導語：經濟學家眼中的金融科技。
本文作者：恆亮
7 月 8 日，第二屆 CCF-GAIR 全球人工智慧與機器人峰會進入了第二天的議程。當天上午，香港科技大學資訊、商業統計及運營學系教授張曉泉（Professor Michael Zhang）為大會帶來了題為《經濟學家眼中的金融科技創新》的分享。
嘉賓介紹
張曉泉，2006 年獲美國麻省理工學院（MIT Sloan School of Management）管理學博士學位，此前在清華大學獲得管理學碩士、工學學士和文學學士學位，其論文多次在重量級學術期刊發表。擅長用經濟學的方法研究大數據的產生、傳播和處理，包括信息產品的定價策略、大數據營銷、商業人工智慧以及網際網路金融等。張曉泉是美國知名華人社區 MITBBS 創始人，Information Systems Research (信息系統研究)的高級主編，同時還身兼招商證券、中國移動、華為、香港數碼港、阿里巴巴旗下湖畔大學等公司和機構的高級顧問。
AI 需要金融
張曉泉教授在演講中表示，自大數據、機器學習興起以來，大家都表示應該並大力推進用大數據和 AI 技術來研究金融領域。但其實 AI 技術也需要經濟領域的研究方法和思路，經濟學方法也可以助力 AI，應用於研究大數據的產生、傳播和處理。
目前，大家都在用大數據做人工智慧，但因為出發點和目標不一樣，因此能回答的問題也就不一樣，經濟學家和機器學習專家研究的人工智慧問題就非常不同。機器學習目前在做的事情更多是預測和分類，這兩種問題的底層都是統計學，統計學家解決能不能用數學的方法來描述隨機性，人工智慧歸根結底是需要機器去分析哪一種結果是最可能出現的。
本質上經濟學家的研究目標更多是去解釋事情的底層機制是怎樣的，而計算機只能根據固有機制給出一個答案。因此雖然有媒體報導稱金融領域的許多崗位即將被 AI 替代，但張曉泉教授認為未來人類不會沒有工作可做。
他認為金融市場真正在做的是讓資源更好地分配，歷史上金融科技發展的每一個時代，比如最早我們開始用紙幣，後來有信用卡，現在是區塊鏈的出現，不同的技術雖然一直往前發展，但其實都是讓人類越來越有效的做資源分配。
金融與 AI 相互融合
隨著 AI 技術的發展，目前學術和工業界，金融和科技領域的相互融合已經是大勢所趨。在商業智能方面，張曉泉教授總結了數據到價值的轉化鏈條：數據-信息-知識-能力-策略-價值。
他表示數據首先要變成信息，信息變成知識，知識變成能力，能力變成策略，策略變成價值，這個鏈條是非常重要的，每一步不可缺。數據首先通過場景得到信息，信息組織起來得到體系，變成知識，知識轉化成能力，能力系統構又成了策略，策略的執行產生價值，這個邏輯非常清楚。
真正產生商業智能，不是說我們有了大數據就可以了，也不是說我們有了海量數據就能夠立刻做出有價值的東西，其實整個鏈條是這樣的一個邏輯，缺一不可。
決策問題
我們在工作生活中有很多的不確定性，這些不確定性其實有一個輕重緩急之分。張曉泉教授認為，其中第一個是 certainty，也就是 100% 會實現的。下一個是 Risk 風險，有概率的。下一個是 black swan，也就是小概率事件，雖然概率小，但會發生。再下一個是 ambiguity 模糊性，「比如即便我有世界上過去所有股市的數據，我仍然不知道明天會漲還是會跌，因為有很多影響的因素」，這就是模糊性。最後一個是 Radical Uncertainty，恐怖襲擊我們知道它會發生，但是不知道什麼時候會發生、在哪裡發生、怎麼發生。「當你有這種 Radica Uncertainty 的時候，你是沒法描述這件事的，你沒法寫一個模型說怎麼預測恐怖分子究竟會怎麼樣去做」。
在這五個級別的問題中，第五級的問題是沒辦法解決的，第四級的問題我們有沒有辦法解決，目前正在研究。張曉泉教授覺得大部分的是在第二級層面上解決問題，他認為世界上大多數問題也的確是第二級的。「比如說我要預測這個圖片是貓還是狗，其實這個事沒有那麼多黑天鵝事件，大部分問題可以在第二級能夠解決」。
但張曉泉教授同時表示：「有些問題，比如談到股票市場，可能你就沒法在第二級解決，你即便知道世界上所有信息，你也不知道預計明天股票的概率。這就超出了第二級別的範疇，這是整個行業未來努力的一個方向」。
更多詳細的演講內容參見雷鋒網後續的深度報導。
雷鋒網原創文章，網站轉載請至雷鋒網官網申請授權。歡迎熱情討論，轉發分享~