人工智能不能取代人类的真正原因
原标题：人工智能不能取代人类的真正原因人工智能（ArtificialIntelligence），英文缩写为AI，是一门研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的新的技术科学。AI所涉及的学科十分复杂和广泛，例如：哲学和认知科学、数学、神经生理学、心理学、计算机科学、信息论、控制论、不定性论等等，同时人工智能又是一门边缘学科，属于自然科学和社会科学的交叉。
目前，人工智能已经应用在机器视觉、指纹识别、人脸识别、视网膜识别、虹膜识别、掌纹识别、专家系统、自动规划、智能搜索、定理证明、博弈、自动程序设计、智能控制、机器人学、语言和图像理解、遗传编程等领域中。由此看出，人工智能已经渗入到人类生活中并且将人类的生活提升到另一个层次，而就在这样的发展形势下，有人对人工智能提出了担忧和质疑：人工智能会不会从体力劳动和脑力劳动方面逐步取代人类？
1956年，以麦卡赛、明斯基、罗切斯特和申农等为首的一批有远见卓识的年轻科学家首次提出了“人工智能”这一术语。人工智能学科发展了六十年，而AI是否能代替人类也反反复复经历了很多个阶段，从否认机器人可以代替人类的工作，到承认可以帮助人类做很多事情，到尽管可以做很多事情，但却要人类来处理AI出现的故障；从AI的工作从不出错到训练它完成更新的任务，到最后，认为很多工作根本就不应该是人类应该做的。从人类的心理变化，可以看出，AI正在一步一步的减轻人类的负担，提高人类的工作效率，甚至会让人担心自己的工作会被AI所代替。
1997年，美国IBM公司的“深蓝”超级计算机以2胜1负3平战胜了当时世界国际象棋冠军，成为早期人工智能技术的一个完美例子。2016年3月15日，随着谷歌围棋人工智能“阿法狗（AlphaGo）”与韩国棋手李世石最后一轮较量的结束，这场引起全世界广泛关注的“人机大战”总比分定格在1:4。“人工智能”战胜“人类智慧”。
“阿法狗”完胜李世石，体现了深度学习神经网络技术和人工智能的巨大潜力。但是机器人的智力与人类的智力相比还是有很大差距的，谷歌的人工智能虽然在围棋博弈这方面智力水平达到了职业九段选手，但是人类的感知、学习、理解、认知等综合能力是当前机器人无法达到的。
总的来说，人工智能的目的就是让计算机这台机器能够像人类一样思考。如果希望做出一台能够思考的机器，那就必须知道什么是思考，更进一步讲就是什么是智慧。什么样的机器才是智慧的呢？科学家已经作出了汽车，火车，飞机，收音机等等，它们模仿我们身体器官的功能，但是能不能模仿人类大脑的功能呢？到目前为止，我们也仅仅知道这个装在我们天灵盖里面的东西是由数十亿个神经细胞组成的器官，我们对这些细胞的了解甚少，模仿它们恐怕是天方夜谭。就像有些人说的那样：“人能创造机器人，但是机器人永远都创造不了人。就凭这一点，机器人就无法取代人类。”
展开全文智能的布局体现在两个方面，一个通过经验获得知识，另一个是对整体环境的理解。从这个角度来看，机器人在面对未知环境的变化，未知的任务，它的决策能力还是非常弱的。从专业角度分析，人类比机器人强的地方在于学习与理解能力。人可以通过经验来学习新事物，并具备触类旁通的能力。人是通过数以亿计的神经元互相连结构成大脑，大脑是一个并联机制，所以人善于学习，通过所经历的事情或经验，能够发现事物的特征，发现本质规律，从而全面理解周围环境。与此同时，人类生活的日常环境却是多任务的，要面对各种各样的情况。人工智能的优势就在于能用复杂的计算处理简单的任务。因此有专家认为，人工智能自我学习、举一反三的能力还不如5岁孩子。有谁会担心，五岁的孩子来统治人类？
