美止人工智能出口？人工智能的发展动因有哪些
一、人工智能的发展动因有哪些***
人工智能作为互联网驱动下的一个重要领域，能够发展到今天，不是靠着自身内部的驱动力，而是因为互联网在不断完善，数据变的随处可得，所以，人工智能的进步来源于互联网基础设施的不断进步，离开互联网孤立的来看人工智能，是没有意义的。人工智能的再度兴起并非偶然，因外部环境和人工智能自身都在发生演化。驱动人工智能领域发展到现在程度的外部动因有：
1）传感器能力和数量的大幅提升。受智能手机、可穿戴设备等爆发式增长的推动，传感器无论从数量还是质量上都有了飞跃，而机器的感知能力变强是机器变“聪明”的重要前提。LIGA等微电子技术的日趋成熟，推动着传感器能力有了质的飞跃，大量智能设备的出现则进一步加速了传感器领域的繁荣。这些伸向真实世界各个领域的触角是机器感知世界的基础，而感知则是智能实现的前提之一。
2）计算成本的大幅下降。人类很早就确定了人工智能需要处理的任务，但之前的计算资源使计算机无法完成这样庞大和复杂的信息处理。摩尔定律使得计算成本在迅速下降，同时云计算的出现、GPU的大规模应用使得集中化的数据计算能力变得前所未有得强大。今天人类已经拥有实现这些设计所需要的计算资源，如最新一代微处理器的性能是1971年第一代单片机的400万倍。大规模的集中式计算使得人工智能的发展速度指数级加快，过去仅训练深度神经网络模型对某一物体的认知就要花费近一年时间，而现在这个时间被缩短到几天内。
3）海量数据的出现。2015年，全球产生的数据总量达到了10年前的20多倍。如此海量的数据给机器学习提供了足够多的素材。人工智能的本质其实分为两部分：首先是能够汇集到足够多的有效数据；其次是利用先进的算法对这些数据进行处理。大数据得益于互联网、移动互联网和越发廉价且变得无处不在的传感器。大数据是人工智能发展的助推剂，因为有些人工智能技术是使用统计模型来进行数据的概率推算的，如图像、文本或者语音，通过把这些模型暴露在数据的海洋中，使它们得到不断优化，或者称之为“训练”。
二、人工智能,是举国还是闭关锁国
如果要给美国再找一位除中国以外的人工智能假想敌，很可能就是俄罗斯了。美俄之间的技术竞赛，从冷战时期就已经开始，除了比拼军事和工业设施这样的硬肌肉，双方也没有放过关于军工核心技术的软实力。
现在命题换成了人工智能，俄罗斯也从苏联的神坛上跌落下来，美俄双方还能站到擂台的两端吗？
苏联AI，从自动化开始
在苏联时期，“人工智能”一词还不是还不是那么流行，当时更多讨论更多的是自动化和模糊控制。
自动化的概念不必再详细讨论，在苏联巨大经济体系的构想中，俄罗斯和白俄罗斯等国家承担着研发工业技术的重要工作，利用自动化技术打造大量无人化工厂再向苏联各地以及世界范围内出口。
于是研究自动化控制系统已经成了苏联建立起庞大经济体系的重要一步。在1977年第七届全苏控制问题会议上，提出了把人机对话作为解决控制问题解决方案的思路，并提出用机器人和人工智能去解决工业生产和社会效率问题。
不得不说当时苏联用人工智能提升社会效率的思路还是非常正确的，只是他们选择的方向有些偏差。有关会议报告中显示，当时的苏联专家是从模拟生物学的角度来进行人工智能方面的研究，如不意外的话，很可能是从肌电反应、电脉冲控制等等高难度方向进行研究的，没能取得太多进展也是意料之中。
而模糊控制论本质上也是在模仿人类大脑的“抽象思维”，把工业控制中严格的数据变成人类概念中的模糊的“感觉”，如在自动驾驶中，把车间距离从30公分、40公分转换成“远、近”这些模糊的阈值。再根据这些信息进行推理决策。
历史上第一个提出模糊控制论概念的科学家查德教授就出身于前苏联巴库，很快有关模糊数学的理论就在前苏联的传统数学家中掀起了讨论的热潮。
相关的技术很快被应用于军工当中，可在举国体制之下，却没能把这一技术投入到民用产品之中，反倒同样热爱研究模糊控制的日本，研发出来模糊控制智能洗衣机等等产品。
“美帝互联网企业，统统给我滚粗去！”
在举国体制之下，苏联大部分技术都被封锁在少部分人的大脑中，停留在军工企业中没能进入民用市场。当前苏联解体后，这些技术和知识随着科学家们流落到了世界各地。
