最近在金融市场上关于技术的最热话题非比特币和人工智能(AI)莫属，以比特币为代表的所谓“数字货币”或者“虚拟货币”的交易价格不断创出历史新高引发更为广泛的关注，至于人工智能的话题热点从之前的自动驾驶等领域扩散到了金融市场上的应用方面，无论是卖方还是买方，越来越多的知名金融机构开始采用人工智能来丰富自己的投资手段，提高决策效率。有些据说还取了不错效果。这在引发了人们对人工智能更为广泛的期待的同时，也引发了不少忧虑甚至恐惧。
有研究员写了篇报告的题目叫：人工智能时代，10年后我们还能干什么?根据耶鲁和牛津大学等海外知名研究机构的报告，10年内人工智能有望在翻译、高中水平的写作、卡车驾驶、售货等领域超越人类，到2060年前后有50%的概率超越人类。这种观点比较直观，也容易引发共鸣。小时候看科幻作品时憧憬各种科学进步为我们生活和工作带来诸多便利，而现在大家却发现人工智能是可以让自己饭碗不保的。实际上只要我们回顾历史就能发现，技术革新每一次给人类社会带来巨大进步的同时，总是伴随不少社会性成本的。特别是类似就业压力这种对一般人而言都非常直观的感受的确容易引起广泛的关注。
离我们最近的例子，可能要数以淘宝为代表的电商对传统零售业带来的冲击，这几年你在不少二线省会城市的出租车上就能经常听到司机怒怼Uber和滴滴的同时，听他们诉说对电商的抱怨。他们承认技术进步带来的好处，但无法接受世界改变的步伐太快，担心自己被排斥在受惠人群之外。有人甚至直接表示政府应该为此负责，从监管方面限制某些新事物看起来粗暴又无序的发展。如果说起初那些由强烈的获利欲望团块化起来的金融白领们在适应互联网时代开花结果的历史进程中受益匪浅的话，那么人工智能从过往的概念到现在实际应用的推广开始逐步深入的今天，金融白领们开始感受到的是不安。
其实在现实里，人工智能的雏形在金融领域的应用早就开始了，最近的例子有美国以及日本等发达国家早些年开始销售的针对个人投资者的“机器人”公募基金，其中比较具有代表性的是一种以技术指标为标准的基金。基金经理通过对过往技术指标的与股价关系的分析，做出投资判断，而这个分析过程使用的是基金经理自己编写的程序。这种程序开始比较单纯，随着时间流逝，由于基金经理考虑的要素越来越多，因此程序自身也越来越复杂，其中部分产品很自然的随着技术开发的进展，逐步导入深层学习(DeepLearning)并在实际运作中逐步完善，正式进入目前最流行的“AI”概念。
基本上，这类产品的特征在于重视过往市场数据的分析，应用深层学习的技术对股价进行预测。从结果而言，在市场异常波动的情况下此类产品也没能摆脱人工操作的那些烦恼。一些比较有代表性的基金在去年英国脱欧，以及美国大选这种重大事件上的表现就充分反映了人工智能在高速发展的今天面临的实际问题。有的连战连败，有的平分秋色，很难找到真正的常胜产品。一位利用人工智能开发出可适应超过140万亿种可能性的投资工具的基金经理在事后难掩失望之情，表示自己能做的只是进一步完善自己的程序。而在此类事件中拥有成功体验的人工智能产品实际不少也表示有难言之隐，有个产品将以脑神经为模型的程序扩大化，以期从浩瀚的数据库中提取真正有效的规则和判断标准为投资决策服务。此类产品由于整个计算过程涉及庞大的数据量，然后彼此复杂的关联起来，人工智能提取的“最佳方案”到底是如何起到作用的，在目前看更多时候其实是难以得到令人满意的解释的。由此带来的问题在于，结果上虽然机器人成功给出了回避风险的信号，然而基金经理却无法解释其原因，也很难正确的把握人工智能的决断究竟基于什么因子，因为很可能程序的判断仅仅是一种巧合。在强调对客户的“说明责任”的金融市场里，这成为了一个巨大的风险点，在合规上也需要引起更多的关注和讨论。