人类制造了机器人并不是用来代替人类，而是来帮助人类、延伸人类的能力。机器人是人造的，需要人去维护，而机器人有很多能力是人所不及的，如一些危险环境，人不能去而机器人可以去；而机器人在很多未知和复杂的危险环境如地震环境，无法做出正确的决策，这时就需要有丰富经验与知识的人类与它合作，共同完成任务，因此人与机器人是合作的关系。
人类大脑的记忆能力和计算能力的确比不上机器，但是人脑的智慧其实是对于信息的分析和决策能力，这是世界上任何最强大的电脑都无法比拟的。正因为如此，人工智能在未来几十年内应该都没有办法赶超我们人类的大脑，但它们会在生活中广泛应用，人类需要担心的并不是人工智能奴役人类，而真正要担心的是人类本身会不会退化。（来源：宇辰网）
声明：本号原创，注明出处即可转载。转载联系微信号：zythkj或QQ：2037535620
中翼网（www.skyservice.cn)飞行行业垂直媒体及服务平台。专注报道最新行业资讯、专业角度评测、热点视频分享、互动社区，发现最优秀的飞行设备，提供最优质的航空服务，促进行业技术交流资本对接，开启全新飞行时代。
投稿及联系：tougao@skyservice.cn联系人：小翼返回搜狐，查看更多
责任编辑：人工智能时代需培养学生怎样能力
“未来人工智能环境下的课堂，可能是‘双师型’的课堂，人机交互、人机结合将成为主要形态。一堂课可能由一名教师和一个机器人共同来上，布置和批改作业、知识点训练、监督学习、学习情况的分析等工作可能由机器人来完成。”在日前召开的第四次全国数据驱动教育改进专题研讨会上，北京师范大学中国教育创新研究院院长刘坚这样描述人工智能时代的课堂。
人工智能不能代替学习
面对席卷而来、被称为人类“第二次零点革命”的人工智能浪潮，互联网时代的教育界，也不那么淡定了。“因为人工智能不是信息化的延续，技术对教育的影响，正在由‘革新’发展为‘革命’。”中关村学院学术委员会原负责人吕文清说，“高级阶段的人工智能具有类人脑的学习力和思考力，将来还能进化到自适应学习，在这个意义上，人工智能拓展了人的思维。人工智能改变的，不仅是教育的边界和方式，整个教育样态也将面临重塑。”
不过，科大讯飞教育研究院院长孙曙辉认为，人工智能不能代替人的思维，不能代替学习，技术也改变不了教育的本质。因此，在当前热炒人工智能概念的大背景下，一定要认清技术与教育的关系，搞清楚哪些是教育本身的问题，哪些是技术可以解决的问题。
高阶认知能力的重要性将更加凸显
在人工智能时代，学生应该具备怎样的能力，才能适应社会需求，在竞争中立于不败之地？
教育部副部长杜占元在去年12月召开的2017未来教育大会上提出，在机器能够思考的时代，教育应着重培养学生的5种能力，即自主学习能力、提出问题的能力、人际交往的能力、创新思维的能力及筹划未来的能力。
教育部科技发展中心原主任李志民说，今天我们说知识就是力量，讲的是如何学习、记忆和掌握更多的知识，讲究知识的系统性，而在人工智能时代，知识是开放的，随时随地可查找、可检索，因此，记忆知识以及知识的系统性不再像今天这样重要了，学生更需要学习如何从已有的知识中挖掘出新应用、新知识，通过已有知识学习新知识，与之对应的知识结构或学习过程就是思维的训练。
