很早就打算写这篇文章了，题目中，真假之辨的辩字，还是伤了一番脑筋，写分辨的“辨”似乎有些武断或者说专断，因为我对人工智能的理解确实跟主流大众对人工智能的理解确实不一样，写辩解和辩论的“辩”，我是真心觉得辩解和辩论都是没有用的，你是很难说服那些傲慢，偏见的人，尤其是读过几篇人工智能论文，下载过几个所谓人工智能软件包，整瓶不满，半瓶晃荡的人。我的微信群里偶尔也会混入这种人，我一般都是沉默以对，真烦了，就干脆踢之。道不同不相与谋，何苦废话。现在写这篇文章，也是这些人鼓吹的深度学习，卷积神经网络的人工智能似乎已经步入寒冬，或者说很多项目都已经失败了，这个时候写这篇文章，或许能有更多的人认真的阅读下去，思考一下这个时代的人工智能到底是怎样的。如何辩证的去看这个时代，人工智能的真真假假。
“十月革命的一声炮响，给我们送来了马克思主义”。这是1949年，毛泽东在总结中国共产党28年的光辉历程时提出的一个著名判断。它以形象化的说法揭示了一个基本事实，即中国共产党真正了解马克思列宁主义，并以它作为自己的理论基础和指导思想是从1917年十月革命后开始的。
https://zhidao.baidu.com/question/214898043.html
2016年，Alpha Go下了几盘棋，为我们也送来了人工智能，从此我们在人工智能算法方面，可谓一日千里，短短几年时间，我们迅速雄起为人工智能研究世界第一强国。
这种速度奇迹，真不次于当年跑步进入共产主义时期的速度奇迹。幸运的是，天佑中华，共和国的开创者没有比红色高棉和朝鲜的人民领袖更懂社会主义和共产主义，而是走向了被那些更懂的人唾弃的修正主义。这里我不想发表任何政治观点，我只想表达的是脱离了时代背景和客观现实条件去谈论人工智能，就像那个年代的社会改造一样，书生意气不仅是无用的，而且很可能是有害的。很多事务都是真真假假，假假真真，所谓假到真处真亦假,真到假处假亦真。书本上的，论文里的真假不过是水中月，雾中花。只有实践才是检验真理的唯一标准。
事实上，这次人工智能的发展热潮中，并没有出现类似当年爱因斯坦发现相对论，提出质能转换方程这样具有真正划时代革命意义的理论出现。在我看来倒是像极了2008年金融海啸之前，另一个数学模型的狂热，那就是后来被称为引发金融危机的大杀器copula模型，国内没信用衍生品交易，国内很少有人知道当年的狂热，copula是一个可以度量非线性相关性的数学工具，后来被一个叫李祥林的华人学者引入到了华尔街的信用衍生品定价中，当年会copula就相当于现在会卷积神经网络，我一个读研二的师兄，一个学期发表了两篇sci论文，这样的学术成就，十多年了，师门再无第二人。copula只是一个数学工具，神话copula的是人的贪婪，我相信CNN、DNN也一样。
会下围棋的阿尔法狗只能算是一项科技发明，而不是像法拉第发现电磁感应，爱因斯发现质能转换定律一样推动人类科学进步的重大科学发现。阿尔法狗用到的卷积神经网络上个世纪90年代就已经逐渐成熟，阿尔法狗团队发表的论文题目是《使用深度神经网络与树搜索使计算机精通围棋》，也就是说阿尔法狗的成功并不是成功的提出或质的提升深度神经网络算法，而是创造性的把已有的深度神经网络算法和树搜索算法成功的应用到围棋这个挑逗大众敏感神经的智能游戏中。
quant_andy，公众号：AI科学投资AI会武术
读到这里，有人就会问了我们现在的人工智能都是假的吗？问题是何所谓真，何所谓假。这个世界很多事情都是真真假假，假假真真，只有孩子才会把好人和坏人分的那么清楚。下面这个长得好看的很可能就是假的，但是很很多多没有这么美丽皮囊的，可以完成以前只有用人类智力才能完成的工作的机器和代码却是真的。而且这种机器替代的不仅仅是超市的收银员，也将包括高智商的基金经理、交易员。这些就是工业4.0时代真正具有生产力的人工智能。这不是传说，这是一个时代的开始。
麦肯锡全球研究院在今年1月推出的报告中指出，金融和保险领域的工作岗位，有43%的可能性会被自动化替代。去年11月，李开复在某金融论坛上也表示，人工智能最好的应用领域之一是金融领域。他还说：“人已经不能再管理我的钱了，因为人打不过机器，这是非常明确的事情。相对来说，交易员以后就没有工作了！” 小编看来，高盛600名交易员仅剩2名，这一高大上的“金饭碗”的遭遇，只是在高盛这样的华尔街金融巨头们转型升级中将技术引入日常业务的一个真实写照。