有意思的是，目前逐步有统计资料显示，采用了人工智能的基金产品在过去一段时间取得了超越业界平均的回报。这无疑会进一步刺激资金从传统的主动投资产品流出，涌入该类产品，然而无法解释自身业绩的产品究竟何去何从还是个灰色地带。可以预见的是，人工智能产品热卖的结果，在近期依然是需要人工去做出选择的，这个选择基准和投资判断何时被人工智能取代也是一个有趣的话题，足以引起更多更深入的思考和讨论。除了上述的黑箱现象之外，目前的人工智能产品实际上还存在另外一个普遍的现象或者说问题：近期美国统计数据显示出人工智能介入的金融产品的成功更多是在相对稳定的市场环境中实现的。如果用A股市场最流行的方式表述，割韭菜的收割机越大对环境的要求就越标准化。目前的人工智能取得的成绩很可能就是在效率上对人工进行了割韭菜的结果，那么，市场中人工的各种情绪和感情因素被排除后，这些人工智能产品的超额收益应该从哪里来呢?其实从大多数人工智能的设计思路也能想到，大数据本身其实就是过去的经验，如何面对新的未知领域实际上人工智能和人工面临的困难其实并没有发生任何根本性的改变。
在日本运作了长达26年的一只导入人工智能的基金的胜率以月度计算的话达到60%，平均回报率为2%，笔者尚在日本工作的时候经常被资深前辈告诫的一个经验上的业界现象是，50%是一个分水岭，也就是那些有严格仓位限制的股票基金的管理者能够在日本市场生存的淘汰分数线。实际上，以笔者的经验而言，做到53%的胜率就有机会在公募基金中脱颖而出，以5年为单位的业绩基本上能排到前列。而强调绝对收益的基金更重要的指标是在基金经理在有利于自己的市场条件下能够获取的回报率，胜率反而不是那么重要。笔者相信这个潜移默化自然形成的业界基准实际上换了人工智能也会同样适用。任何成功的人工智能产品只要其原理开始普及，那么，可获取的利润空间将逐步收敛，就像ETF这种怪兽级的产品早晚也会迎来由于自身过于庞大而引发的困难局面。就像目前民航飞机的两强，空客和波音，前者在设计上就全面实现了自动操控，而波音却坚持保留了人工操纵的功能。人工智能在不断进化，人类自身也在不断积累经验教训。究竟谁在这个领域更为优秀，目前不宜操之过急下结论。日本第一只采用机器人运作的公募基金的开发者就曾经分析，自己的机器人以技术指标为投资判断的工具，只要市场上还存在相应的以基本面分析为主的投资者，技术分析在实际投资中就有效，把时间花在讨论价值投资和技术分析哪个更优秀的话题上简直就是浪费生命。
由于人工智能的诞生实际上不仅仅是人类兴趣使然，更大的社会厚生性质是为人类自身服务的产品，是人类提高效率的工具，人工智能的未来也不应该偏离这个初衷，很多对人工智能的担心实际上可以被归结到人工智能的伦理判断标准中去讨论，形成人工智能的伦理标准相信是早晚的事情，也是个动态的过程，而人类自身必然才是这个标准的制定者和执行者。早前在自动驾驶的领域，曾引发很深入的讨论。在交通事故不可避免时的人工智能应该如何判断下一步的行动，为了避免更大的伤亡是否允许牺牲更小范围的利益相关方，道德理念的基本原则究竟应该如何设置等问题最终肯定不会是技术研究人员单方面的问题，需要更多更广泛的社会讨论才有机会实现真正的自动驾驶。在新的发展阶段总是存在为数众多的未知领域，总的来说，对社会整体的利益超过成本的话，那么持续的投入进行深入研发就是值得支持的，对于未知的风险管控采取一种在发展中解决问题的乐观主义态度也未尝不可。不过无论哪一种技术进步，一旦步子迈得太大的时候，应该采用何种方式方法来平衡激进的领先者和大多数的利害关系会成为很紧迫的社会性问题。创造性破坏即便在长期看来对社会进步有益，但如何消化其负面冲击?最好的办法就是找到办法让更多人从中受益。
如前所述，人工智能目前在金融领域最大的优势可能是因为没有人类最朴素的感情因素，那么在其高速发展的过程中，除了诸多无法准确解释的因素导致一般信赖性问题之外，早晚会面临与自动驾驶同样的伦理观念的标准问题。上个月，日本央行总裁黑田东彦在日本金融学会作报告时专门强调了现在货币政策面临的困难，其中一点就是金融市场的深度广度对央行的挑战，所谓的Flashevent的发生不仅会影响央行政策的传导，一旦引发事故，央行还需要在传统政策框架之外出手稳定市场，维持正常的秩序，甚至事后如何追究责任等现实问题早晚也会影响到人工智能开发的原理原则。
对人工智能的飞速发展乐见其成，对其副作用也要有更充分的预见性准备。这样在将来矛盾累积到一定程度突然出现大规模问题时我们所支付的成本才可能更有限。最近高层认识披露的对2015年股市异常波动，以及最近金融去杠杆的宏观背景中无法抹去的影子银行问题在本质上都与此类似，没有质的区别。