经过90年代一整个十年的调整期后，当今天的俄罗斯想要重拾人工智能的研究和发展，相比美国还存在优势吗？
直接了当的说，没有。
俄罗斯发展人工智能的最大优势，恐怕只有数学和计算机科学两方面的学科优势。在冷战末期，俄罗斯就开始储备大量信息技术方面的人才，加上圣彼得堡、莫斯科大学这些高校自身也有着强大的学术实力。
由于城市化较早，这些能力被很好传递给了俄罗斯的年轻人，在俄罗斯的计算机基础教育中，编程和算法这些底层技术几乎都是必修课。
可惜教育能力强大，人才外流却非常严重，在2010年左右，大量的俄籍信息技术人才通过招聘、留学等方式流入了美国。
除此之外，还有前苏联时期遗留下的自动化控制技术，或许可以帮助机器人相关产业的发展。
不过要论起政府支持程度，普京大帝却能在世界范围排上名次。由于俄罗斯本身政治体制的特殊性，普京常常能做出一些非常BUG的操作。
像是2014年，俄罗斯推出了一项法律，要求该国公民的个人信息必须存储在国内的数据中心，很多人认为这项法律打击了互联网自由，但此举让谷歌等企业关闭了在俄办事处。后来还和谷歌、苹果等等企业扯了一通官司，间接也为俄罗斯本地科技企业撑开了一柄保护伞。
俄罗斯AI做什么？打架、打架还有打架
普京大帝曾在一堂高校公开课上发表过关于人工智能的看法，从一些言论中也可以找到今天俄罗斯人工智能的发展迹象。
普京对人工智能非常重视，认为人工智能是“全人类”的未来。同时普京非常重视人工智能在国家安防和军事方面的应用，他表示“人工智能意味着大量基于和目前很难预测的威胁，谁能成为该领域的领导者谁就可能主宰世界。”
于是，在军事、安全、反监控等等方面，俄罗斯人工智能技术表现的格外突出。
在今年七月的莫斯科航展期间，俄罗斯“战术导弹公司”的CEO就表示要给导弹赋予更多自主思考的能力。俄罗斯空军总司令维克托·邦达列夫也曾表示要把智能导弹装备到下一代轰炸机中。
至于战斗机器人、军用无人机这种产品，已经切实的出现在俄罗斯的军备库中了。在2015年底叙利亚政府军和伊斯兰极端势力的战斗中，俄罗斯就动用了战斗机器人、无人机和自动化指挥系统来参与作战。
俄罗斯副总理还曾为俄罗斯高等研究公司研发的人形作战机器人站台，说这台长相和功能都很接近终结者的机器人，绝对不是终结者。
在安全方面，俄罗斯则出现过“反面部识别”技术、“反App收集信息”智能手机等等神奇的产品。再其他国家人民还在用卸载和Appstore打负分的方式保护自己的隐私时，俄国人民干脆用技术直接了当的解决问题。
总之有前苏联打下的军工能力基础和政府明里暗里的大力支持，俄罗斯的人工智能很多都出现在了军事和安防上。
有请俄罗斯代表队唯一队员Yandex出场
俄罗斯人工智能发展的另一大特点，就是由大企业主导。
这其中就不得不提到有俄罗斯BAT总和之称的Yandex，这家企业做搜索引擎、做电商还做网约车。最近他们开始做起了无人驾驶，据说已经在雪地上测试了300英里。
而Yandex研发的人工智能语音助手Alisa（也有资料称之为Alice）还打出了竞选俄国总统的广告，在主页上写道：机器人总统按逻辑办事，不会受到个人感情和利益所影响。
可要想在俄罗斯找到一家以人工智能为主要业务的创业企业却更困难的多，这些创业企业也基本都停留在制造算法的层面，离真正意义上的产品化、商业化还比较遥远。
最知名的就应该是图像处理App Prisma，利用神经迁移算法把普通照片变成名画风格。还有一家名为NTechLab的企业，开发出了一种准确率极高的面部识别算法，这一算法在华盛顿大学举行的MegaFace脸部识别挑战赛中甚至击败了谷歌。
不过NTechLab自己并没有把这一算法利用起来，而是出售给了一家名叫FindFace的企业，做成了一款靠照片全网找人的产品。
这两家企业都没有明晰的商业化路径，也很少看到投融资消息。实际上，我们几乎没有听到过有哪一家俄罗斯人工智能初创企业被欧美收购，倒是有不少企业连人带公司一起拿着O-1签证（杰出人才工作签证）搬到了美国——比如那位通过过世好友信息研发出具有个人特质聊天机器人，让好友借人工智能永生的工程师Kuyda。
