知識的共同體：重新定義投研系統（1）

02-02

投資，你是要人工智慧還是智能增強？是否真的有全能的投資人或者全能投資機器？當我們說人機協作的時候，我們在說什麼？本文將給你一個全新的視角來想像投資中人與機器的知識共同體。

人工智慧增強術

機器人VS滑鼠

很多年前，在麻省理工學院，先後拿過圖靈獎的兩位大牛有過這樣一段爭論：

A：我們要給機器賦予智慧，讓他們有自我意識！

B：你要給機器做那麼多好事？那你打算給人類做點什麼呢？

A是人工智慧之父明斯基，他喜歡將人類看做有血肉的機器，他的框架理論成為認知心理學、人工智慧入門基礎，B則是恩格爾巴特。1962年，當時還籍籍無名的恩格爾發表宏文：《人類智力的增強：一種概念框架》，他提出不同於明斯基的另一條增強人類智力的道路——不要嘗試發明自動打字的機器，而是嘗試發明滑鼠。也就是說與其去發明聰明的、昂貴的、功能一體化的智能機器人，不如發明一些笨笨的、廉價的、功能單一的人類智慧服務單件。

另外提一句，恩格爾巴特就是滑鼠的發明人，他身體力行地為增強人類智力，提供了可行的框架理論和產品成果。

金融領域的智能增強

金融領域是這個世界上最為複雜、高度多變、信息密集的行業之一，在人工智慧被鼓吹的甚為喧囂的今天，許多AI技術者都想要切入這一塊服務，於是Fintech市場湧現了諸多的玩家們。技術首先關心的是信息和數據，讓我們來簡單羅列下金融領域的信息有哪些分類：

從圖中我們發現，在領域知識這一塊兒，機器對信息和數據的要求極為嚴苛，絕大部分的信息是只有人可感知可理解，所以那些妄想取代人類的「自動投資機器人」、「機器人投顧」等產品水分有多大就不言而喻了。也因此我們看到的現在市面上比較成功的Fintech公司都是選擇在某一個層面來為金融做智能增強。如金融投資領域的問答助手Siri——Kensho；投資者的「google」搜索引擎——Alphasense；基於社交網路的輿情分析公司——Dataminr等等。

人機協同

人與機器在智能的比較優勢上有著明顯差異，在信息處理速度、工作記憶、執行功能方面，不知疲倦的人工智慧秒殺人類，而人類的內隱記憶、情緒模塊、反省心智等則是人工智慧無法擁有的。拿投研來說，人和機器的分工可能是這樣的：人可以深度調查獲得大量非公開、非文字化信息；可以感知公司成員精神面貌狀態獲得一些直覺上的判斷。而機器則更偏向做一些耐心，精準，龐雜工作，相較於人它能提供的價值在於：

海量性問題：人讀完10MB數據、1萬份公告消耗的時間
時效性問題：超強的計算能力，快速反應。
複雜性問題：因果關聯錯綜複雜的東西，人腦的計算能力更容易出現失誤。
繁瑣性問題：複製粘貼、製表實習生可以做，但有時候也做不到！
信息洞察問題：信息海洋淹沒，大部分數據的洞察我們感知不到。

在整個金融投研領域來說，人機之間必然是協同互助的，而非某一方成為全能神的概念，無論是「全能的投資人」還是「全能的AI投資機器」。我們需要人工智慧打造為人類投資智慧服務的一個個組件。

知識的共同體

投資的邏輯、模型、經驗

2010年，美國人Peter Navarro曾寫了一本暢銷書《如果巴西下雨就買星巴克股票》。Peter Navarro 認為，「邏輯」是投資之王，在書中他舉了一個例子，為什麼巴西下雨要買星巴克股票？邏輯是：巴西下雨>>咖啡豆豐收>>咖啡豆價格下跌>>星巴克成本降低>>星巴克利潤增加>>股價上揚。

無論是普通散戶還是專業的投資人，技術分析、行業洞鑒、價值投資都是要藉助於「邏輯判斷」，且這種邏輯的形成需要不斷的驗證和完善，否則同樣是巴西下雨，卻會得出截然不同的結論。不過這種「邏輯判斷」並不是機器能洞察到的，它存在於人的腦海里，通過思維的邏輯推理來產生，這種過程機器無法自主做到，但是卻能利用另外一種方法參與到這種過程中。

我們來看一款美國的叫做Trigger的產品，他以一種IFTTT 的方式來幫人們進行證券投資。用戶在軟體里可以自己製作不同的「Trigger」（觸發），觸發的結果可以是一個簡單的通知提醒，也可以是買入或賣出股票或股指期貨的交易行為。

簡單的 Trigger：在蘋果股價跌至一年內低位時買入蘋果；微軟財報將在 15 分鐘後開始時彈出警報；
進階的 Trigger：當雅虎傳出新的收購消息時，買入阿里巴巴；
高階的 Trigger：當美國失業率高於 5% 時賣出 VXX（一種交易基金），當美元通脹增長率超過 2% 時，買入或賣出 XLE。

註：ifttt是「if this then that」的縮寫，ifttt旨在幫助人們利用各網站的開放API，通過流程將各種信息串聯起來，然後再集中把你要的信息呈現給你。解決了信息的冗雜，收取或關注重要信息的問題。

投資的邏輯的產生只能存在於人的腦海里，但是機器強大的計算能力、永不疲倦的運行能力，卻是將人洞見邏輯轉化為投資動作的一個快速連接器和信息補充器。我們給機器準備的企業實體、人物圖譜、基金實體、財務模型、產品模型、物流，地域，政策模型、生產模型、海量的信息數據，而人要做的就是形成邏輯，將其中一些因果關聯起來，從而得到決策信息。人無法消化海量信息，而機器無法思考，但它們緊密相連，就成了知識的共同體。

試想如果我們有了這樣一款基於人工智慧增強的「知識共同體」終端，而你是一位投資人。你的一條投資邏輯是：當某款新遊戲的下載量出現高速增長，且在社交網路以及媒體中出現的頻次也暴增的時候，找出這款遊戲的母公司，如果為上市公司，提醒或者通知我買進。那麼在今年Pokemon Go大賣之時，你就不會錯過任天堂股票的投資機會。

文因的投研系統

文因互聯想要做的投研系統是承載你的知識和邏輯的記憶體。它是你耐心安靜的秘書，它是你永不疲倦的助手，它是你精準的硅基大腦。它不再是像傳統金融終端那樣冰冷疏離，它和你一起學習前行在投資道路上。

真正的經驗與知識總是存在於個人的頭腦里，而大腦的記憶無法簡單的共享。傳統的分析方式需要研究者具有大量的專業知識及豐富的行業經驗，這就使得研究結果和方法論總是掌握在少部分人的手裡。而通過信息降噪和簡化操作，可以讓普通人都去嘗試去發現和關聯實體之間的因果關係，梳理投資邏輯，將一些消耗大量時間精力做的數據採集和分析工作轉移給機器，從而得到效率的提升。此外利用人工智慧技術，系統本身也再不斷的進行「學習」，在海量數據和用戶的一些邏輯形成的交互記錄，主動去嘗試發現因果和邏輯關係。

我們研發中的投研系統由三部分組成：底層是數據檢索工具，其次是研究分析工具，最後是知識管理工具。我們幫助投資者進行投資記憶和知識的存儲和利用，從而更好的服務投資研究與決策。

這是關於文因投研系統系列文章的第一篇，敬請關注後續文章。

基於對產品知識產權的保密工作，詳細的產品細節描述不再文中展開，如果有對投研系統感興趣的投資人可通過微信公眾號後台聯繫我們。