0
“人機(jī)回圈”（Human in the loop）是人工智能圈的高頻詞匯。簡(jiǎn)單地說(shuō)，就是將個(gè)人（專(zhuān)家）或公眾群體的判斷，融入AI系統(tǒng)的優(yōu)化中去。這個(gè)閉環(huán)回路在AlphaGo上展現(xiàn)得淋漓盡致，它之所以能橫掃AI和人類(lèi)對(duì)手，與背后包括歐洲圍棋冠軍樊麾在內(nèi)的專(zhuān)業(yè)棋手團(tuán)的磋磨分不開(kāi)。
“在這個(gè)過(guò)程中，人類(lèi)其實(shí)是在陪機(jī)器下棋，機(jī)器在逐漸獲得人類(lèi)的知識(shí)技能。人類(lèi)相當(dāng)于labor，很被動(dòng)?！?/p>
在近期由中國(guó)計(jì)算機(jī)學(xué)會(huì)（CCF）主辦，雷鋒網(wǎng)和香港中文大學(xué)（深圳）承辦的第二屆CCF-GAIR全球人工智能與機(jī)器人峰會(huì)上，張曉泉教授分享了這番觀點(diǎn)。
張曉泉現(xiàn)任香港科技大學(xué)資訊、商業(yè)統(tǒng)計(jì)及運(yùn)營(yíng)學(xué)系教授，此前求學(xué)于美國(guó)麻省理工學(xué)院、清華大學(xué)，分別獲得管理學(xué)博士和管理學(xué)碩士學(xué)位。他目前的主要研究方向是商業(yè)人工智能、互聯(lián)網(wǎng)金融、信息產(chǎn)品定價(jià)策略及大數(shù)據(jù)營(yíng)銷(xiāo)。學(xué)術(shù)論文曾發(fā)表在《美國(guó)經(jīng)濟(jì)評(píng)論》、《管理科學(xué)》等知名學(xué)術(shù)期刊。目前他還是學(xué)術(shù)期刊 Information Systems Research（信息系統(tǒng)研究）的高級(jí)主編。
人工智能是近年來(lái)的明星技術(shù)，各行業(yè)都紛紛對(duì)其敞開(kāi)懷抱。其中，金融行業(yè)對(duì)于AI的研究和應(yīng)用無(wú)疑走在前列。作為一位經(jīng)濟(jì)學(xué)家，張曉泉教授對(duì)于人工智能也頗有見(jiàn)地。立足于其研究視角，他指出，經(jīng)濟(jì)學(xué)有助于優(yōu)化AI在金融領(lǐng)域的應(yīng)用。他進(jìn)一步解釋說(shuō)，
“目前人工智能更多是用于預(yù)測(cè)和分類(lèi)，而經(jīng)濟(jì)學(xué)家的研究重心是找到因果關(guān)系，解釋清楚事情的底層機(jī)制。這也是計(jì)算機(jī)學(xué)家與經(jīng)濟(jì)學(xué)家看待科技創(chuàng)新的一大差異?！?/p>
雙方視角之差，猶如地心說(shuō)與進(jìn)化論的不同。地心說(shuō)能夠預(yù)測(cè)太陽(yáng)明天會(huì)升起，但卻無(wú)法解釋背后的原理，因?yàn)槔碚摳臼清e(cuò)誤的。進(jìn)化論卻相反，它能解釋人的由來(lái)和進(jìn)化史，卻無(wú)法預(yù)測(cè)人類(lèi)未來(lái)會(huì)是什么樣。張曉泉教授認(rèn)為，行業(yè)如今的首要目標(biāo)就是結(jié)合兩種研究思維，這也是他目前的研究目標(biāo)。
“除了‘Human in the loop’，我覺(jué)得應(yīng)該也有‘Econ in the loop’。過(guò)去20年，經(jīng)濟(jì)學(xué)家建立了眾多數(shù)據(jù)分析模型，包括整套的計(jì)量經(jīng)濟(jì)分析框架。若能將這些模型與人工智能相結(jié)合，會(huì)產(chǎn)生很多有趣的結(jié)果?！?/p>
在股票投資領(lǐng)域，高賣(mài)低買(mǎi)一向是投資者的夢(mèng)寐之求，但絕大多數(shù)情況只是黃粱美夢(mèng)而已。雖然人們無(wú)法準(zhǔn)確預(yù)測(cè)股價(jià)，但在不斷向這個(gè)目標(biāo)靠近。據(jù)了解，上世紀(jì)70年代，投資領(lǐng)域就開(kāi)始廣泛應(yīng)用計(jì)算機(jī)。世界最大的兩家資產(chǎn)管理公司黑石與領(lǐng)航都是完全采用量化投資方式。而近年來(lái)互聯(lián)網(wǎng)、移動(dòng)互聯(lián)網(wǎng)、云計(jì)算、大數(shù)據(jù)、人工智能等技術(shù)的發(fā)展，為股票投資帶來(lái)了更多新可能。
