探寻生成式人工智能算法规制的思路
5月18日，第七届世界智能大会在天津开幕。大会期间举办开幕式、高峰会、平行论坛、智能科技展、智能体验等系列活动。智能科技领域的院士专家和企业家聚焦智能网联车、生成式人工智能、脑机交互等前瞻课题，深入探讨AI与经济、社会、人文等领域的热点话题。新华社记者孙凡越摄
近日，由中国人民大学法学院、中国人民大学未来法治研究院主办的“生成式人工智能算法规制——《生成式人工智能服务管理办法（征求意见稿）》学术研讨会议”召开，来自政府相关部门、高校研究机构、人工智能产业界的专家参加了本次研讨会。
■中国人民大学未来法治研究院执行院长张吉豫:
可以以发展、安全和法治三个关键词概括对ChatGPT为代表的大规模语言模型的系列关注。第一，生成式人工智能技术是划时代的发展，大模型在互联网、数据等架构上可能形成新的层次，深刻影响产业的发展和未来技术的进步。第二，从数据、算法、系统集成等角度来看，生成式人工智能的发展、创新中伴随着风险与挑战。第三，为调节好发展和安全之间的冲突，构建以人民为中心的智能社会法律秩序，对于推动人工智能技术健康有序发展具有重要意义。
■百度公司副总裁吴梦漪:
结合《生成式人工智能服务管理办法（征求意见稿）》的几个看法：一是将开放API和通过API调取功能认定为内容生产者可能提高了对合规义务的要求。二是将生成式人工智能认定为具有舆论属性和社会动员能力的互联网信息服务，可能泛化了适用范围。三是从实践的角度，内容生成的准确性与生成式人工智能技术原理存在冲突。因此，初始阶段监管层面的重点应从追求内容准确性转向对违法利用行为的打击。四是需要辩证看待数据的好坏。生成式人工智能具有一定的创作性，海量的训练数据有利于提高技术的发展速度，希望监管的重点在于生成式人工智能产品的质量，不宜对训练数据和技术路线做过于详尽的规定。五是综合考虑生成式人工智能服务的人机对话特点，简化对真实身份信息要求的规定。
■腾讯研究院首席数据法律政策专家王融：
对生成式人工智能的规制的几个建议。第一，生成式人工智能可能是未来新的信息时代最为基础的工具，超越了单纯的互联网信息服务，应以全新视角去看待。第二，制定规章是必要的，但是目前法律规范本身可能还需要进一步讨论新的问题；输出信息的质量方面有很强的市场自驱力；而大模型时代的底层网络安全和数据安全，发展更为优先。第三，三个月的模型优化训练期限在实践中难以落地，不妨考虑其他多种技术手段。最后，在AI发展领域，风险浮现是渐进式的，市场主体和监管主体应在共同目标和接近的立场下协同解决问题。
■中国人民大学法学院教授王利明：
应正视ChatGPT引发的问题，思考法律上如何积极应对。首先，面对生成式人工智能引发的人格权和知识产权方面的问题，立法过于超前可能会阻碍技术的发展和创新，通过发布管理办法或制定相关措施积累经验，条件成熟后再立法可能是相对稳妥的办法。
对ChatGPT引发的侵权问题，提出五点建议：一是在价值取向上积极支持人工智能产品的开发。二是ChatGPT不同于自动驾驶等一般产品，让服务提供者承担无过错责任会阻碍技术发展，不符合鼓励技术创新的价值取向。三是可借鉴医疗事故责任的减免规则，因技术水平限制而导致难以消除的漏洞时，可以适当减轻甚至免除服务提供者的责任。四是加强和强化服务提供者对个人隐私信息的安全保障义务。五是关于ChatGPT的幻觉回答导致的侵权责任分配问题，应区别平台大规模生成与用户恶意诱导的情形。
■中国社会科学院大学副教授刘晓春：
从四方面提出监管的建议。一是监管必要性，若在新技术场景下，原有体系能解决大部分问题，就缺乏专门规制的必要性。生成式人工智能的重要风险点在内容层面，如果生成的内容没有传播，是否存在风险仍存在疑问；如果已经传播，则要考虑原有的治理系统是否能够解决问题。二是监管有效性，其核心问题是公权力对产业的治理或干预是否能真实、有效地达到基于监管必要性的风险治理目的。三是结合我国现有产业背景考虑监管技术的应用场景。未必每个企业都研发大模型，但是在应用层面具有各自极大的拓展商业的可能性，应为应用层面的商业模式留出发展的空间。特别是在对内容生产者的定义上不应拓宽。四是从立法基础的角度考虑协调性。比如，在实名制问题上与网络安全法相协调，在算法的评估和备案问题上，也应基于现有的机制协调。