俄罗斯人工智能技术由大企业主导的原因，大概是因为在俄罗斯创业实在太艰辛了……
政府虽然对人工智能表示重视，却没有像其他国家那样建立开放数据平台、给予资金支持，加上Yandex一家独大，业务囊括范围广，对于本土人才和数据形成了一种近乎于垄断的形式。
创业企业一没钱、二没人，还缺乏妥当的退出机制，俄罗斯对于本土公民数据只能留在国内数据库的法律，或许也会阻碍海外资本对俄罗斯初创企业的收购。
然而诡异的是，就在俄罗斯人工智能创业企业创业维艰的时候，俄罗斯投资基金竟然还募集了一亿美金去面向全球投资……
目前这家投资基金已经投资了两个AI项目，一个是位于加州的创业公司Astro Digital，这家企业专注于卫星图像开发，可以实现类似Google Earth的功能。另一个则是来自白俄罗斯的的创业公司Barnuba，他们可以基于神经网络模型与精进的机器学习算法识别人的面部表情。
这么看来，在乌克兰或者白俄罗斯做人工智能创业，都比在俄罗斯做人工智能创业幸福的一些。
是举国，还是闭关锁国？
技术背景雄厚+军工应用+大企业主导+资本流动困难+政府多有操控。
几点结合，俄罗斯的人工智能呈现出一种显著的举国体制倾向。
客观的说，从冷战时期遗留下来的风气和技术基础来看，这样的方式是俄罗斯更擅长的。要让俄罗斯政府像欧美那样，设立补贴项目、四处奔走服务高校和企业，好像也要增加不少学习成本和行政成本。
俄罗斯能通过简单粗暴的法律手段保护本土大型科技企业，却没有能力俯下身来服务小型企业。这不由得让人很质疑俄罗斯支持人工智能发展的“诚意”。
人工智能不是造宇宙飞船，集全国之力发展某一种技术不一定能在这个时代取胜。人工智能应该是垂直化和多样的，存在每一个微小的细节当中。
这样的举国体制或许能让Yandex造出无人车，也能让俄罗斯造出全世界最凶狠的终结者，可却很难让人工智能像煤气水电一样，成为俄罗斯人民生活中的底层技术和必需品。目前看来，创业企业的匮乏还没给俄罗斯人工智能的整体发展带来太大的影响，可在其他国家都在加大国家间、企业间交流的时候，很难相信俄罗斯可以逆其道而行之，实现人工智能方面的自给自足。
这样的发展趋势，与其说是举国，不如说是闭关锁国。毕竟这是一场残酷的战争，关上大门也不能阻止它的发生。
三、人工智能可以用来炒股吗
说的神乎其神，人工智能能用来炒股吗？
人工智能在围棋、象棋、德扑等领域都已经取得了碾压式胜利，这已经是一个不争的事实。事实上AlphaGo这样的AI已经可以用于任何需要理解复杂模式、进行长期计划、并制定决策的领域。人们不禁想问，还有什么是人工智能不能克服的吗？譬如说，变幻莫测的A股？
对于这个问题，持各种观点的都不乏其人。探讨它实可以分为两个部分：1.股市可以预测吗？ 2、假如可以预测，用机器学习的方法去预测可以吗？
先回答第一个问题：股市的涨跌可以预测吗？
如果将股市的价格变化看做一个随时间变化的序列，Price= Market(t),我们往往会发现，不管是尝试用N个模型(线性，非线性,概率)来进行逼近，即使是建立了符合股价变化的这样的模型，并且在有足够多的训练数据的情况下模拟出了股价，但是这些模型最多只能在特定的区间能做一些并不十分精准的预测。
首先是ReinforcementLearning,这个算法基于马尔可夫性，从一个状态预测下一个状态，但是股价的涨跌具有强烈的马尔可夫性吗?也就是上一时刻的股价与下一个时刻的股价间有必然的联系吗?应该是不太大。这种基于N阶马尔可夫性的系统对于股价的分析很不利。而且假如只使用股价的历史数据进行模型的训练的话，准确度可以说几乎为0。
事实上影响股价的因素不仅仅是历史股价，还有更多的因素，公司的近况，股民对股票的态度，政策的影响等等。所以许多人从这方面进行入手，用人工智能提供的快速计算能力，使用合适的模型，来量化这些因素，例如,(政策X出台,可能会对股价造成变化y元)。当你的模型将所有的因素全都考虑进来,那么股价的预测就唾手可得了。股价= f(政策因素,公司情况，市场因素,历史股价，上一年历史股价,某个股民自杀的影响...)