張曉泉教授就有不少?lài)@股票開(kāi)展的研究課題。與人工智能相關(guān)的一個(gè)項(xiàng)目是利用深度學(xué)習(xí)進(jìn)行股票情感分析。他的團(tuán)隊(duì)利用工具爬蟲(chóng)，全網(wǎng)抓取新聞媒體、散戶論壇、微博等文本信息，收集后將其與該公司的金融信息做對(duì)比，建立一個(gè)模型。
據(jù)張曉泉教授介紹，該模型與其他模型的不同之處在于，其他模型從語(yǔ)義分析出發(fā)，僅是收集匯總文本含義。而他們的重點(diǎn)是，會(huì)進(jìn)一步獲取詞匯與股票表現(xiàn)之間的關(guān)系，發(fā)現(xiàn)每個(gè)詞在當(dāng)時(shí)起到了什么作用。那么在未來(lái)，模型可以進(jìn)行一些簡(jiǎn)單預(yù)測(cè)，發(fā)現(xiàn)眾人的關(guān)注焦點(diǎn)，以及宏觀層面的行業(yè)輪動(dòng)。
高風(fēng)險(xiǎn)、高收益是金融行業(yè)的永恒標(biāo)簽，股票投資也與風(fēng)險(xiǎn)息息相關(guān)。股票市場(chǎng)的傳統(tǒng)風(fēng)控就是研究股票波動(dòng)率。業(yè)內(nèi)存在一種觀點(diǎn)是，可以用人工智能解決所有的風(fēng)險(xiǎn)管理問(wèn)題。而張曉泉教授對(duì)雷鋒網(wǎng)表示，該觀點(diǎn)是錯(cuò)誤的。
“ 風(fēng)險(xiǎn)有多種層次，而且一旦寫(xiě)出波動(dòng)率，底層就一定假設(shè)了某種概率分布，但是很多時(shí)候，我們無(wú)法獲知金融事件的概率分布。例如股票市場(chǎng)?！?/p>
圖1 風(fēng)險(xiǎn)五級(jí)別
這里需要先介紹下張教授提出的不確定性的五個(gè)級(jí)別。
第一層是 Certainty，意味著 100% 會(huì)實(shí)現(xiàn)。
第二層是 Risk ，即有概率會(huì)發(fā)生。世界上的大部分問(wèn)題都處在這個(gè)級(jí)別，但股票市場(chǎng)就不屬于。
第三層是 Black Swan 黑天鵝，也就是小概率事件。
第四層是 Ambiguity 模糊性?！懊魈斓墓墒胁皇菨q就是跌，但是漲跌的比重沒(méi)人知道。即便我們有過(guò)去世界所有股市的數(shù)據(jù)，但仍不知道明天是漲還是跌，因?yàn)橛刑嘤绊懸蛩?。?/p>
第五層是 Radical Uncertainty，“ 人們不能描述出 Radica Uncertainty ，也完全無(wú)法解決這個(gè)級(jí)別問(wèn)題。就好像人無(wú)法寫(xiě)一個(gè)模型來(lái)預(yù)測(cè)恐怖襲擊會(huì)在何時(shí)、何地、如何發(fā)生一樣”。
張曉泉教授表示，模糊性是一個(gè)比較前沿的研究，結(jié)合“Risk”有助于人們加深對(duì)風(fēng)險(xiǎn)的理解。舉個(gè)例子，下圖是美國(guó)股市從1968年到2016年的波動(dòng)率，即股票市場(chǎng)的風(fēng)險(xiǎn)“Risk"。
圖2 1968—2016年美國(guó)股市風(fēng)險(xiǎn)
如果用傳統(tǒng)的方法——標(biāo)準(zhǔn)差去描述，看到幾個(gè)現(xiàn)象：第一風(fēng)險(xiǎn)高點(diǎn)出現(xiàn)在1987年10月19日美國(guó)股災(zāi)。第二個(gè)高峰出現(xiàn)2002年，當(dāng)時(shí)正值互聯(lián)網(wǎng)泡沫破裂。再往后2007、2008年次貸危機(jī)攀上新高峰。