“低阶认知技能的重要性会下降，如记忆、复述、再现等初级信息加工任务将更多地被机器代替，而高阶认知能力的重要性会更加凸显，如识别问题、逻辑推理、意义建构、精致思考、自我指导能力等。”吕文清认为，人工智能时代应重点培养学生的终身学习素养、计算思维素养、设计思维素养和交互思维素养，培养学生5种能力——高阶认知能力、创新能力、联结能力、意义建构能力和元认知能力。终身学习素养，主要基于人工智能时代需要更强大和持续的学习力，强调学会学习和建构不断演进的知识框架；计算思维素养，主要基于学习和理解人工智能，强化思考的逻辑和精致。现在很火的编程课程，主要是培养计算思维；设计思维素养，主要基于人工智能时代学生执行困难任务，需要关注项目设计、任务设计和路径设计等高层次管理，重点引导学生学会选择、学会决策、学会判断；交互思维素养，主要基于人工智能时代学生交往方式的变化，需要高级信息素养、媒体素养、沟通交流和技术伦理，重点引导学生学会开源共享、参与协商、组建社区等，理解复杂的相互关系。高阶认知能力，强调独立思考、逻辑推理、信息加工等；创新能力，强调好奇心、想象力和创新思维、创新人格等；联结能力，强调学会统筹、组织资源、建立联系，特别是包括人工智能在内的多个空间的联结；意义建构能力，强调社会情感、责任意识和高感性、高概念等要素；元认知能力，强调学习自我认知、自我监控和自我指导。
“我认为，没有什么能力是贴有人工智能时代专属标签的。随着时代的发展，人类已有的知识和经验变得不重要，而培养学生的综合素质、高阶思维、创新能力等，这些要求无论在哪个时代都是需要的、共通的、不会过时的。”孙曙辉说。
未来的学习将更加个性化
未来的学习，在哪儿学、跟谁学、怎么学？原有的概念可能都会被颠覆。教育又该如何作出调整，以适应新的时代要求？吕文清认为，人工智能时代对学生的学习目标、学习内容、能力层级甚至心智模式，都提出了新的需求。在教学上，人工智能时代要以“思维教学”为主线，既强调基于认知能力的信息加工、分析综合、逻辑推理等高阶思维的培养，还要增加和突出计算思维、设计思维和交互思维的培养。具体落点上，要强调概念性知识、方法性知识和价值性知识的教学，要注重教原理、教统筹、教大观点、教元认知等不可替代的知识，也就是高阶认知和高阶学习。
人工智能对于当前的教育，不只是颠覆和冲击，也会带来促进和改良。李志民说，人工智能时代的教育管理，无论是宏观层面还是微观层面，都更容易做到精细化，对教师的评价会更加全面而科学；可以根据每个学生的智力程度和思维习惯以及学习方式进行教学，实现真正的个性化学习和因材施教。
据了解，目前许多中小学已开设编程、3D打印技术等与人工智能相关的课程，学生学习兴趣特别浓厚。一些学校还以社团和选修课的形式推进机器人、智能汽车、计算机编程等课程的开设与完善，提升学生信息化素养，促进学科知识融合。
人工智能时代，学生获得知识及能力、素养的提升途径无疑会更多元，其中互联网发挥的作用会更大。而人工智能的应用，会让教师从机械重复的工作中解放出来，去做更有价值的工作。孙曙辉认为，在中小学开设编程等人工智能相关课程，有助于训练学生的思维方式，但主要意义在于普及相关科学知识，并不能帮助学生“赢在起跑线”。目前，很多所谓人工智能的应用，包括一些针对职业人群的人工智能培训，都是炒作概念的“伪人工智能”，人工智能在短期内尚难发展到较为高级的阶段。当前市场上已经出现针对中小学生的打着“人工智能”旗号的相关培训班，家长完全没必要怕“掉队”，在现阶段，保持清醒的头脑，不盲目跟风至关重要。（本报记者汪瑞林）
为什么电脑不能完全替代人脑拙愚资产杨典：主观量化优势显现
来源：证券市场周刊
