人工智能与投资经理
小孩子可以轻而易举地分辨出照片里的狗和猫，但这对电脑来说是一件极其困难的事情。2012年发生了令人工智能开发人员大吃一惊的事件，在电脑能够识别照片中物体的“形象网”比赛中，多伦多大学取得了压倒性胜利。此前人工智能的正确率为74%，而多伦多大学的正确率为84.7%，计算机突然变聪明了，这意味着多伦多大学的深度学习技术造就了聪明的电脑。
深度学习技术出现以后，人工智能迅速进化，这令投资经理和分析师非常苦恼，因为人工智能今后在一定程度上可以取代人类。客观来说，人工智能似乎比人类优越，可以在庞大的数据中比人类更快地找到稀有的资源，可以迅速处理以几何级数增加的信息，降低非理性判断的可能性。因此，在数据和投资对象相对较多、定性判断的重要性较低的短线投资领域，人工智能的应用将会迅速扩大。在以价格动量为基础或快速应对的短线投资领域，人类很难战胜人工智能，因为人类的固有观念和恐惧往往会导致失误。但人工智能在数据不一致或经常变化时，会表现出脆弱的一面，就像在李世石和阿尔法狗的第四轮对决中，李世石的一招妙手使阿尔法狗出现了反常失误。
有人指出人工智能在商业化医疗领域的局限性。IBM的沃森是最为卓越的医疗人工智能技术，在印度马尼帕尔医院诊断直肠癌时与医生的一致性达到了85%，而肺癌一致性仅为17.8%，非转移性乳腺癌的一致性为80%，但转移性乳腺癌一致性仅为45%。一致性数据在不同人中间也存在差异，进而影响沃森的可信度。IBM在2018年中断或削减了沃森癌症治疗方案和新药开发计划人工智能平台。
无人驾驶汽车领域也是如此。2018年3月，优步的一辆无人驾驶汽车在美国亚利桑那州坦普地区撞死行人，这是第一起无人驾驶汽车撞死行人的交通事故，是逆光条件下传感器识别效率下降导致的。无人驾驶汽车大多使用激光雷达来识别周围事物和道路状况，由人工智能技术操作驾驶的方式，工作原理看似很简单，但传感器对周围事物的错误判断或移动预判局限等可能引发交通事故。另外，人工智能对雪、雨、雾等无规则变量的应对能力还未达到预期。无人驾驶汽车导致的死亡事故使零事故构想被打破，市场也反映了这一点。2019年9月，摩根士丹利以技术延迟为由，将谷歌母公司字母表公司旗下的无人驾驶汽车公司Waymo的企业价值从原来的1750亿美元下调40%至1050亿美元。(https://www.daowen.com)
由于机器学习系统只能从已存在的数据中学习，难以应对未曾出现的情况，而人类则可以通过合理的推论应对新情况。尽管大部分情况都是微不足道的，处理不当也有可能成为事故发生的原因，然而这样的问题难度太高，像中国一样将整个城市重建成完全适合无人驾驶汽车的城市会更容易。
另外，在事故发生时，可能会出现优先保护驾驶者还是行人的两难境地，根据判断的结果来决定由哪一方承担法律责任等非技术性问题也是需要解决的课题。对此，人工智能专家多使用最大奖励强化学习，或类似于人类发挥集体智慧一样，各种人工智能算法寻找共同结论的“集成方法”等来解决问题。
股市上很多噪声会使价格突然发生不规则的变化，在遇到这类价格剧烈波动的情况时，人工智能会如何决定呢？错误判断并下达交易指令时，人类如何阻止人工智能呢？也许要拔掉电脑的电源线吧。
尽管存在各种争议，人工智能热潮仍在不断高涨，投资也在持续，美国市场调查机构PitchBook称，2019年对人工智能的投资规模达到了310亿美元。伦敦的风险投资企业MMC Ventures对全球2830个科技创业企业进行了分析，结果显示拥有人工智能技术的创业企业融资规模比其他企业高出15%～50%。
如果将人工智能应用到资产管理领域，用于机器学习的金融数据的特性（数据量少，动态变化）导致人工智能很容易被过度优化，数据和学习方法的不同也会导致不同的结果。此外，人工智能只能通过数字形式对定量数据进行分析，在定性分析方面尚存在局限，人工智能技术在数学、统计等方面表现优秀，但政治、社会、经济等人文领域仍是人工智能的弱项。目前我主要对人口老龄化、消费增长、创新技术等未来可能会发生的结构性变化趋势进行投资，在这种结构性趋势投资中，人类比起人工智能可以更深入地研究结构性变化，更出色地进行长期投资。
最重要的是，人工智能仅仅掌握了数据的表面关系，却无法分析这些关系的本质原因和原理，无法解释做出这种选择的原因。对于人工智能找出的模式是今后可以持续使用的策略还是单纯的噪声，还需要人类的判断来加以确认，人工智能绝对不是可以从庞大的数据中独立找出最佳战略的魔法工具，最终还是需要基于相关领域专家的洞察力来选择数据并进行设计和学习。
人类只能在有限的范围内进行分析，速度慢，并且易受到感情的影响，但是即使没有充分的数据，也可以进行直观的思考，在人类1.4公斤的大脑内没有数学式的结构，人类所具有的灵活性使逆数据思考成为可能，即批判性思维，人类具备怀疑数据和颠覆数据的思维。就像莫拉维克悖论说的那样，对人类来说很简单的事情对于人工智能可能会很复杂，人工智能善于解决问题，但人类善于寻找问题。
设计出优秀的人工智能与人类合作的结构使同时具备广度和深度的分析成为可能，分析速度更快且更客观。我追求的投资方式是向人工智能进化的量化分析和人类智慧相结合的基本面量化方式（即量化+基本面）。
著名对冲投资经理人保罗·都铎·琼斯曾说：
“人类并不优于机器，但任何机器也比不上会灵活应用机器的人。”