最近智能投顧很火，現(xiàn)在各家機(jī)器人情況到底怎樣？

問(wèn)題1：AI深度學(xué)習(xí)的怎么樣了？

回答：

1、AI

人工智能的研究領(lǐng)域也在不斷擴(kuò)大，下圖展示了人工智能研究的各個(gè)分支，包括專(zhuān)家系統(tǒng)、機(jī)器學(xué)習(xí)、進(jìn)化計(jì)算、模糊邏輯、計(jì)算機(jī)視覺(jué)、自然語(yǔ)言處理、推薦系統(tǒng)等。深度學(xué)習(xí)是人工智能領(lǐng)域中機(jī)器學(xué)習(xí)下的又一個(gè)細(xì)分領(lǐng)域。

圖表1：人工智能研究框架

資料來(lái)源：前瞻產(chǎn)業(yè)研究院整理

2、機(jī)器學(xué)習(xí)

一種實(shí)現(xiàn)人工智能的方法機(jī)器學(xué)習(xí)最基本的做法，是使用算法來(lái)解析數(shù)據(jù)、從中學(xué)習(xí)，然后對(duì)真實(shí)世界中的事件做出決策和預(yù)測(cè)。與傳統(tǒng)的為解決特定任務(wù)、硬編碼的軟件程序不同，機(jī)器學(xué)習(xí)是用大量的數(shù)據(jù)來(lái)“訓(xùn)練”，通過(guò)各種算法從數(shù)據(jù)中學(xué)習(xí)如何完成任務(wù)。

機(jī)器學(xué)習(xí)直接來(lái)源于早期的人工智能領(lǐng)域，傳統(tǒng)的算法包括決策樹(shù)、聚類(lèi)、貝葉斯分類(lèi)、支持向量機(jī)、EM、Adaboost等等。從學(xué)習(xí)方法上來(lái)分，機(jī)器學(xué)習(xí)算法可以分為監(jiān)督學(xué)習(xí)（如分類(lèi)問(wèn)題）、無(wú)監(jiān)督學(xué)習(xí)（如聚類(lèi)問(wèn)題）、半監(jiān)督學(xué)習(xí)、集成學(xué)習(xí)、深度學(xué)習(xí)和強(qiáng)化學(xué)習(xí)。

傳統(tǒng)的機(jī)器學(xué)習(xí)算法在指紋識(shí)別、基于Haar的人臉檢測(cè)、基于HoG特征的物體檢測(cè)等領(lǐng)域的應(yīng)用基本達(dá)到了商業(yè)化的要求或者特定場(chǎng)景的商業(yè)化水平，但每前進(jìn)一步都異常艱難，直到深度學(xué)習(xí)算法的出現(xiàn)。

3、深度學(xué)習(xí)

一種實(shí)現(xiàn)機(jī)器學(xué)習(xí)的技術(shù)深度學(xué)習(xí)本來(lái)并不是一種獨(dú)立的學(xué)習(xí)方法，其本身也會(huì)用到有監(jiān)督和無(wú)監(jiān)督的學(xué)習(xí)方法來(lái)訓(xùn)練深度神經(jīng)網(wǎng)絡(luò)。但由于近幾年該領(lǐng)域發(fā)展迅猛，一些特有的學(xué)習(xí)手段相繼被提出（如殘差網(wǎng)絡(luò)），因此越來(lái)越多的人將其單獨(dú)看作一種學(xué)習(xí)的方法。

最初的深度學(xué)習(xí)是利用深度神經(jīng)網(wǎng)絡(luò)來(lái)解決特征表達(dá)的一種學(xué)習(xí)過(guò)程。深度神經(jīng)網(wǎng)絡(luò)本身并不是一個(gè)全新的概念，可大致理解為包含多個(gè)隱含層的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。為了提高深層神經(jīng)網(wǎng)絡(luò)的訓(xùn)練效果，人們對(duì)神經(jīng)元的連接方法和激活函數(shù)等方面做出相應(yīng)的調(diào)整。其實(shí)有不少想法早年間也曾有過(guò)，但由于當(dāng)時(shí)訓(xùn)練數(shù)據(jù)量不足、計(jì)算能力落后，因此最終的效果不盡如人意。

深度學(xué)習(xí)摧枯拉朽般地實(shí)現(xiàn)了各種任務(wù)，使得似乎所有的機(jī)器輔助功能都變?yōu)榭赡堋o(wú)人駕駛汽車(chē)，預(yù)防性醫(yī)療保健，甚至是更好的電影推薦，都近在眼前，或者即將實(shí)現(xiàn)。

三者的區(qū)別和聯(lián)系機(jī)器學(xué)習(xí)是一種實(shí)現(xiàn)人工智能的方法，深度學(xué)習(xí)是一種實(shí)現(xiàn)機(jī)器學(xué)習(xí)的技術(shù)。

4、AI深度學(xué)習(xí)的現(xiàn)狀

目前，業(yè)界有一種錯(cuò)誤的較為普遍的意識(shí)，即“深度學(xué)習(xí)最終可能會(huì)淘汰掉其他所有機(jī)器學(xué)習(xí)算法”。這種意識(shí)的產(chǎn)生主要是因?yàn)椋?dāng)下深度學(xué)習(xí)在計(jì)算機(jī)視覺(jué)、自然語(yǔ)言處理領(lǐng)域的應(yīng)用遠(yuǎn)超過(guò)傳統(tǒng)的機(jī)器學(xué)習(xí)方法，并且媒體對(duì)深度學(xué)習(xí)進(jìn)行了大肆夸大的報(bào)道。