“最近我和同事在做模糊性預(yù)測(cè)模型，我們發(fā)現(xiàn)模糊性最高的是1987年股災(zāi)，而2002年科技泡沫時(shí)期的模糊性并沒(méi)有那么高。我們得出的結(jié)論是，2002年的互聯(lián)網(wǎng)泡沫不是一個(gè)真正的大泡沫，背后蘊(yùn)含著技術(shù)對(duì)于未來(lái)的影響力?！?/p>
他總結(jié)說(shuō)，經(jīng)濟(jì)學(xué)的愿景就是希望用模糊性去描述“Risk”沒(méi)法解決的問(wèn)題，他們?yōu)槭袌?chǎng)提供了模糊性新指標(biāo)來(lái)衡量股票風(fēng)險(xiǎn)。
學(xué)術(shù)研究的目標(biāo)在于找尋新風(fēng)景，接下來(lái)的產(chǎn)業(yè)應(yīng)用則會(huì)偏重于實(shí)地探測(cè)，挖掘金礦。除了學(xué)術(shù)經(jīng)歷，張曉泉教授此前也從事過(guò)投行分析師、科技公司國(guó)際市場(chǎng)部經(jīng)理等職，還創(chuàng)辦過(guò)一家互聯(lián)網(wǎng)企業(yè)。他表示，從研究到應(yīng)用過(guò)程中，存在兩大跨界趨勢(shì)。
第一，學(xué)術(shù)界和產(chǎn)業(yè)界融合愈加緊密。五到十年前，只有科研機(jī)構(gòu)的實(shí)驗(yàn)室進(jìn)行著超前研究，業(yè)界相去甚遠(yuǎn)。AI曾經(jīng)是一個(gè)不被人重視的子領(lǐng)域，Geoffrey Hinton神經(jīng)網(wǎng)絡(luò)提出了30多年一直無(wú)人問(wèn)津，但這一切在近五年發(fā)生了變化?，F(xiàn)在業(yè)界的研究已經(jīng)非常接近科研人員課題，雙方互通有無(wú)，交流頻繁。
此外還出現(xiàn)了頂尖科學(xué)家投身產(chǎn)業(yè)界的趨勢(shì)。比如，2013年，人工智能界兩位泰斗多倫多大學(xué)計(jì)算機(jī)系教授Geoffrey Hinton、紐約大學(xué)終身教授YannLeCun分別加入了Google和Facebook；今年，斯坦福人工智能實(shí)驗(yàn)室負(fù)責(zé)人李飛飛教授兼任谷歌云首席科學(xué)家，倫敦大學(xué)學(xué)院計(jì)算機(jī)系汪軍教授與阿里巴巴合作研發(fā)出了多智能雙向協(xié)作網(wǎng)絡(luò)等。
“我認(rèn)為導(dǎo)致變化的主要原因是當(dāng)時(shí)大數(shù)據(jù)尚未普及，計(jì)算能力不夠。如今展現(xiàn)了一個(gè)非常好的趨勢(shì)，科學(xué)家可能會(huì)在公司中任職，或者自己創(chuàng)業(yè)，這樣能使得一些新的研究成果立刻付諸實(shí)踐。另外，學(xué)術(shù)研究人員通常會(huì)擁有一種更長(zhǎng)遠(yuǎn)、改變行業(yè)規(guī)則的心態(tài)，這能中和企業(yè)短期追求?！?/p>
張曉泉教授評(píng)價(jià)道。
“與此同時(shí)，也解決了學(xué)術(shù)圈長(zhǎng)久以來(lái)存在的最大問(wèn)題——資源有限，如數(shù)據(jù)資源有限，配備設(shè)施有限。此外，因?yàn)檠芯堪l(fā)現(xiàn)和實(shí)際應(yīng)用有著一定的距離，落地流程比較繁瑣，很多手握專(zhuān)利的教授可能不愿一步一步完成這個(gè)過(guò)程。而企業(yè)的出發(fā)點(diǎn)是商業(yè)化，只要有利于盈利，它們就會(huì)為研究提供資源。這樣就形成了良性循環(huán)?！?/p>
當(dāng)然，在雙方合作落地的過(guò)程還存在一些問(wèn)題，趙曉泉教授指出，其中一大基礎(chǔ)矛盾就是學(xué)術(shù)界和產(chǎn)業(yè)界追求存在差異?？茖W(xué)家致力于最前沿的突破，研究如何將準(zhǔn)確率95%提升到96%等問(wèn)題。而企業(yè)追求解決問(wèn)題，產(chǎn)生效用。提升1%，算法速度提升一秒等發(fā)現(xiàn)對(duì)于他們來(lái)說(shuō)，意義可能并不是那么重大。當(dāng)絕對(duì)值很小的時(shí)候，頂尖的研究對(duì)于行業(yè)的影響較微弱。這要求著學(xué)術(shù)界、產(chǎn)業(yè)界更進(jìn)一步的溝通理解。
