“十年后，有33%到50%的金融业工作人员会失去工作，他们的工作将被电脑所取代。”

这是2016年初人工智能金融企业“Kensho科技”创始人的预测。这家公司由来自高盛的分析师团队创立，高盛联合谷歌共同投资。他们开发出的程序，做分析工作只需一分钟，而拿着高达35万美元年薪的分析师们，需要40小时才能做完同样的工作。

为此，有媒体直呼，人工智能是华尔街分析师们最大的敌人。

其实，与其说是敌人，不如说人工智能是我们这个时代“最熟悉的陌生人”——资本市场几乎没有人不知道到它，却没有多少人知道如何界定它。

对于人工智能技术本身，人们总会有自己的设想，但实际却是知之甚少、却想象得太多。同样地，在人工智能的投资领域，很多吸引眼球的大手笔投资固然夺目，但是它的投资周期和回报，也许也和实际发展相差甚远。

人工智能正处在一个什么样的发展阶段？它会推动哪些领域的投资和发展？未来在金融技术领域会有哪些应用？怎样评估人工智能技术的投资周期和回报？

带着这些问题，龙门资本董事总经理朱丽洁女士，从美国纽约飞赴加拿大蒙特利尔，来到了人工智能领域 最顶尖的实验室，与Yoshua Bengio博士进行了一对一的深入交流。

Yoshua Bengio教授连同Geoff Hinton和 Yann LeCun教授，被称为深度学习三巨头， 他们共同缔造了2006年开始的深度学习的复兴。他的研究工作主要聚焦在高级机器学习方面，致力于用其解决人工智能问题。他也是仅存的几个仍然全身心投入在学术界的深度学习教授之一，不少教授早已投身于工业界，加入了谷歌或Facebook等公司。

他们的对话在Bengio教授的办公室里开始。

1. 人工智能正处在一个什么样的发展阶段？

朱丽洁：Bengio教授，你在人工智能领域是为人所熟知，但对于一般公众来说，人工智能究竟会如何改变他们的生活呢？我们现在的人工智能水平处在一个什么阶段呢？

Bengio：我想我们正处在冰山的尖顶上，我们正在看见AI技术的进步如何在我们的手机、无人驾驶汽车、医疗、人机交互等等领域得到应用，但还有很多领域的应用我们到目前为止都还未曾设想过。

朱丽洁：人工智能领域的专家们普遍认为，你在2006 年发表的论文《Greedy Layer- Wise Training of Deep Networks》是人工智能研究的一个里程碑。能跟我们说说你的研究是如何解决之前困扰人工智能进步的难题的吗？

Bengio：在2006 年之前，我们其实早已知道深度学习技术对我们非常有用，但我们在深度学习上一直无法取得成功突破。

朱丽洁：当时的困难是什么？突破是怎样实现的？

Bengio：简单来说，突破就是用神经网络克服“维数灾难”。

朱丽洁：维数灾难应该怎么理解？

Bengio： “维数灾难”是机器学习面临的一个基础性难题。当我们试图使用大量变量来做预测时，这些变量可能的组合方式的数量极大，而这使得问题的难度会呈指数级增加。值得庆幸的是，我们可以用对词的代表（即所谓的词向量）来替代词，并学习这些词向量。每个词都被映射到一个向量，而这个向量自身是一组数字，这些数字分别对应于从词上自动学习到词的特征。学习系统同时利用这些特征来学习如何在给定前面的词的情况下去预测下一个词，或者学习如何产生一个翻译的句子。

这个方法很管用。刚开始时，我们在比较小的规模上测试这一方法。接下来的十年， 研究者在“更大的数据集上训练越来越大的模型”这个方向取得了巨大的进步。这一技术已经取代了一些陈旧的自然语言处理方法，并一再战胜那些最高水平的测试标准。说得更大一点，我相信我们正处于自然语言处理领域的巨大转变之中，特别是在涉及语义的方面。换句话说，我们正在通向对自然语言的理解，尤其能体现出这一点的是， 近期对递归网络的扩展已包含了推理的部分。