■对外经济贸易大学副教授许可：
《生成式人工智能服务管理办法（征求意见稿）》与之前的法律、现有的实践和技术存在四大矛盾。第一，新法和旧法的矛盾。《互联网信息服务深度合成管理规定》中的深度合成技术和《生成式人工智能服务管理办法（征求意见稿）》中的深层次人工智能技术之间有何异同尚不明确，未来执法过程中可能产生矛盾。第二，域外效力和属地管辖之间的矛盾。《生成式人工智能服务管理办法（征求意见稿）》涉及的内容超出了《个人信息保护法》覆盖范围，部门规章是否能设立超出上位法的域外管辖权存在疑问。第三，网络信息内容安全管理和通用技术规制之间的矛盾。将通用性的人工智能限制在网络信息内容上，可能出现规制工具和规制目标的不匹配。实际上，在不同的场景下，生成式人工智能的风险因形态而异，如何判断其风险，需要模块化判断。第四，全流程安全要求和技术内在特征的矛盾。全流程的管理和生成式人工智能的特性不符，例如，预训练数据的合法性难以实现，数据与最后信息生成之间也并不存在直接映射关系。
■对外经济贸易大学副教授张欣：
在监管对象上，我国的人工智能企业此前多集中在应用层，在基础层和技术层分布相对较少。在监管方式上，面向生成式人工智能的产业链特点，可以提升监管的互操作性、一致性。在监管创新上，一方面应注重监管的韧性，另一方面应积极探索以模块化监管为代表的新型监管方式。对《生成式人工智能服务管理办法（征求意见稿）》的四点修改意见：第一，进一步厘清第2条对“生成式人工智能”的定义。第二，面向产业链特点明确第5条中“产品生成内容生产者”的范围，不宜通过一刀切的方式让所有行为主体都承担产品内容生产者的责任。第三，第7条关于预训练数据和优化训练数据来源的准确性问题可以适当调整，只要在可接受的技术水平条件下，组织和企业履行了相应义务，可认为符合人工智能准确性原则。第四，第15条关于防止再次生成的期限和防止再次生成的方式聚焦于技术过程，目前的技术手段上难以达成，可以转换为从结果监管的角度防止被用户举报的不合法合规的内容再次出现。
■中国人民大学法学院教授万勇:
在生成式人工智能对著作权法合理使用制度的挑战方面，生成式人工智能可能涉及著作权法上的复制权、演绎权和向公众传播权。但是，目前的合理使用类型难以适用于人工智能技术。其次，为了解决相关的问题，应人工智能产业发展的合理使用制度改革，主要有两种解决方案：一是重塑理论基础，提出“作品性使用”与“非作品性使用”的概念，为了数据挖掘目的而使用作品，只有部分情形属于“非作品性使用”；二是改造制度规范，包括增设具体例外条款或引入开放式例外条款。建议修改《著作权法实施条例》，引入专门例外，兼顾产业发展和著作权人的权利。
■中国人民公安大学法学院教授苏宇：
处于追赶中的国内生成式人工智能在风险治理之外也非常需要制度支持。生成式人工智能大模型面临算法解释难、算法审计难、算法标准形成难、算法影响评估难、算法认证难等问题。《生成式人工智能服务管理办法（征求意见稿）》的主要考量问题是信息内容安全问题，在安全保障方面设计了“六重叠加”的机制，包括输出端的生成结果控制、输入端的数据来源和数据信息内容限制、扩展的内容生产者责任、用户举报与主动监管结合、宽泛的信息提供义务、与算法推荐和深度合成等已有立法的有限衔接等。其中部分机制存在不同程度的安全冗余。除此之外，还有需要充分考虑的治理要点，包括生成代码的单独归类、训练数据的必要区分、输出结果的类型提示、数据来源合法性的具体界定等。总体来说，对生成式人工智能的法律治理，大幅度降低无效或低效风险冗余应当是机制设计的重要目标。
■中国信通院高级工程师程莹：
