对人工智能的点点看法：从AlphaGo说起

前些日子，一个叫Master的人工智能在网上连续战胜60名国际顶级围棋手，轰动一时。后来经官方证实，Master其实就是早先已经声名大噪的AlphaGo - 一款由谷歌深度学习（Deep Learning)实验室推出的围棋AI。这一下，之前种种关于人工智能威胁论的文章再次风声鹤唳 - “人工智能要抢人类饭碗”、”人工智能对人类生存造成威胁”等等观点比比皆是。抛开夸张到极致的“终结者天网”一类的言论不谈，我们可以看到现实的投资人们纷纷开始将资本迁入人工智能领域。就像前些年的大数据、这两年的虚拟现实，人工智能真的是火到不行。

作为一名受过多年工程类教育的非科技行业从业者，我个人认为人工智能还远没有诸多观点提及的那么厉害 - 至少人工智能不能实现很多文章中提及的诸多功能。我以为，现在人工智能已经发展的比较好的领域是：图像识别，声纹识别，或者归于一项：Pattern Recognition，以及自然语言处理技术（某种程度上也算PR)。具体说，就是可以判断一张图片里是不是有一只猫或者想Apple Siri一样可以识别主人的声音。图像识别技术也被大量使用在无人驾驶的汽车和无人机上，这也是我们说人工智能汽车的原因。至于常见的机器人，也就是这些AI技术加上一些机械振动学和力学的应用。

尽管这些技术已经发展地非常迅速了，我之所以说“人工智能还不够厉害”是因为我心目中AI的终极目标是帮助人们在任何情境下作出最优决策，而目前的人工智能还做不到这一点。在《未来简史》这本书中，作者赫拉利认为人类将最终完全放弃决策权，并将其全权交给人工智能[1]。说到这里，有人也许会质疑：AlphaGo在围棋领域中已经可以作出优于人类的决策，将其技术应用于日常生活不就可以了？提出这样疑问的人忽视了一个重要条件：围棋以及许多棋类游戏，不同于现实决策，都是完全信息博弈，即博弈中到了任意一个步骤都有最优的解法，换种说法：如果游戏两方都是绝顶聪明的选手，那么一局围棋走法只会出现一种情况（游戏的步骤总数，每一步棋盘上棋子的摆法都是唯一的）。现实生活之所以不会出现这种情况，是因为围棋棋盘上可能出现的情况太多，不要说人脑，即便是计算机要储存全部的信息也是一件很困难的事。很多人以为优秀的围棋选手拥有超强的大脑，可以推算接下来的很多步，实则不是。优秀的棋手在脑中存储了大量的棋局以及对应的走法，到了比赛中，他们做的事情就是识别棋局（具体可以参考”Thinking Fast and Slow”)。相较于围棋，现实生活中面对的很多决策情景都是不完全信息博弈，这里面包含着很多的不确定性。我们常玩的德州扑克就属于不完全信息博弈，这里有一篇知乎问题,里面探讨了人工智能用于Poker的可能性以及目前进展。扑克类游戏虽然是不完全信息博弈，但鉴于牌数有限，做决策时大致的概率分布是可以估算的，AI解决起来要相对容易。现实生活的复杂度远远胜于德州扑克，如《黑天鹅》的作者Nassim Taleb所言，很多概率分布本身都是不可估测的。要想人工智能代替人类作出全部决策，人类还有太长太长的路要走，甚至可能永远走不到。

目前有很多Hedge Fund和FinTech Company想要将人工智能用于证券交易-类似于Machine Learning for Trading, Deep Learning for Trading等等。我个人至少暂时也不太看好这样的技术。在我对市场的认知里，证券市场属于复杂系统(Complex System)，复杂系统的一大特点是没有pattern但是会偶尔形成一些看似pattern的东西让人以为有规律可循。这些人工智能交易系统需要抓住这些暂时的规律然后获取利益，可惜的是复杂系统是不断自我变化的，要靠一个算法或者一个智能一直盈利，真得太难了。我以为，计算机交易系统的本质工作还是通过进行复杂计算对资产进行配置，抵抗风险。通过人工智能找到市场规律，找到Alpha - 至少现在看来还得打个大大的问号。

总的来说，有人工智能的世界是美好的，我现在非常享受Siri帮我回答很多问题。我希望这项技术快快发展，也希望夸夸其谈的相关文章越来越少。

[1]《世界奇妙物语2015导演特别篇》有一个关于人工智能代替人类做决策的故事，叫《幸福眼镜》，强烈推荐。