人脑研究和投资决策，相对冷冰冰的计算机而言具有几乎不可替代的优势之处：深度基本面研究、前瞻性长期视角、对不同市场环境和投资规律的学习适应能力等。
近年来，量化投资方兴未艾，随着大数据、人工智能这些新技术的快速进步和普及，不少媒体惊呼，未来证券市场计算机量化投资会不会一统天下？应该说，证券投资领域，量化投资和计算机技术的应用进一步加大是大势所趋，但是如果担心未来在市场上人脑完全被电脑取代，应该说是杞人忧天。因为人脑研究和投资决策，相对冷冰冰的计算机而言具有几乎不可替代的优势之处：深度基本面研究、前瞻性长期视角、对不同市场环境和投资规律的学习适应能力等。
电脑完全替代人脑？想多了
例如苹果公司当年推出IPHONE，这样的投资机会，人脑跟踪研究可以很容易判断这样的产品销量增长态势、增长空间以及对公司长期价值的影响，从而帮助投资者将足够的头寸持续锁定跟踪这样的投资标的。在这个例子上，在基本面研究和决策方面，电脑研究（这里主要指基本面量化策略）通常也能捕捉到苹果公司因为IPHONE推出带来的重大基本面变化，但一来反应时间很慢（通常需要等待新产品推出以后的连续若干期财报），二来难以判断新产品对公司的长期影响到底有多大，从而会将这样的优秀成长股淹没在众多的平庸股票之中（长期平庸的股票也有可能有连续数期的财报良好表现）。当然现在大数据和人工智能技术还可以跟踪除了财报以外的基本面数据，包括新产品相关数据，但是当前笔者几乎看不到在这种前瞻性重大基本面跟踪研究领域，电脑取代人脑的现实可能性。
上面是新兴产业的例子。超级成长股往往也出现在传统产业。传统产业的超级成长股成长逻辑，往往更多来自于公司在实体产业市场份额与其他竞争对手市场份额之间的此消彼长，即来自公司市场份额的提升以及通常与此伴随的长期利润率、长期资产回报率的提升。A股这方面的经典例子是过去十余年的超级成长股东方雨虹，其上市至今（2008年9月10日挂牌上市至2022年2月25日）股价上涨约77倍，对应2008年至2021年的净利润增长倍数约95倍（以2007年净利润为基数则净利润增长倍数为116倍），显然，东方雨虹的净利润增长是其股价上涨的主要推动力，而公司净利润增长的大部分原因是其主导产品防水材料的市场份额持续提升（当然防水市场总量的持续增长也有部分贡献）。如果仅仅使用计算机基本面量化策略或者其他更为智能的计算机技术来跟踪研究其市场份额变化、并且判断这些变化是不是在长期可以持续，这看起来已经是难度相当可观了——而这对成长股投资而言还远远不够。对投资决策来讲，投资者还需要使用这些信息来帮助推断公司的长期增长空间及实现概率、当前市值水平对未来成长空间的反映程度，由此决定是否值得用大头寸来持续跟踪投资，在这些方面，显然人脑相对电脑具备绝对优势。
其实，除了上面说的行业和上市公司基本面深度研究，即使是在应对二级市场本身的变化方面，仍然不太可能出现电脑完全替代人脑。例如，2015年股灾期间及之后，股指期货保证金比率大幅上升到约40％，并叠加日内开仓限制、持仓限制，股指期货相对现货很长时间内出现大幅贴水，这种情况下，原本运行良好的市场中性策略、基于股指期货的择时策略，哪怕是再智能的程序化数量化策略也面临市场环境剧变，不太可能自动应对。修改代码怎么样？修改代码那就是人脑在发挥作用了。
