「阿爾法狗」橫掃棋壇後,「炒股狗」正欲挑戰人類交易大神!
撲克財經旗下品牌:最值得信任的大宗商品產業和金融服務業智庫。跨界、深度、專註——匯聚業內最值得分享、最有信息濃度的知識。歡迎移步微信公眾平台:puoketrader,網站:撲克投資家 大宗產業與金融智庫平台
作者:對沖大玩家
「阿爾法狗」接連擊敗中日韓頂尖棋手,讓世界驚嘆人工智慧(AI)的威力。在金融圈,一家對沖基金正在籌劃著一場足以震驚整個華爾街的項目。
沒錯!這家對沖基金正是2007年成立於舊金山的Sentient Technologies!
這支完全依靠AI運行的對沖基金有著自己的理念:對於交易而言,人類交易員的情感因素會對交易決策帶來很大影響,而機械化的運營完美地解決了這類問題,其聯合創始人Babak Hodjat如是說。
在理解「炒股狗」之前,我們首先得對人工智慧有所了解。大家對人工智慧、大數據,機器學習和深度學習的大肆宣傳和狂熱興趣。但關於它的真實意義和目前所達到程度的討論卻是非常混亂。讓我們逐個揭開這些術語背後的含義。
人工智慧定義
是計算機科學的一個分支,它主要研究由生物智慧啟發而來的演算法。包括完成通過人類智慧才能夠完成的一些任務,比如說計算機視覺、語音識別、問題解決和翻譯等。在很多我們每天使用的東西中都能找到人工智慧的影子,從Siri到X-box上的體感攝像機Kinect(通過識別玩家的肢體動作來玩遊戲)。還有許多廣為人知更加實驗性的人工智慧,從擁有「自我感知」超級馬里奧(譯者註:德國GermanysUniversity of Tübingen一個團隊為參加AAAI年度視頻大賽所研發,馬里奧能接收語音指令並自動玩遊戲)和自動駕駛汽車。也有一些較為小眾的項目,比如說機器從幾百萬中圖片中總結出重要的「見解」。
大數據是人工智慧的重要組成部分
大數據是指超大規模數據集,因為數據量太大而不能用傳統數據處理方式來分析、搜索和解釋的數據。但我們需要對其進行計算分析,以揭示特徵、趨勢和關聯。商業公司可以通過計算分析來更好的理解用戶行為和雙方交互,從而改善用戶體驗和提高自身的服務基準。零售商們可以依賴大數據提供的需求和庫存信息為成千上萬的商品進行近乎實時的調價。然而,為進行預測和決策而進行的大數據分析就需要機器學習的支持了。
支持決策和預測的機器學習
機器學習是人工智慧的一種,使用可以從數據中進行學習的演算法。這種演算法的運行原理是,基於輸入數據進行建模,然後再通過這些信息做出預測和決策,而不是遵循具體的程序化指令。使用機器學習來制定基本決策的例子很多,比如說Nest開發的恆溫器就是其中之一。再比如篩選垃圾郵件,識別信用卡詐騙,還有Netflix和亞馬遜的相似相關產品推薦系統等。
受神經網路啟發的深度學習
深度學習是機器學習的一種,它通過建立許多抽象層來更加精確對輸入信息進行分類。這種在深度學習中的抽象層有些類似人類,這些年該領域的重大進展主要集中在能夠建立的抽象層的規模。這促使在計算機視覺和語音識別實現突破,識別結果更加準確。深度學習是受簡化的人腦神經網路運作機理的啟發。
如何正確看待人工智慧
無疑,現今人工智慧炙手可熱。在分散式人工智慧和深度學習中取得的最新進展,再加上各行各業不斷增長的大數據的分析需求,使大家對人工智慧重拾興趣。不幸的是,伴隨著這些激情,也出現了許多對於人工智慧所帶來風險的擔心。我個人觀點是,很多擔心是錯位且無用的。許多擔心普適於各種新技術。一種受大腦啟發而來的新技術並不應該加重或減輕這種擔心。
