人民网北京8月30日电 （记者 朱一梵）随着人工智能（AI）技术日渐成熟，全球资管行业开始将AI技术与资管业务相结合，探索行业发展和升级新道路。中国证券投资基金业协会（以下简称协会）金融科技专业委员会长期以来致力于加强资管行业与前沿科技的交流协作，探索未来金融生态的构建。在协会金融科技专业委员会主导下，全球智能投资峰会自2016年至今已成功举办三届。

8月30日，协会金融科技专业委员会主办的2018全球智能投资峰会在北京召开，共同研究人工智能在资管行业的最新应用及未来金融科技的发展方向。本届峰会以“聚?变”为主题，旨在聚集全世界的金融与科技精英，围绕金融科技、智能投资等热点话题，探讨人工智能带来的行业变革。

协会钟蓉萨副会长在致辞时表示，人工智能对资产管理业的影响是广泛而深刻的，行业应当深入学习、思考，探索人工智能在资产管理行业的应用。目前世界各国都在积极探索智能金融，包括智能投顾、智能投资、智能客服等多个方面。智能投资领域未来有两个重要的应用场景：一是自动生成报告，二是辅助量化交易。

协会金融科技专业委员会主席肖风以“涌现论与智能投资”为题，阐释了还原论与涌现论两种认知方式，还原论是把事物拆分为更细微的结构，然后导出因果关系和宏观规律，涌现论则是在一个开放复杂的系统内，因为随机性和互动，事物的发展是非均衡的、不可测的，注重相关关系。这两种认知方式的差别也见于新古典经济学和复杂经济学中。他指出，量化投资基于还原论，而索罗斯的“反身性”是基于涌现论的，强调各种市场力量的互动会影响市场的趋势。肖风引用布莱恩?阿瑟的名言“经济是技术的表达”，指出人工智能的发展使我们在涌现论的角度下认识资管行业，AI对资管行业的影响分为两个阶段：第一是Alphago阶段，AI进行自然语言学习，辅助分析员和基金经理，是人的能力的加强；第二是AlphaZero阶段，AI进行深度学习，解构并重构市场，以“预测性”和“决策性”表达机器观点。未来AI的发展将会引起行业变革、商业变革、市场变革，在三个层次上影响整个资产管理行业。

微软亚洲研究院副院长张益肇认为未来发展的方向是AI+HI。人工智能带来的数字化转型有四大方向：第一是与客户互动的方式，第二是激励员工，第三是运作优化，第四是转型产品。在智能投顾方面，AI+HI的结合点在于，人具有创造力，可以看到新产业的酝酿和发生，而机器比较理性，用大量数据来分析，把人的智慧与机器的能力组合起来做好投资管理。未来人工智能不会替代客户经理，但是会用人工智能的客户经理将会替代不会使用人工智能的经理。

百度北京大数据实验室主任浣军分析了当前AI发展浪潮与以前AI的不同：一是本次AI浪潮是由大数据驱动的，不光是数据量爆炸式增长，还伴随着数据清理、整合和标记；二是算力急剧增长，算法快速迭代，错误率越来越低，机器在某些方面的能力超越了人类。浣军同时表达了对AI安全性的思考，当AI走出信息社会，走入物理社会以后，它的安全性会非常重要。同时，让AI助力中小企业发展、消除AI技术门槛需要让深度学习的网络设计自动化、定制化、低成本化，借助深度增强学习的技术，实现开放、普惠AI的目标。

通联数据智能投研总监盛元君表示核心投研能力的提升，不仅仅来自于人，也会来自于科技，机器能够解决的问题在于三个方面：第一是大数据处理，尤其粗糙数据的处理；第二是传统模式的升级，重复性的金融工作被机器所取代；第三是基于客户需求的个性化服务，运用用户画像等技术提升提供不同金融产品的效率。AI技术的发展和应用，将人的决策逻辑进行因子化提炼，固化之后可以帮助人们决策时有效避免知行不一的问题。AI技术还能对信息进行高效收集和处理，自动进行个性化的多资产组合管理，拓宽人力管理的边界。

在会议GeekTalk环节，芝加哥大学布斯商学院教授丛林、上海龙之量投资管理公司执行董事总经理王继忠、通联数据算法总监薛伟及FDDC大赛选手代表们进行了主题探讨，王继忠表示目前关于数据的谈论大多停留在一维和二维层面，多集中于时间序列的图和架构，很多情况下没有触及三维、四维、五维的数据，真正市场比想象中更复杂，可能是三维、四维、五维的场景。薛伟表示传统人工获取数据的方式具有很高的人力成本，这部分工作可以由机器代替，并且持续稳定地解决数据获取问题。

新智元创始人杨静表示AI摩尔定律比以往的摩尔定律快很多倍，三四个月算力翻一倍，自2012年以来增长30万倍，量子计算也处在一个爆发的时代，世界知名互联网科技公司如谷歌、百度等都在做量子计算的项目，未来十年量子计算将成为主流。AI云生态系统也在世界范围内逐渐兴起，谷歌云通过软硬件+开源框架定制体系，塑造庞大的社区开发者生态圈。

国际人工智能联合会理事会主席杨强与参会代表一起讨论了人工智能的低谷和希望。深度学习技术建立在三个重要基础上，第一是大数据让我们在极高维的空间有准确的表达，可以进行两个事物的准确比较；第二是闭环的算法减少人的参与；第三是高效的AI架构如智能学习的平台、云计算平台等，但目前人类还没有能力真正做到安全和隐私方面的AI架构，也没有能力将不同的分布式数据与数据的拥有者进行无缝连接。人工智能学者不能一味追求新的算法，而是要研究一种新的架构，加上算法以及高维的表达，如此方能使得人工智能真正往前发展。

分享让更多人看到