朱丽洁：也就是说，在维数灾难上的突破让你们突破了传统的自然语言的线性处理方法。

Bengio：是的，并且我们发现无监督学习能够成为训练深度学习网络的一个有效路径。

朱丽洁：那么对比2006 年之前的十年，和2006 年之后的这十年，神经网络研究的复兴和人工智能的崛起，给你的研究带来了什么变化？

Bengio：在2006 年之前，当我们在这个细分领域耕耘的时候，很少有人在跟我们做同样的事儿，因为关于神经网络整个领域的研究在90 年代就过时了。有时候，我和我的学生们想发表这一领域的成果都会很困难。但是，这正是突破应运而生的时候，因为如果你有前人的研究可以利用，那么突破其实很难发生。同时，你必须接受，当你做研究或者成立公司的时候，你需要承担很大的风险，因为很多实验都会失败，你必须接受失败。但是我们熬过来了，并且很成功。

朱丽洁：所以说，你在取得突破的时候，恰恰是最少人关注的时候？

Bengio：是的，真正的突破往往发生在最少人关注的时候。

从2006 年以来，事情开始顺风顺水，我们身边很快聚集了很多新的科研人员，不断在研究领域取得突破。眼下，我们所研究的领域非常热门，许多研究人员和公司都在开发新的产品，行业内部的研究也越来越多，这与10 年前简直是天壤之别。

朱丽洁：其实在投资领域，越少人关注的领域也往往越容易取得高回报。比起那些市场热点，还处在静默期的技术和项目，往往更具有前景。有时候，投资和研究都需要多一些的耐心。

Bengio：是的，最好再加上一些热情。

编者按：于无声处听惊雷。Bengio 教授在2006 年取得研究突破之前，几乎坐穿了冷板凳，在少有人关注的领域保持着自己的热情和对技术前景的期许。对技术，特别是前沿技术的投资，往往就是这样一个十年寒窗无人问，一举成名天下知的过程，守得住初心、耐得住煎熬，才有破茧成蝶的时候。

2. 未来的人工智能——用技术温暖你

朱丽洁：人们很好奇，在我们这一代人有限的一生中，人工智能能够进步到什么程度？ 人工智能的下一个突破会是什么？什么时候能够到来？

Bengio：当然，我们不会知道下一个突破会是什么，每个研究者心中都有不同的答案。

在我的团队中，以及在一线的实验室中，我们最关注的是无监督学习。目前，我们的机器学习系统就像个我们必须实时攥着小手的孩子，我们必须告诉它这是只狗、那是辆车、那是根笔……机器本身其实很难依靠自己学会什么。我们需要更自主的机器。

至于我对人工智能未来的想象什么时候能够实现，我同样没有答案。

朱丽洁：你在之前的采访中说过，对于人工智能的应用领域，你最关心的是在医疗领域的研究，而最不感冒的则是在军事以及广告领域，因为它们可能会被用来操控人类。你能跟我们说说你对你感兴趣的人工智能应用领域的未来展望么？

Bengio：我对人工智能未来的展望其实很具体，因为它们往往跟具体的应用息息相关。比如个性化医疗。目前来说，医生给病人开药或指定治疗方案，都是根据非常有限的数据做出的决定，比如在几十个或几百人中间所做的实验。从统计学或者说是机器学习的角度来说，这是很原始的。因为我们原本可以从病人身上获取多得多的信息，而基于这些信息我们才能够确定什么治疗方法对病人是最好的。近几年，有时一种特定的药物能治好具有某种特质的人，但却可能会杀死具有另一种特质的人。所以我们需要找出人们身上这些特质之间的关系，弄清楚哪些治疗方案对它们有效。

朱丽洁：我能否这么理解，你对人工智能未来的期许其实是为每个人的具体需求服务的？

Bengio：我们的生活和生活方式会因为人工智能的进步有十分具体的改变，它将满足每个人的个体需求和解放，而不是反过来让技术或者社会大潮强制改变每个人的需求和生活方式。

朱丽洁： 就像你说的个性化医疗，以及现在我们身边出现的各种人工智能技术的应用， 比如宠物机器狗，或是机器人女友。它们都和那些冷冰冰的前沿科技大不相同，看来商业应用的竞争并不是冷酷到底的硬技术，而是能够给人类带来温度的真体验。

编者按：面对人工智能日新月异的技术进步，投资人的迷思也越来越多。我们都可以憧憬未来，但可能就像Bengio 说的那样，下一个突破是什么，所有人都没有答案。不过人工智能是一个让人温暖的技术，它服务着我们的具体需求。在投资人工智能的时候，那些最贴近人心、贴近人性的领域，或许才是人工智能的未来。

3. 资本市场中的AI 交易员

朱丽洁：我在纽约的分析师团队一直关注着人工智能在金融领域的应用。你对这个方面有关注么？

Bengio：当然，金融领域是人工智能很早涉足的应用领域之一。

朱丽洁：是的，我记得Rebellion Research 在2007 年就已经推出了纯人工智能的投资基金。他们的AI 系统是基于贝叶斯机器学习，能够响应新的信息和历史经验，不断演化，通过自学习完成全球44 个国家在股票、债券、大宗商品和外汇上的交易。