原理上，证券投资盈利来源主要可以分成两大部分：一是赚公司利润增长（对应现金流增长）的钱，二是通过交易赚交易对手的钱。通常，好的量化策略，在赚交易对手的钱方面比较有优势，例如以纯证券交易价格和交易量为信号的量化交易策略、各类统计套利策略等，这类交易型量化策略，原理上主要是捕捉利用二级市场的群体交易行为规律来获利；而在赚取公司利润增长的钱方面，需要深度基本面研究来支持投资决策，在这方面，经验丰富的主动型基金经理，相对于计算机量化基本面策略，还是具备显著优势。因为，从根源来上讲，公司利润增长，本质上来自实体企业的成功经营，也就是来自公司在实体产业市场面对不确定性和多种经营风险约束条件下的主动资源优化配置的结果，与之高度相关的因素还包括产业竞争格局、竞争壁垒、公司创新能力、公司领导人的企业家精神决定的核心竞争力等等。在这些经济活动最本质的领域，至少目前没有看到计算机取代人脑的可能；在投资者基于自身的商业洞察力和其他个性化的认知能力和特点，对目标公司进行深度基本面研究、长期前瞻性研究、发展前景不确定性与风险和机会研究等方面，至少在当前，笔者基本也看不到计算机取代人脑的可能。
主观投资与量化投资各自的优劣势
主观投资，也即传统意义上投资者依赖专业知识和经验来做出投资决策的投资方式。这些专业知识和经验，可以是投资者对宏观经济和金融、行业和上市公司的基本面的判断，也可以是投资者对证券交易的价格和成交量等信息的分析结果。传统主观投资的优势在于更为接近经济活动和证券定价本质的深度研究、前瞻性长期视野。主观投资面临的问题主要有：首先，人的经验未必正确，而错误的经验将导致错误的决策。常见的错误经验形成的原因，很大程度上首先是人类先天具有认知缺陷，也即各种认知偏差，著名的认知偏差有锚定效应、幸存者偏差、信息幻觉与专家幻觉等；第二，人力信息接收和处理能力有限，关注到的投资机会与风险防范能力也自然较为有限，例如当前A股全市场有4000余只个股，投资者如何从中挑选出少数心仪的股票来跟踪研究和投资？要不要都浏览一遍这几千只股票的基本面？第三，主观投资受投资者情绪波动影响大，而情绪波动是理性投资的大敌；第四，主观投资决策往往过于随意，缺少规则化，对于股票仓位、个股持仓比重、行业分布比重等重要组合管理参数的设定，通常较为随意，因此投资绩效表现往往也就呈现相当大的随机性。
量化投资，则通常使用计算机来进行策略开发和投资决策。显然，纯计算机量化投资相对于传统人力主观投资的优势部分是很明显的，例如，数据处理能力和效率、大样本支持下的相对更为可靠的统计规律等。纯程序化决策的量化投资，还可能有效帮助排除投资者的情绪波动干扰，投资决策的纪律化和规则化明显强于人工。当然，极端情况下，计算机决策的纪律化规则化也可能被打破——因为人为干预其实可以随时介入，例如改代码、拔网线。
在投资策略的阶段性或长期性失效方面，其实量化策略与主观策略都面临相同的问题。市场环境发生了巨大改变时，无论是量化策略，还是主观策略，都需要相应调整。例如A股注册制推进这样的制度性变革，对小盘股超额收益能力带来重大冲击，这种情况，无论量化策略还是主观策略，都需要及时做出调整。这本质上都是投资策略背后的人的认知和解决方案的因时而变。当然，未来理想化的情况是，量化策略越来越更为智能地调整适应市场环境的变化。
主观量化投资的优势、应用领域、应用条件
主观量化，是将量化工具与主观判断相结合来进行投资，试图充分发挥各自优势，而控制各自劣势。主观量化日益成为市场主流投资策略发展方向之一。目前全球规模前列对冲基金公司中采用主观量化投资方式的越来越多，主观量化策略日趋跻身主流。