第二個(gè)趨勢(shì)是，金融界與科技界的跨界合作正在接連上演。幾乎任何一家金融機(jī)構(gòu)都會(huì)設(shè)立金融科技部門(mén)，很多科技公司也開(kāi)始涉足金融業(yè)務(wù)，“Fin”與“Tech”的合流之勢(shì)不斷明朗。
例如，今年六月，國(guó)內(nèi)銀行扎堆宣布與科技巨頭聯(lián)姻。當(dāng)時(shí)，張曉泉教授就對(duì)雷鋒網(wǎng)表達(dá)了他的看法，
“公司的存在就是為了提高效率，技術(shù)（包括商業(yè)大數(shù)據(jù)、AI）也是為了讓工作更有效率，因此這樣的合作更早的時(shí)候就可以開(kāi)始了。未來(lái)的公司都不需要打標(biāo)簽，沒(méi)有技術(shù)和金融之分，只是用技術(shù)來(lái)解決各行業(yè)的問(wèn)題?！?/p>
與學(xué)術(shù)界與產(chǎn)業(yè)界需增進(jìn)了解相同，fintech的發(fā)展也要求著“銀行家”與“工程師”擴(kuò)大交集。尤其是作為一門(mén)應(yīng)用科學(xué)的股票投資。張曉泉教授舉例道，一些AI專(zhuān)家寫(xiě)出的預(yù)測(cè)股票模型在實(shí)驗(yàn)室環(huán)境下準(zhǔn)確率能達(dá)到80%，但是由于缺乏對(duì)金融市場(chǎng)的理解，真正下場(chǎng)的表現(xiàn)慘不忍睹。他的團(tuán)隊(duì)也有做相關(guān)預(yù)測(cè)模型，準(zhǔn)確率在75%左右，實(shí)際表現(xiàn)也很穩(wěn)定。
而隨著近年來(lái)fintech行業(yè)的成熟，科技開(kāi)始觸碰到金融真正的核心。一些新技術(shù)及產(chǎn)品如雨后春筍涌現(xiàn)，其中以區(qū)塊鏈、智能投顧最引人注目。
在張曉泉教授看來(lái)，目前智能投顧行業(yè)最大的問(wèn)題是太擁擠了，門(mén)檻不高，從業(yè)者甚多。
“這個(gè)市場(chǎng)發(fā)展到最后應(yīng)該是一家獨(dú)大?，F(xiàn)在的智能投顧仍處于跑馬圈地階段，類(lèi)似于早期互聯(lián)網(wǎng)時(shí)代出現(xiàn)了數(shù)不勝數(shù)的搜索引擎。當(dāng)時(shí)沒(méi)人知道哪家會(huì)贏，現(xiàn)在也是如此?！?/p>
至于區(qū)塊鏈，他表達(dá)了對(duì)其前景的看好。雖然如今還處于早期階段，業(yè)界還在解決一些最基本的技術(shù)問(wèn)題。同時(shí)，他也指出，區(qū)塊鏈最大的挑戰(zhàn)在于沒(méi)有形成一個(gè)很好的商業(yè)模式。技術(shù)人才缺乏商業(yè)認(rèn)知，有商業(yè)背景的人缺乏對(duì)于技術(shù)的深刻理解。
隨著新技術(shù)的發(fā)展?jié)B透，難免會(huì)對(duì)行業(yè)以及整個(gè)社會(huì)造成沖擊。其中，面對(duì)AI對(duì)于金融行業(yè)的影響，監(jiān)管是個(gè)始終繞不過(guò)去的話題。張曉泉教授在最后也談到了這方面的觀點(diǎn)。
“新技術(shù)及相關(guān)產(chǎn)業(yè)的發(fā)展猶如大浪淘沙，在推動(dòng)行業(yè)從業(yè)者嘗試，磨合出商業(yè)模式的同時(shí)，還會(huì)對(duì)傳統(tǒng)社會(huì)的理念、機(jī)制造成改變，比如法律法規(guī)。過(guò)去的土地所有制在飛機(jī)出現(xiàn)后就不再適用，不然每一次飛行都侵犯了所有者的權(quán)利。這說(shuō)明，當(dāng)技術(shù)導(dǎo)致大環(huán)境變化時(shí)，法律法規(guī)需要進(jìn)行進(jìn)行調(diào)整?！?/p>
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見(jiàn)轉(zhuǎn)載須知。