然而这些因素到底有多少?它们之间会如何影响，这才是问题的关键。在某些稳定的情况下，我们是可以做大概的预测的，但是有很多时候会不准确，这是因为，你的模型很难把所有的因素都考虑进来。而且因素与因素间还会产生互相影响的情况下。股价的模型将会变得极其复杂。如下图：
一个因素与一个因素之间的互相影响是很可能被预测出来的，但是假如它们之间产生了相互的影响，这时候整个系统就变得几乎不可预测了。一个因素发生变化，会造成好几个因素的变化，最后这几个因素又会反作用回来使上一个因素直接或间接的发生变化，股价变化一下子就变得难以捉摸起来。一些微小的因素也可以通过这种系统无限的放大，最后给股市造成巨大的影响。
那么是不是预测股价是就是不可能的呢？
事实上人工智能远比我们想象的更强大。例如非常繁复的Bayesian reasoning，包括deep learning/deepreinforcement learning，它们都能表示复杂的hidden variables之间的关系。现在国内外也已经有许多公司在探索将人工智能应用于股市的可能性了。
但是这里所说的将人工智能技术应用于股市，大部分不是说让人工智能代替人去做决策，而是利用人工智能在数据处理和不受主观喜好影响上的优势，在投资决策中扮演一个“AI专家顾问系统”的角色，去辅助人类做出更明智的决策。
股市分析包括基本面分析与技术分析两大块，而人工智能技术在这两方面都能发挥作用：
1
基本面分析
简言之，就是读取各类财经资讯。面对网上海量又纷繁复杂的信息，只依靠人脑已经无法解决问题了。我们知道数据挖掘的三个V，（Volume数据大）,（Velocity更新快）,（Variety多样），在处理这样的海量数据时，计算机相比人脑具有不可比拟的优势。而深度学习在自然语言处理领域的应用，可以做到在海量的信息中做出自动摘要，提取出精华信息以帮助人类进行决策。
另外，股票价格在很大程度上是由买卖双方的力量对比决定的，是由每个股民对某支股票的情绪而决定的。如果大家都很看好一支股票，那么它就很可能会涨；反之会跌。还有一些特定事件会很明显地影响到股票价格，例如今年美国40年来首次开放原油出口后，国内能源版块不出意料下跌了。这也是为什么这么多股民会刷新闻，看动态来保持敏锐的嗅觉。可以看出，在预测股票这件事上，最重要的是信息，或者说是数据，从中挖掘股民的情绪。而情绪识别已经是人工智能所擅长的技术了。国外已经有很多这方面的研究，也有DataMinr这样的公司专注从社交媒体中提取有价值的金融信号。
如下图，美联社官推被黑（谣言奥巴马被袭击受伤），很快股市出现了大幅度下滑-上升（看13点左右）。虽然这个事件较为特殊，但是设想如果能够在第一时间得到类似消息，实际上就掌握了预测股市的主动权。
可以大胆想象，如果将情感分析与机器学习相结合，抓来海量的数据，去做情感分析，大概找出民众对于对某些股票持乐观还是悲观的情绪，那么至少可以将这一因素纳入模型学习范围中。现存的很多论文都是在情感分析上找寻很多办法去提高准确率。其他一些更简单的做法还有：（1）Google Trend。这个是很简单的办法：谷歌提供的搜索量数据，利用搜索量的变化来预测。（2）利用Twitter Volume(相关Twitter的发帖数量）
2.技术分析
传统技术分析中的K线分析，什么“大阳星”、“小阴星”、“旭日东升”、“穿头破脚”，其实就是人脑的模式识别。受人脑信息处理能力的限制，这些识别出来的模式有以下缺点：（1）只是单条K线的、只是基于一个模糊的形状，似是而非的、没有确切的数字标准的；（2）基于有限的历史信息的。而好的深度学习策略，可以突破人脑的限制，比如突破单一K线的限制，从更多的财经信号（其他股票、黄金、外汇等）中寻找规律；或是从一个更长时间段的历史信息中识别出规律。