公众号：中国证券经纪人协作网人工智开始抢金融业饭碗了，知名机构大量裁员！
这不是贩卖焦虑，马云说，面对新的机遇，很多人都经历过四个阶段：看不见，看不起，看不懂，来不及。
那工业4.0时代的人工智能，“智能”源于何处呢？我的答案是源于万物互联的系统化和大数定律下的概率优势算法。
首先，人工智能的成功如其说是学术上的突破，不如说是实业工程应用的成功。 而这种成功是建立在工业4.0的进程中的。工业1.0蒸汽机，工业2.0 电气，工业3.0信息化，工业4.0的核心就是万物互联，这种互联不仅可以提供类似人类肢体运动的能力，也将为机器提供类似人的智能的联想能力和系统化的执行能力,。图像识别，人脸识别是很早就出现的计算机科学研究分支，但那时没有人把它称之为人工智能，能够识别人脸的，狗可以，猫可以，猪也说不定也可以，但是没有称为狗工智能，猫工智能，猪工智能，为啥，因为识别完人脸之后，能够主动给你一瓶饮料，并从你的余额宝里扣三块钱钱的一系列动作，狗做不到，猫做不到，猪也做不到，之前只有用人的智能才能做到。马云谦虚的称为"机器智能"。但这就是工业4.0时代的人工智能，而且这个时代才刚刚开始。
你可以贬低这不是真正的人工智能，只是自动化，但它替代人的工作确是实实在在的，不仅仅包括收银员，很多流程式的办公行政工作，甚至一些程序员的工作都会被替代。做网站不需要编程，开发基本的信息管理软件也不需要编程，你信吗？搭建自己个性化的量化投资策略也不要编程，你信吗？智投.com 这个网站就是无编程搭建的，量群智能投资决策支持平台也将为量化投资爱好者提供无编程量化投资体验，这个平台我已经断断续续开发了五年时间了，只是还没有对外推广。我们的群体智能投资交易系统也实现了数据维护，投资决策，交易执行，盘后报告的全流程自动化，系统化，可以在无人的状态下全自主交易。
其次，就是大数定律下的概率优势算法。很多人说现在的人工智能不能实现逻辑推理，所以远不是真正的人工智能。但是阿尔法狗就是基于统计学概率分布的人工智能，在本公众号《从Alpha Go的基本原理看股票智能系统的可行性》一文中，已经对AlphaGo 的基本原理进行了分析，这里不再赘述，Alpha Go相对于1997年大战国际象棋大师卡斯特罗夫的深蓝计算机，最大的进步就是后者依靠模式识别式的的暴力计算，而前者已经成功的应用统计概率优势来大幅降低计算量。AlphaGo即使不能逻辑推理，通过基于概率优势的算法一样可以做到智能的效果。首先，人类的经验本身就是对过去发生的事情的经验总结，在历史数据的总结方面，计算机比人类强大太多。其次，逻辑推理的基础是因果关系，而英国休谟关于因果关系的反思，激发了人们关于因果逻辑与相关逻辑的数个世纪的研究探讨，至今未有定论。而计算机的强项可以用相关性的计算来代替因果关系的推理，而相关性的计算更符合量子力学阐述的一种似然的随机世界，在这其中，没有绝对的因果性，只有某种概率相关性。股票的涨涨跌跌，大多时候都没有明确的因果关系，但有一种貌似随机的相关性，这也是为什么股票投资是非常适合人工智能算法交易的原因。
下图中IC，即信息系数（Information Coefficient）是量化选股中非常经典的评价指标，表示所选股票的因子值与股票下期收益率的截面相关系数，通过 IC 值可以判断因子值对下期收益率的预测能力。信息系数的绝对值越大，该因子越有效。IC为负表示因子值越小越好，IC为正表示因子值越大越好。IC的计算方法是：计算全部股票在调仓周期期初排名和调仓周期期末收益排名的线性相关度（Correlation）。IC越大的因子，选股能力就越强。IC是很经典的指标，但是用这种IC累计求和曲线监控选股系统的动态有效性，好像是阳哥的原创。
科学家认为或许量子力学存在有一种模棱两可的因果关系。也就是说，A事件与B事件存在有一定的相关性，而我们往往不知道是A先发生还是B先发生，又或者是两者共同发生，当科学家无法做出判断时，就以量子力学作为桥梁，解释其中不明确的关系。