深度學(xué)習(xí)，作為目前最熱的機(jī)器學(xué)習(xí)方法，但并不意味著是機(jī)器學(xué)習(xí)的終點(diǎn)。起碼目前存在以下問(wèn)題：

圖表2：AI深度學(xué)習(xí)的現(xiàn)狀

資料來(lái)源：前瞻產(chǎn)業(yè)研究院整理

問(wèn)題2：AI投顧是不是一個(gè)偽命題

智能投顧也稱(chēng)機(jī)器人投顧(robo-advisor)，其運(yùn)用云計(jì)算、大數(shù)據(jù)、人工智能等技術(shù)將資產(chǎn)組合理論等其他金融投資理論應(yīng)用到模型中，再將投資者風(fēng)險(xiǎn)偏好、財(cái)務(wù)狀況及理財(cái)規(guī)劃等變量輸入模型，為用戶(hù)生成自動(dòng)化、智能化、個(gè)性化的資產(chǎn)配置建議，并對(duì)組合實(shí)現(xiàn)跟蹤和自動(dòng)調(diào)整。

1、智能投顧與傳統(tǒng)投顧的區(qū)別

圖表3：智能投顧與傳統(tǒng)投顧的區(qū)別

資料來(lái)源：前瞻產(chǎn)業(yè)研究院整理

2、智能投顧的現(xiàn)狀與前景

智能投顧給用戶(hù)呈現(xiàn)的是一個(gè)投資組合，投資標(biāo)的為市場(chǎng)常見(jiàn)的投資品種。背后其實(shí)是全球范圍內(nèi)的股票、債券、基金、ETF以及房產(chǎn)、另類(lèi)投資等投資標(biāo)的。美國(guó)典型智能投顧平臺(tái)投資標(biāo)的大部分為ETF，目前國(guó)內(nèi)的ETF產(chǎn)品太少，智能投顧也處于起步萌芽狀態(tài)。國(guó)內(nèi)當(dāng)前階段也只是根據(jù)用戶(hù)自行選擇的風(fēng)險(xiǎn)等級(jí)和投資期限，給出由多個(gè)公募基金構(gòu)成的投資組合，與FOF比較相似。智能投顧的投資過(guò)程基于傳統(tǒng)的投資理論和方法策略，實(shí)質(zhì)上是將傳統(tǒng)投資理論的應(yīng)用場(chǎng)景互聯(lián)網(wǎng)化。大部分智能投顧平臺(tái)會(huì)借助問(wèn)卷等手段判別用戶(hù)的風(fēng)險(xiǎn)承受水平、收益要求和投資期限等信息，部分智投平臺(tái)更是直接讓用戶(hù)先后勾選風(fēng)險(xiǎn)等級(jí)和投資期限。

相比起美國(guó)，我國(guó)智能投顧起步較晚，尚處于早期階段，創(chuàng)業(yè)公司、券商機(jī)構(gòu)、銀行機(jī)構(gòu)、BAT等互聯(lián)網(wǎng)巨頭陸續(xù)入局，智能投顧市場(chǎng)熱潮漸漸擴(kuò)大。自2014年我國(guó)首個(gè)智能投顧——?jiǎng)偎阍谖丈暇€以來(lái)，智能投顧快速發(fā)展，彌財(cái)、錢(qián)景私人理財(cái)、愛(ài)理不理網(wǎng)等平臺(tái)相繼上線，各具特色。此外，互聯(lián)網(wǎng)理財(cái)平臺(tái)和BAT等互聯(lián)網(wǎng)巨頭也逐步開(kāi)展合作，推出智能化理財(cái)功能，配合自身的互聯(lián)網(wǎng)金融產(chǎn)品超市，加緊在智能投顧領(lǐng)域的布局。據(jù)不完全統(tǒng)計(jì)，我國(guó)目前宣稱(chēng)具有智能投顧功能或者正在研發(fā)智能投顧的互聯(lián)網(wǎng)理財(cái)平臺(tái)超過(guò)20家，回顧國(guó)內(nèi)智能投顧市場(chǎng)，由0到1，再到初步完成布局，僅用了2年時(shí)間。證通財(cái)富奇點(diǎn)智投是今年年初剛剛上線，上線一個(gè)月，用戶(hù)量已經(jīng)突破1萬(wàn)人。

根據(jù)科爾尼公司預(yù)測(cè)，2016-2020年間美國(guó)智能投顧市場(chǎng)年均復(fù)合增長(zhǎng)率高達(dá)68%；2020年整個(gè)智能投顧市場(chǎng)的資產(chǎn)管理總額為2.2萬(wàn)億美元，占當(dāng)時(shí)全球財(cái)富管理規(guī)模比例超過(guò)2.2%，市場(chǎng)滲透率則將從0.5%猛增至5.6%。

綜上，AI投顧不是一個(gè)偽命題。

關(guān)于您提出的“如何證明AI的策略是最優(yōu)解”、“行業(yè)內(nèi)有多少是偽AI公司”這兩個(gè)補(bǔ)充問(wèn)題，我司研究員目前不做回答，請(qǐng)諒解。

感謝您的提問(wèn)，希望上述回答對(duì)您有幫助。