生成式人工智能第一大特点是通用目的性。作为新底层基础平台，AIGC供应链被拉长，研发者是否应承担责任，研发者、平台方、B端用户、C端用户等如何分担责任成为关键问题。征求意见稿第5条应对各个主体进行精细划分。第二个特点是内容生成性，带来了知识产权、虚假信息等问题。未来生成式人工智能代表了知识调用方式的变迁，将掌握绝大多数信息来源，相较于深度合成的重点标识义务，负有更高算法评估、自我审查等义务。然而，一刀切要求训练数据和生成结果的真实性可能与生成式人工智能的技术本质存在一定冲突。第三个特点是数据依赖性，这是人工智能一直以来的典型特征，但是呈现了新的形式，例如中文语料库输入不足带来的文化偏见、数据虹吸效应带来的数据泄露风险等，相关法律义务应注意保持与上位法要求的一致性。
■中国科学技术信息研究所助理研究员刘鑫怡：
英国的监管框架是基于人工智能应用场景来规范人工智能应用，而非规范人工智能技术，并不为整个行业或技术设定规则或风险级别。在监管依据上，在不确定的技术应用和治理中探索可量化、可定性的成本收益及影响，这对我国监管政策的出台有启发意义。在目前的大模型监管上存在难点。主要包括三方面：一是技术的局限性导致目前难以达到治理的高标准；二是大模型治理的方式和限度难以把握；三是目前多样化治理工具没有完全发挥作用。随着多模态大模型的研发和广泛应用，未来的风险问题会逐步深化。建议在统筹发展与安全的基础上，构建全生命周期的差异化监管机制，加强人工智能重点领域关键环节监管。同时倡导“以技治技”，开展安全可信技术的治理。（金灿）
人工智能会取代外语教师吗
中青报·中青网见习记者赵婷婷
“我一直用ChatGPT练习西班牙语。”英国广播公司（BBC）商业科技记者克里斯汀·罗兴奋地告诉她的阿根廷朋友，“它可以纠正我的错误，还能为我讲解西班牙语的区域性特点。”
罗的这位朋友有些失落：“所以，人工智能取代我了吗？”
罗不这么认为。人工智能当然不能取代朋友，但它的便捷性和知识储备量令人惊叹。
越来越多的人发现，ChatGPT对语言学习有益。一位在哥斯达黎加的建筑师告诉BBC，在人工智能的帮助下，他能迅速找到需要的专业英文词汇，节省了大量时间。南非一位咖啡馆老板感慨：“它能为我提供（西语）动词时态表，帮我提高语法水平。”
Quazel是瑞士苏黎世联邦理工学院推出的一款人工智能语言学习应用，开发该软件的公司创始人兼首席执行官菲利普·哈吉米纳告诉英国科学类网站“ScienceX”，大多数传统的语言学习应用程序以书面形式呈现，即使那些提供语音识别功能的软件，也是使用预设的句子回应使用者的。这使对话变得模式化。“学习者可以与人工智能讨论各种他们感兴趣的事，美食、运动，甚至哲学问题。如果学习者出现单词或语法错误，应用程序会及时纠正。”哈吉米纳说。
“我们希望让语言学习变得简单，让更多的人享受到专属语言导师的益处。”哈吉米纳对自己公司研发的产品很有信心。这款人工智能导师精通21门语言，对学习者有足够的耐心。
“学生使用Replika等陪伴式聊天机器人练习英语，确实能取得一些效果。”捷克赫拉德茨克拉洛韦大学应用语言学副教授布兰卡·克里莫瓦表示，“但这类程序存在很多问题，比如重复对话、语言未经修饰。这类程序有时会要求学生提供性感的照片，这太不尊重人了。”
不过，克里莫瓦评估了ChatGPT等聊天机器人在大学英语教学中的可行性和实用性后发现，聊天机器人确实能提高学生的词汇量、丰富他们的语法知识，培养他们的语言能力，并能及时纠正错误。
BBC称，技术开发人员以“语言功能”为基础不断优化，开发出一系列语言类人工智能应用。与“Replika”等陪伴式聊天机器人相比，它们更适合语言学习者。
费德里科·鲁伊斯·卡萨里诺是语言学习聊天机器人LangAI的研发者，他根据自己的英语学习经历研发出这一应用程序。与学术性方法相比，他的软件更注重实用性。在该应用程序的帮助下，他的英语水平显著提高。现在，他开启了意大利语的学习之旅。
