如今人工智能被人高度的吹捧，認為是無所不能，特別是在尋找投資方面能力超出了人類，有人將人工智能和巴菲特進行PK，誰會贏呢？巴菲特對此事尚未置評，但我們可以看出AI的局限性開始凸顯出來。

　　工智能（AI）在尋找投資機會方面的能力超出了人類，但它也有明顯的局限性。以下為原文內(nèi)容：

　　大型并購通常不利于買方的股東，這是巴菲特多年來在交易中堅持的一個原則。倫敦對沖基金溫頓（Winton）設計了一個AI來測試這個原則，為此，研究人員收集并分析了美國1960年代以來的近9000宗交易的數(shù)據(jù)。

　　測試結果是：巴菲特這個原則站不住腳，大型并購案本身并不會造成價值損失。

　　巴菲特對此事尚未置評。

　　溫頓是一個300億美元的對沖基金，它有一個數(shù)據(jù)科學家團隊，其主管丹尼爾o米切爾（Daniel Mitchell）表示：“這個測試防止了我們在虛假信號下進行交易，避免了資金損失。”

　　雖然在過去幾十年里出現(xiàn)過很多次雷聲大雨點小的情況，但現(xiàn)在，AI它正在一步一步地占領投資界。將AI作為基石戰(zhàn)略或研究工具的公司不僅有Two Sigma和高盛這樣的巨頭，也有Schonfeld Strategic Advisors這樣的小公司。

　　曼氏集團首席執(zhí)行官盧克o埃利斯（Luke Ellis）認為，AI將慢慢占據(jù)投資界。該公司已經(jīng)利用機器學習在幾個對沖基金上投資了大約130億美元。埃利斯在接受采訪時表示，10年后，AI將涉足該公司的所有活動，不管是執(zhí)行交易，還是幫助挑選證券。

　　“如果計算能力和數(shù)據(jù)量以目前的速度持續(xù)增長，那么機器學習可能會在25年內(nèi)涉足99%的投資管理。”埃利斯說：“它將參與我們生活的方方面面。我不認為機器學習無所不能。但是它可以幫助我們把很多事情做得更好。”

　　全球有30萬人在從事資產(chǎn)管理工作（包括基金經(jīng)理、分析師和后臺工作人員），Opimas咨詢公司對金融公司進行調(diào)查后發(fā)現(xiàn)，到2025年，AI將會導致這個數(shù)字減少9萬人。

　　除了曼氏集團和溫頓這樣的量化先驅者，其他所有公司幾乎都面臨著困難。

　　只有少數(shù)科學家可以設計出能盈利的策略。投資者很難掌握這種能力，所以一些人保持觀望態(tài)度。而且這種技術和數(shù)據(jù)的高昂成本也已經(jīng)讓一些公司承受了費用壓力。

　　但機器學習在尋找投資機會方面的能力超出了人類水平，讓人無法無視這項技術。一些企業(yè)現(xiàn)在使用AI梳理社交媒體和智能手機上的凌亂數(shù)據(jù)，快速（比分析師快）預測收益和銷售額，從文檔中解讀高管的情緒，以及制定整個策略。

　　瓦森特o達哈（Vasant Dhar）在20年前創(chuàng)立了首批機器學習對沖基金之一，他說：“發(fā)現(xiàn)機會這樣簡單的事情將更多地由機器去做。它們可以產(chǎn)生假設，測試假設，然后告訴人類：‘這個機會很有趣，要深入挖掘，’機器可以增添價值，它改變了人類工作的性質(zhì)。”

　　雖然AI很強大，但它的局限性也很明顯。AI缺乏想像力，缺乏人類預見事件的能力（不管是政治事件還是宏觀經(jīng)濟事件）除非這種事件之前發(fā)生過很多次。比如，對沖基金經(jīng)理約翰o保爾森（John Paulson）預見到次貸危機即將到來，但人工智能就完全預見不到，因為它沒有足夠的相關歷史數(shù)據(jù)進行比較，無法形成意見。

　　瓦森特o達哈也是紐約大學數(shù)據(jù)科學和商務學教授，他說：“機器難以預測危機，因為每個危機都是獨一無二的。人們擅長解釋危機之類的事情，有時還可以預測它，但我們的預測常常是錯的?？纯催^去幾年人們對利率的預測就知道了。”

　　在AI時代，基金經(jīng)理和他們對市場的看法將發(fā)揮主要作用，無論這些看法是對是錯。而基本面分析師面臨的威脅就比較大了。

　　一些經(jīng)驗豐富的、善于利用大數(shù)據(jù)的機器學習專家可以從金融公司拿到100萬美元的年薪。而那些研究公司基本面的分析師就拿不到太多錢了，他們可能需要學習編程來保住自己的工作。

　　下面我們來看看資產(chǎn)管理公司Acadian Asset Management的案例。該公司位于波士頓，在過去五年里資產(chǎn)規(guī)模飆升了79%，達到930億美元。

　　經(jīng)理對經(jīng)濟趨勢的直覺是該公司多空策略之類的基礎。然后他們部署機器學習來提煉20個最有影響力的因素，其中既包括現(xiàn)金流，也包括欺詐這種不尋常的事件，它們可以推動做出更好的預測。然后這些因素被注入到一個自動化系統(tǒng)中，在幾個月或者幾個季度內(nèi)對約1萬種不同的股票進行持倉。

　　Acadian量化全球宏觀研究主管瑞安o斯蒂夫（Ryan Stever）說，公司的經(jīng)理和分析師是多面手：他們對統(tǒng)計學有很深的理解，而且?guī)缀趺總€人都會寫代碼，并且擁有市場經(jīng)驗。

　　Acadian正在人工智能和大數(shù)據(jù)上投資，以便更好地預測一家公司業(yè)績關鍵指標，比如銷售額之類。如果Acadian能在某家公司正式發(fā)布銷售數(shù)據(jù)之前就準確估算出數(shù)字，這無疑是個很大的優(yōu)勢。

　　“使用機器學習，你可以更快、更準確地獲得指標。”Acadian的選股研究主管維斯o陳（Wes Chan）表示，“如果確實效果好，這就是件大事了。”

　　對于一些公司來說，更大的野心就是搞定深度學習——谷歌搜索和特斯拉公司自動駕駛汽車的背后就是這種人工智能。深度學習機器模仿了我們大腦中多層神經(jīng)元的活動，對人類指令的需要比較少——它可以發(fā)現(xiàn)東西，即使人類不告訴它要找到的是什么東西。

　　于爾根o施密德胡伯（Jürgen Schmidhuber）是現(xiàn)代人工智能的奠定者，也為一些對沖基金擔任顧問，他說：“你會發(fā)現(xiàn)，神經(jīng)網(wǎng)絡將在各種交易中變成更好的預測者和更好的工具。許多交易將通過自學習算法來執(zhí)行，只需要少量高層人士偶爾輸入人類的決定即可。這離我們并不遙遠。”

　　終究來說，AI的前途將取決于它的賺錢能力。目前也有一些完全自動化的AI策略在運行，它們的業(yè)績一般，比股市不足，比對沖基金有余。數(shù)據(jù)顯示，在截至2016年的六年時間里，13個AI基金平均年回報率為10.6%。

　　選股人只要能為投資者帶來像樣的回報，就不愁沒有工作。

　　雖然AI推翻了巴菲特的一個選股原則。但是從2011年到2016年，巴菲特的公司平均年回報率是12.5%。機器尚未擊敗這位傳奇投資人。