作為普通人,我們不了解日常生活所使用技術的功能,在這個信息時代,計算機已經自動幫我們做了許多決策。如果對於科技的不了解讓我們惶恐,那在人工智慧之前,我們就有太多需要擔心的東西。事實是,我們喜歡和了解的很多產品已經在使用人工智慧技術了,所以儘快的了解這些技術是什麼以及它們是如何工作的比相信好萊塢大片似的未來預言要好。
暫且不論那些不切實際的大肆炒作,單看人工智慧已經取得突破的發展前景,會令人更加興奮。儘管關係到關鍵問題的相關數據規模龐大且每天都在增長,但其中的大部分還是未經開採、提煉和變現的。我們對於分析和利用已有數據來做明智和無偏的決策這項工作還是有些無力。企業應該致力於提煉數據來做正確的決定並解決世界上最棘手的問題。但現今還沒有計算機能達到解決這些問題所要求的速度和規模。
人工智慧帶來無限可能:更智能的自動診斷,實時物流決策支持(比如說存儲空間、停車、交通和自動清掃街道機器等)以及一種認識世界的全新眼光。這些技術的存在是為了更好幫助人類決策。
設想,如果我們能夠自動發現且精準糾正詐騙交易?如果人工智慧可以幫我們在出售商品之前找到有瑕疵的產品從而提高安全性並減少召回?如果電商公司能夠通過使用人工智慧對互聯網上的數百萬張圖片進行篩選從而產生出更有意義的洞見?
人工智慧恰好站在一個這些棘手問題的答案即將揭曉的時代,在這裡,人工智慧可以在沒有外界干預的情況下將發現的模式整合進模型,從而在面對新的、前所未見的、實時的數據時更好的優化決策。
人工智慧的前景廣闊,那麼在成立至今的十年時間裡,Sentient都在忙些什麼?
Sentient一直在不斷訓練其AI系統,從而讓機器能夠消化巨量的數據,發現市場趨勢,並在整個過程中不斷進化。對這套系統的訓練過程,就如同生物進化。Sentient在世界各地有上千台機器同時運行,並利用計算機演算法打造出數以萬億計的虛擬交易員,Sentient將它們稱為「基因」。Sentient認為它也有別於一般的AI技術,並將其稱為「進化智能」(Evolutionary Intelligence)。
Sentient利用歷史數據,讓這些「基因」各自進行虛擬交易。那些表現糟糕的「基因」將被剔除,而能夠賺錢的「基因」則被留下,並進化到下一代,正如生物進化中的自然選擇過程。這個過程的示意圖如下:
Hodjat去年曾表示,「進化計算」(Evolutionary Computation)自計算科學出現以來就已經存在,人工神經網路的出現也已經有很多年,但是大規模運行「進化計算」並持續實現新的更好結果,這是新出現的事物。
早在2014年底,Sentient就曾向外界透露,其這一分散式AI平台已經獨立進行股票交易,Sentient也因此開始備受關注。在Sentient高達1430萬美元的融資中,出資方包括李嘉誠旗下的風投公司以及印度塔塔集團。
在美國股市中,Sentient通常持有各類股票,每天的交易頻次達上百次,持倉期限一般為幾天到幾周。
Sentient目前仍是依賴自有資金進行交易,對於交易業績其並未披露過多信息,僅表示其AI平台的成績跑贏了其內部建立的基準指數。Sentient計劃今年開始引入外部投資者資金。
金融圈的「最強大腦」究竟花落誰家?「炒股狗」正否戰勝千萬交易員?相信答案在不久的將來即將揭曉!
推薦閱讀:
※協作機器人和傳統工業機器人構造上有什麼區別?
※人工智慧落地服務 機器人成AI輸出利器
※機器人成長之路——工具篇
※拿下菜鳥百世2億投資後,它能成為中國的Kiva嗎?
※獵戶座之肩