以上两条就是我个人总结的工业4.0时代人工智能的“智能”来源，智能来源的背后是工业4.0时代的时代背景，计算机或计算集群系统算力的的提升，大数据的积存储和分析技术的提升，以及即高速的网络和通讯技术。这也是为什么之前的人工智能热潮都成为泡沫，而这一次会有很大不同的原因。 也正是这个原因，我们不能将人工智能简单的理解成那些神经网络，深度学习的一些常用算法，否则就是只见树木而不见森林。
深度学习算法确实引领了这次人工智能的热潮，至于这个算法到底能够起到多大的作用，我不是这方面的专家，也很难评估，但有两点我是深不以为然的。第一，在没有重大理论突破的情况下，过分鼓吹效果，甚至把深度学习和人工智能划等号，这显然是有为了商业融资故意误导大众视听的成分；下面这个图是最近刚出来的据说波士顿动力公司的测试视频截图，假的！恶搞的。媒体的鼓噪，大众的幻想，精英们的贪婪，投资人叶公好龙式的投资热情，使人工智能这个概念变得跟武侠小说中的武学一样虚幻，这会造成劣币驱逐良币的现象，使真正具有杀伤力的格斗技术变得乏人问津。现在人工智能的发展方兴未艾，所谓的寒冬，不过是以人工智能为噱头的融资进入了寒冬，那些揠苗助长，想赚快钱的资本找不到接盘侠的寒冬。
第二，就是那种拿着模型算法找应用场景的做法，这是一种锤子思维，有把锤子，看啥都是钉子，这是本末倒置的，正确的做法是根据每个行业的具体应用场景，自发自生的研发系统化的，有概率优势的算法，而不是简单的拿来主义，招几个除了纸上谈兵啥行业背景都没有的博士就能搞出来的。很多天价招聘AI博士的，或许只是为了融资包装，真真假假，假假真真。
这帮手握人工智能锤子算法的人，还炮制了一个名字，人工智能行业，我真不知道人工智能行业是干啥的，生产智能机器人的？图像识别，语音识别，文本语义识别你都可以说是人工智能，但是他们只是一种计算机技术，渗透到行业应用中的计算机技术，而且这种计算机技术要和行业应用形成一个有机的系统才能达到机器智能的效果，软件开发是一个行业，但是人工智能还算不上是一个行业，一方面是因为人工智能技术应用很广，可以渗透到每行每业，每个行业，每个企业都可以自生的研发替代人类智能的算法和应用，而不是都用软件外包开发或者外购产品的方式。比如，小明一直在私募基金研究用人工智能的方法做股票投资，那请问小明是从事金融行业的还是人工智能行业的呢？答案很明显，软件开发是一个行业，但是写代码就不是一个行业，写人工智能算法代码也不是。另一方面，我们现在所处的时代离传说中的通用人工智能还太遥远，现在的技术生产个会唱歌的充气娃娃还行，生产个机器人女友，机器人女仆啥的，还真的太遥远。所以，哥，你要清醒一点，充气娃娃真不是人工智能。
金融行业里，这两年也出现了很多充气娃娃式的人工智能产品，这些产品的共同特点就是让计算机算法模拟人的感官，可以像人一样干啥，干啥，至于干啥我就不多说了，行业内树敌也不好，大家都懂的。注意，我说的是计算机可以干啥，别想歪了。
现在有很多做量化投资的朋友想问，人工智能量化投资和普通量化投资有何区别呢，我个人认为至少有两点非常重要：
第一，需要完全的计算机基于学习算法的自主交易，而不是趋势投资，价值投资，成长投资这种人为设定的投资逻辑，更不能有人为的主观预测参数。
第二，要经过至少十年的历史回测，并取得称得上“智能”的效果
实际上，这两条我们都已经做到了，现在需要继续努力做到的就是在实盘上证明我们的回测是可信的，实践是检验真理的唯一标准，现在这个工作已经开始，欢迎大家关注本公众号AI实验室菜单下的实盘测试子菜单，可以查阅我们的系统测试盘后分析报告。最近的系统表现，阿尔法上略有回撤，主要原因就是区块链和三季报发布的市场冲击对系统的排序效果会产生影响，高频量价策略本质上是赚群体行为下，资产定价偏离的钱，更通俗的说是情绪的钱，而不是信息的钱，可以参考本公众号8月底发的文章《为什么最近高频阿尔法策略表现不太好》。我一直都认为量化投资策略并非大家想象的黑盒子，它甚至比其他投资形式具有更好的透明度，系统哪里出问题了，其实是很容易发现和监控的，或许在以后的文章里会讲讲这方面的实践经验。也欢迎专业投资者们线下讨论。
如果觉得这篇文章对您有所启发，请帮我点下文章右下角的“在看”吧，谢谢！