目前来看，主观量化的具体应用领域至少有：使用计算机量化策略来帮助初步筛选交易标的，例如使用基本面量化策略（典型的为多因子阿尔法策略）来快速帮助投资者对全市场股票进行扫描，筛选出粗选股票库，再人工从中挑选重点投资的精选股票库；个股的重大基本面风险排除/提示，例如使用量化财务指标或其他基本面风险指标，来排除或提示有重大基本面隐患的个股；大数据、人工智能等技术在行业景气度和其他上市公司基本面跟踪研究方面的应用；在投资组合构建层面，根据特定投资目标，使用量化模型帮助进行各类风险敞口管理，例如股票仓位管理、行业配置比例和其他风格配置比例管理；在个股风险控制和组合调整层面，使用量化交易模型来辅助组合管理，例如使用量化趋势/反转交易模型来动态调整投资组合……等等。
主观量化同时使用主观和量化两种投资策略，必然面临一个孰主孰次的问题。这个问题，其实并没有唯一正确的答案。不同的投资者可以有不同的选择，不同的解决方案根本上取决于投资者自身的特质特长。对于笔者所在的拙愚资产而言，原则是两者都不可或缺，但整体上主观偏多一些，量化工具作为辅助主观决策的工具；但在风险控制层面，量化策略占比更大。并且，可能与很多量化机构不一样，拙愚资产的数量化策略，大部分本就来自传统主观投资经验和逻辑的总结、优化和升华，例如，我们尽可能将传统主观成长股和价值股选择方法做成量化策略，尽可能将传统主观趋势或震荡投资思想做成量化策略。
显然，主观量化若要成功应用，需要投资者在主观和量化两个方向都有很好的积累，才有可能发挥主观和量化的各自优势，扬长避短，否则各自劣势压过优势，适得其反。理论上所有投资风格的选择，均应当是投资者自身特质、能力圈和现实条件相结合的最佳结果。
用好投资风格比风格选择本身更重要
无论是纯主观、纯量化，还是主观加量化，都具有各自的适用范围和长期的生存空间。多样化是实体经济与证券市场的根本特点之一，投资者大可不必对不同的投资风格在情感上厚此薄彼，只需理性根据自身特点选择合适投资风格，并将该风格长期发挥至最优即可。
有的投资者因为自己选择了某种风格，比如说选择了“深度价值投资风格”或“成长股投资风格”，就信心满满，有的还忽视甚至否定其他投资风格的合理性。但实际上，大多数自诩的价值投资者或成长投资者，或者其他任何风格投资者，包括量化、对冲等等，长期投资业绩基本也是湮没于芸芸众生。价值投资就能取得好业绩吗？绝对不是。只有把价值投资做好才能取得好业绩。根据投资者自身特点选择某种投资风格、并把该种投资风格发挥到极致，比具体是哪种投资风格本身更为重要。任何一种投资风格，都可能诞生投资大师，也可能致使财富破灭。例如，深度价值投资风格领域诞生了巴菲特这位投资大师，而巴菲特的老师、价值投资的祖师爷格雷厄姆却在上世纪30年代的股灾中破产；拥有两名诺贝尔奖得主、“每平方英寸智商密度高于地球上任何其他地方”的“梦幻组合”团队的长期资本管理公司使用量化交易策略，最终破产清算，而由数学家西蒙斯带领的科学家团队管理的对冲基金大奖章基金，使用量化交易策略却创造了三十二年费前年化收益率达到约66％的业绩神话（费后约39％）。相信大多数普通投资者身边，同样投资风格，而投资结果大不一样的情况，应该可以说是常态。
总之，不是说风格选择不重要，而是选定风格以后，如何扬长避短，将该种风格优势发挥到极致，更为重要。
拙愚资产选择主观量化投资风格，正是综合了核心团队的特质特长——拙愚资产核心团队同时具有长期的基本面研究经验和投研方法体系积累，以及相当的数量化策略的开发使用经验。目前，拙愚资产使用主观量化方法，重点跟踪投资最具长期成长潜力的成长股，同时也会适当关注狭义价值风格股票和其他风格股票，并结合量化交易模型来动态调整投资组合。