人工智慧與金融科技 - 國立臺灣大學科學教育發展中心

講者／黃健峯（高雄大學資訊工程學系教授）｜彙整／田育志 整理自2019.02.23〈AI報你知．人工智慧與金融科技: 投資理財的AlphaGo?〉 AI的起起落落. 人工智慧&電腦、資料科學  2019年11月01日2022年01月04日 intern 大盤,定量分析師,投資,金融業 講者／黃健峯（高雄大學資訊工程學系教授）｜彙整／田育志 整理自2019.02.23〈AI報你知．人工智慧與金融科技:投資理財的AlphaGo?〉 AI的起起落落 為了更清楚地討論「人工智慧」與「金融科技的投資理財」這兩個領域如何整合，需先從人工智慧的發展介紹起。

1940年代，有關人工智慧的初步構想就已出現。

二次世界大戰時，針對各種武器發射的控制需求，讓控制論發展十分快速，此時的應用多是以數學線性模型為主。

著名的圖靈測試便在這個時期被提出，舉例來說，假設在牆的另一邊有一個人跟一台機器，而我們透過鍵盤與他們溝通時，分辨不出這兩個對象誰是人類、誰是電腦時，就代表這台電腦通過了圖靈測試，方堪稱為真正具有「智慧」的人造物。

到了1956年，一群科學家在美國達特茅斯舉行會議，界定了人工智慧是一個科學領域，需要專門的研究才能夠推動其發展，也開啟了AI早期的黃金年代。

這群科學家們樂觀地認為AI能解決許多困難的問題，於是也開出許多支票，獲得大量的資金贊助，但因最後承諾要解決的問題都無法處理，導致AI研究出現了低潮。

第一次低潮的主要原因，在於當時硬體設備無法達到理論所需的運算要求。

即便最簡單的定理證明，也需要相當多的計算步驟，當時的電腦無法處理，導致即使研究者有許多好的想法，卻難為無米之炊。

1980年代，由於「專家系統」的出現，讓AI領域再度回到眾人的視野。

所謂「專家系統」，便是那些網羅人類已知知識以及基本邏輯、可以協助人類判斷的電腦。

除此之外，演化運算、模糊理論、神經網路等各類研究，也是百花齊放。

可惜的是，最後仍因硬體限制，陷入第二次低潮。

直到1993年，美國大型科技公司，如Google與Facebook，在硬體的突破吸引了大量資金投入AI研究；與此同時，媒體的宣傳，例如2017年AlphaGo打敗人類圍棋冠軍，也令AI獲得了更多重視。

科技讓金融服務更有效率 介紹完了人工智慧，就要進入講座的第二個主題──金融科技（FinTech），一種運用科技讓金融服務更有效率的新型經濟模式。

根據彭博（Bloomberg）的統計，截至2016年底，智能投顧業者單在美國的資產管理規模已達3千億美元；至2020年底，可能進一步達到2.2兆美元，全球則將高達8兆美元的資產。

隨著物聯網（InternetofThings，IoT）、大數據（BigData）及人工智慧的快速發展，FinTech正以風起雲湧之勢改變金融業者的投資方式，自動化的智能投資理財服務預期將成為市場發展的主流。

智能投資打敗金融專家？ 根據《S&PIndicesVersusActive》（編註：由標普指數編製公司所統整的報告，記錄主動投資與指數表現的成績），直至2016上半年為止，過去十年80%的美國各種共同基金表現都輸給大盤。

這樣的結果顯示：即使是專業投資人士，要打敗大盤的表現，是十分困難的。

這使得不具財經背景的人，也有機會從事此類產業，例如定量分析師（Quantitativeanalysts，簡稱quants）便是一例。

藉由複雜的數學模型掌握市場走向，並以AI技術整合財經專家的專業知識，開發出高效能的自動化投資機器人。

只是需注意的是，目前許多看似成功的AI投資模型其實無法解釋股價漲跌的真正因果關係，因此可能經不起市場的真正考驗。

但這不代表智能投資毫無利用價值。

例如，投資模型可以克服一般散戶常見的恐懼或貪婪心理，依據規律推薦合適的投資組合，只要模型夠好，長期而言也能有較佳的投資績效。

所以AI與人類的未來，在於人類能否順利引導AI的發展方向，一同邁向美好的生活。

目前看來，至少FinTech這部分，還是令人值得期待的！ (本文為教育部「人工智慧技術及應用人才培育計畫」成果內容) views ←求求你不要丟掉我：邊緣性人格親密又缺乏界線的人際模式 演化，AI的第三條路！(1/2)→ 你可能還想看 投資學、核物理與隨機矩陣（二） 2018年10月08日CASEPRESS 在〈投資學、核物理與隨機矩陣（二）〉中留言功能已關閉 微股力：金融社群對話機器人 2018年11月02日intern 在〈微股力：金融社群對話機器人〉中留言功能已關閉 投資學、核物理與隨機矩陣（一） 2018年10月02日CASEPRESS 在〈投資學、核物理與隨機矩陣（一）〉中留言功能已關閉 好書推薦 《心靈黑洞：意識的奧祕》 《物理奇才奇事》 諾貝爾物理獎得主楊振寧推薦 《破解動物忍術》