Bengio：人工智能在金融领域的应用已经有了长足的进步，我相信有很多人都在投资人工智能和深度学习在金融方面的应用。不过有一点应该多加注意，因为人工智能在金融方面的问题在于，事情都是关起门来发生的，我们不知道里面的过程究竟是什么。

朱丽洁：的确，金融公司对人工智能在金融领域的研究大多是不对外公布技术细节和研究进展的，对外呈现的往往只是终端的产品或者服务。

Bengio：相比之下，像是人工智能在处理自然语言或图像方面的应用，都是公开的， 大家都在发表论文，我们可以看见这些企业都在做什么。对于我来说，选择开发什么应用更多是个人品味的问题，不同的人会有不同的选择。

朱丽洁：就像前段时间Google 的Alpha Go 战胜了人类围棋的高手，在金融领域同样出现了人工智能战胜人类交易员的事。有人认为人工智能可以比人类分析师更好地理解大数据的意义，并从中学习和进化。

Bengio：这是可以想象的，机器对一些事情的理解比我们预想的要深入得多。

朱丽洁：是的，金融行业的下一代AI 将不仅掌握对基金表现的横向比较，甚至能追踪引起这些表现的原因，知道α从何处来。

Bengio：机器变得更加聪明了，不是吗？

朱丽洁：的确，所以现在金融行业的工作人员开始担心会被AI 抢了饭碗。我们注意到许多投资公司正在逐步演变为科技公司，像初级分析师这样的岗位，可能将真的被人工智能取代。

Bengio：这是人工智能的进步可能带来的社会影响，它不仅局限在金融行业。要想和机器人抢饭碗，人类得更多地了解它们。

编者按：对于投资人来说，人工智能在金融领域的应用显得十分特殊，因为金融是投资人的本行。但越是自己了解的领域，越容易碰到滑铁卢。人工智能在金融领域已经开始挑战人类最优秀的交易员了，但我们却对AI 交易员知之甚少。未来想在金融领域与人工智能一较高下，我们现在就需要像AI 了解我们那样地了解它们。

4. 对投资者来说，有时候等待就是冒险

朱丽洁：你刚才提到过，对于人工智能技术的突破，每个研究者心中都有不同的答案。那么这些突破你认为会在何时到来呢？

Bengio：很遗憾，我们都不知道突破会在什么时候来临。比如，我刚才提到的无监督学习领域。突破可能要等1 年？6 年？甚至是600 年？我们不知道。我们知道的是， 我们一定可以做到它，因为我们人类就是这么做的。一个两岁的孩子，她仅靠观察就能学会许多事情。比如，她在玩一个球的时候，就会知道，如果你松手，球就会下落。父母不用告诉她一个复杂的物理公式，这个孩子通过自主的观察就能发现这一点。像这样的自主学习，我们不知道要怎么完成。虽然我们有了许多进步，但依然不让人满意。

朱丽洁：我也发现投资者在投资人工智能技术的时候对于技术何时能够成熟、何时能够普及常常缺乏清晰的认识，希望在3-5 年内就产生短期的回报，但其实许多技术的成熟和普及恐怕还要等更久。

Bengio：人工智能包含了太多细分的领域，也许对于某些领域来说，我们已经有了足够的信心和信息，对技术的成熟周期有了比较有把握的预测。

朱丽洁：我先前读到一篇关于智能机器成熟度的报告，调查了自然语言处理、智能机器人、机器学习、虚拟现实等等当下热门的人工智能投资研发领域，并对它们技术成熟、可以稳定应用的时间做了最新的预判。在列举的32 项技术中，绝大部分距离成熟和应用尚有5-10 年。

Bengio：5-10 年在我们的研究领域并不算是一个很长的时间，只是对于大多数人来说， 等上10 年才能摘到苹果是对他们耐心的挑战。

编者按：判断人工智能技术的投资亮点会出现在哪些领域，这是一个横向思考的问题。判断人工智能技术的投资亮点会出现在什么时候，这是一个纵向思考的问题。有了纵横，我们的投资才能有一个交点。对人工智能技术的成熟曲线多一分了解，投资就多一分保障。面对5-10 年的成熟期，就像Bengio 教授等待2006 年的突破那样，多一些耐心、多一些热情。