目前尚未能转化为卓越的回报。据Wired称,过去几年里定量基金的平均表现未能超过对冲基金(而对冲基金的表现则未能超过股市)。

大多数人都不知道人工智能——特别是金融领域用的人工智能——在深入主题专业知识方面缺乏应用,因而不能创建干净的数据及与之相应的关系,而这却正好是任何成功的投资战略或人工智能的基础。在围棋比赛里胜出固然有其意义,但现实世界并非是在严格定义空间里的一场棋赛。在现实世界中,人类改变规则、违反规则,有时候甚至不存在规则。目前的人工智能在没有大量人为干预的情况下是无法处理真实世界里各种状况的。

人工智能与华尔街神话

人工智能被过度炒作及误读:系统资金表现不佳(红线:系统基金;蓝线:对冲基金)资料来源:Preqin/Wired

寻找人才

时下人工智能最大的问题之一是,具有足够主题专业知识的人员与建立人工智能的程序员之间缺乏交流兴趣或不知道如何交流。程序员对那些自己提交给AI的数据并不理解,而分析师则缺乏对AI技术的了解,因而无法知道程序员需要了解哪些源数据及如何解释所得到的结果。

这种脱节造成了人工智能在金融和投资应用里众多的公开问题:

· 大多数AI公司做的是将大部分资源用于数据管理和数据清理而不是用在技术上。

· 机器每每找出一些无效的虚假相关性,或是找到的相关性仅在过去有效,但不适用于将来。

· 许多人工智能系统成了“黑匣子”,只是给出投资建议,却并不说明机理或策略是什么。如果人工智能不能向人类表达其“思考”方式,那么投资者怎么会将大笔资金交给它处理呢?

金融界非常缺乏具备弥合该鸿沟的技能和知识的人,他们是金融界的宝贵人才。90%的金融服务公司都开始做人工智能技术的研究工作,这些公司都在这个稀缺劳动力市场里找人才。

笔者曾在题为 “大银行将在金融科技革命里胜出”的博文里提出过,大金融公司将成为技术进步的最大受益者,皆因规模和资源所致。大银行对AI人才支出的承担力最大,而且,他们拥有最大的财务数据库,可以帮助他们的新程序员。

一些银行已经在收罗必要的人才方面做出了认真的努力。瑞银(UBS)刚推出一波AI招聘,摩根士丹利(MS)的程序员和财务顾问则联手打造了“下一步最佳行动”( “Next Best Action”)平台,该平台提供的机器学习可以帮助财务顾问为客户提供个性化建议。

这些努力将会得到很好的长期回报,但现在却仍处于初期阶段。一众金融机构要真正以有效的方式用上人工智能还有很长的路要走。

人工智能的大(数据)问题

全球的数字数据总量每两年翻一番。数据量呈指数增长,但大多数数据缺乏机器做分析时所需的结构。因此,AI项目收集、清理和格式化数据输入需要无数的人力工时,而AI项目却又是为了减少人力需求。

Virtova公司创始人Sultan Meghji指出,许多AI初创公司至少将一半资金花在数据清理和管理上。每个人都在讲如何教计算机思考,但如何策划用于机器学习的数据集却没有捷径或替代品。

训练人工智能系统需要一套训练数据集作为学习用。训练数据集大致有两种。第一种数据集是相对较小而精确的数据集,但数据集不包含足够多的不同种类的例子,因而有效性不太足。用这样的数据集训练的人工智能在解释训练数据方面非常棒,但却无法处理真实世界的多样化和变幻莫测。

另一种训练数据集很大但不很准确。在这种情况下,人工智能见过大量的例子,不过有时候的数据并不正确,而且人工智能并未得到清晰一致的指令说应该如何回应。用这些较大、但不准确的数据集训练出来的人工智能通常从数据中学到的一致性东西很少,并且能够自主做的事情也很少。

要成功地进行机器学习,训练数据集务必既准确又具有广泛的代表性。换句话说,训练数据需要尽可能多地准确表达现实世界中发生的事情。否则我们怎么能指望机器去学习有用的一致性东西呢?

人工智能的挑战如下:在没有好的训练数据集的情况下,机器无法学习,同时,创建好的训练数据集所需的时间需要大量的时间,大多数具有深入主题专业知识的人往往低估了这个时间。策划好的训练数据集靠这些人,但他们对这种平凡的工作却不感兴趣。另一个方法就是找许多专业知识有限的人员去完成这个工作,但这种方法到目前为止并不成功。

1  2  下一页>  
声明: 本文系OFweek根据授权转载自其它媒体或授权刊载,目的在于信息传递,并不代表本站赞同其观点和对其真实性负责,如有新闻稿件和图片作品的内容、版权以及其它问题的,请联系我们。

我来说两句

(共0条评论,0人参与)

请输入评论

请输入评论/评论长度6~500个字

您提交的评论过于频繁,请输入验证码继续

暂无评论

暂无评论

文章纠错
x
*文字标题:
*纠错内容:
联系邮箱:
*验 证 码:

粤公网安备 44030502002758号