总之，人工智能将提升我们处理信息的深度、广度。使用基于人工智能技术的“智能投顾”的人，将比不运用或是还在利用“人脑”进行基本面分析与技术分析的人占信息优势，从而也就更可能在股市中盈利。
人工智能在证券投资领域的兴起始于2007年。彼时，第一个纯人工智能的投资基金在美国纽约诞生，此后人工智能在证券投研领域的发展步入快车道;事实上，在证券投资领域，人工智能早已经不是什么新鲜事，量化对冲基金经理遍布于北京金融街、上海陆家嘴。一般来说，公募基金或大型私募的量化投资部由两部分组成，一部分是投研团队，另一部分是IT团队，投研团队提出需求，IT团队做出算法交易的模块，解决基金经理们的需求。
“正常情况下，我每天的工作流程是早上起床后看一下(机器)生成的股票清单，再看看组合管理系统里每个策略配了多少权重，这些策略加起来的仓位又是多少，然后根据机器所给出的信号(卖出或买入)的各类数据(包括融资融券、投资者入场情况等)，判断机器给出的信号有没有明显的错误。”一位量化对冲经理说，如果当天需要交易，他就会生成交易指令，再下单到交易系统，交易系统就会开始自动运作。
在传统的投研中，基金经理及研究员们对财务、交易、市场等数据进行建模，分析其显著特征，利用回归分析等传统机器学习算法作出交易策略，到了人工智能阶段，这些工作便交给了计算机。目前，一些私募基金已开始将量化对冲的三个子领域融入日常交易策略中，尝试获取收益，它们包括机器学习、自然语言处理与知识图谱。例如，作为全球最大的对冲基金，桥水联合(Bridgewater Asspcoates)使用的是一种基于历史数据与统计概率的交易算法，让系统能够自主学习市场变化并适应新的信息。
AlphaGo大胜李世石柯洁，引发全世界关注。投射到投研领域，则是以人工智能量化选股和人类基金经理之间的对决。已经证明的是，人工智能选股在规避市场波动下的非理性选择、回避非系统性风险、获取确定性收益方面等更胜一筹，波动率、最大回撤等指标也更低，表现更稳定。
然而，机器虽然动作比人快，但思维还是没人快。比如面对某个新出台的政策、市场热点，基金经理可以立即以此为主线采取行动。但是机器没那么快。这是人的优势。再譬如，机器一次只能做到一个阶段做一个策略，比如供给侧改革，只能想到煤炭、钢铁、有色金属里的股票，但是对基金经理，他就还能同时做价值投资或动量反转等策略。
整体来说，将整个股票投资决策过程全部交给机器，目前来说还属于少部分金融巨头企业才能做到的事情。
美国硅谷“感知力”技术公司让人工智能程序全程负责股票交易，与其他一些运用人工智能的投资公司不同，该公司交易部门只有两名员工负责监控机器，以确保出现不可控情形时可通过关机终止交易。据报道，“感知力”公司的人工智能投资系统可以通过经验学习实现“自主进化”。公司在全球拥有数千台同时运行的机器，其独特算法创造了数万亿被称为“基因”的虚拟交易者。系统利用历史数据模拟交易，目前可在几分钟内模拟1800天的交易量，经过测试，不好的“基因”被剔除，好的“基因”被保留。通过考验的好“基因”被用于真正的交易。公司员工只需设定好时间、回报率、风险指数等交易指标，剩下的一切都交由机器负责。
公司首席投资官杰夫·霍尔曼透露，目前机器在没有人为干预情况下掌握着大量股票，每天完成数以百计的交易，持仓期限为数日到几周。公司说机器的表现已超越他们设定的内部指标，但没有透露指标的具体内容。
随着人工智能技术的持续进步，人工智能投资成为被学术界和资本看好的领域。英国布里斯托尔大学教授克里斯蒂亚尼尼说，股票投资是十大最有可能被人工智能改变的行业之一。另一方面，也不是所有的投资商都信任机器，英国对冲基金曼氏金融首席科学家莱德福警告说，不应过度信任人工智能投资，该领域还远没有成熟。虽然有各种各样具有迷惑性的承诺，很多投资人的钱却有去无回。