卡萨里诺告诉BBC，许多人因为自己在外语交谈中犯错而感到尴尬，但聊天机器人不会对你做出评判。“新一批生成式人工智能非常先进，使用者可以把它们培养成人工智能笔友。”
卡萨里诺表示，“我们的目的是为语言学习者打造量身定制的产品。”他的团队会为用户设置专属界面，使之与用户词汇水平相匹配。此外，这一应用增加了修正对话错误的功能，还能实现“语音转文本”。
接下来，卡萨里诺会带领团队继续优化软件，比如提供个性化的聊天语气，用户甚至可以模拟与某个历史人物聊天，进而提高语言水平。他们希望吸引愿意付费且永久使用LangAI的用户群。
“聊天机器人像一位无所不知的人类朋友。”乔伊·埃洪瓦是尼日利亚拉各斯市的编辑兼作家，她正在使用人工智能学习法语，“它能告诉我错误的原因，以及法语的语法习惯和特色。”
BBC指出，人工智能驱动的语言学习软件也有局限性。虽然它们精通多种语言，但在处理小语种或有不同书写系统的语言时，服务质量会下降。聊天机器人也会犯错误，甚至会“发明”单词，语言初学者很容易信以为真。
“学生可能从聊天机器人那里学到带有偏见色彩的词语，以及不礼貌的聊天方式。”美国华盛顿大学计算语言学教授艾米丽·本德对此感到担忧，她认为，数据隐私等问题也应受到重视。
一些教师不赞同学生使用人工智能，但克里莫瓦认为，这类技术市场潜力巨大，至少从当前发展看，GPT-4的准确性大幅提高。
无论人工智能如何发展，教师依然具有不可替代性，尤其是对初学者和老年人来说。BBC分析称，教师能较为全面地掌握每个学生的学习风格、语言需求和学习目标，充分发挥引领者的作用。
当然，随着人工智能技术不断发展，处理好教师和人工智能之间的关系尤为重要。正如克里莫瓦所说：“技术一直存在，我们必须直面它，并重新考虑我们的教学方法和评估标准。”
人工智能是智慧农业新风口
当最前沿的技术与最古老的产业相遇，会激荡出怎样的变革？日前，国内首款农业AI对话机器人发布，诸如“土豆出现烂根怎么办”“某地西瓜行情怎么样”“帮我找个杨梅采购商”这些问题都将得到回答。可以预期，以AI为代表的新一代信息技术将深刻影响农业发展，抓住人工智能这个智慧农业新风口成为一大命题。
农业AI应用正加速铺开。本世纪初，其在国内已露端倪，既有耕、种、收等智能机器人，也有病虫害探测、土壤墒情测报智能系统。近年来，具有自主知识产权的传感器、无人机、农业机器人等日臻成熟，出现在越来越多的农业场景中。2020年，农业农村部、中央网信办印发《数字农业农村发展规划（2019―2025年）》，提出加快农业人工智能研发应用。自ChatGPT发布以来，认知大模型技术持续进化，国内类似产品不断推出。在此背景下，农业领域大模型产品的推出自然不足为奇。
人工智能的农业应用非常广泛，涉及感知、决策、控制、作业等，农业AI对话机器人只是其一。传统农业的特点是靠天吃饭，而我国的智慧农业发端于物联网设备和与其对应的农业信息化系统，通过监测和改善生长环境，使农业生产更稳定可控。如今，叠加新一代信息技术，农业数据要素将持续发挥作用。比如，借助猪脸识别，结合声学特征和红外线测温，从猪的体温、叫声等可及时判断猪是否患病，从而预警疫情，科学养殖。
智慧农业是用科技武装农业，并牵引资本、人力、土地等多种生产要素。很多国家都把智慧农业作为优先发展方向，全球智慧农业呈现出两大特征。一是高度集成。各种设备与技术高度集成，物联网、大数据、人工智能、云计算等叠加交融，形成了智能生产系统。国土面积只有4万多平方公里的荷兰，就是在设施农业中集成智慧农业，每公顷能产出54.4吨蔬菜，是我国的2.4倍。二是数据融通。不只应用在生产领域，而是打通生产、加工、流通、销售环节，建立大农业数据库，实现产销高效对接。有的国家在此基础上建立农业展望制度，直接影响期货市场走势，拥有了主导世界农产品市场的战略武器。
现阶段，人工智能可以成为农业生产强有力的辅助，但远不足以完全替代人和人的决策。这与其发展程度有关。一方面，有数据，缺智慧。行业数据、社会数据、企业数据难以有效融合，缺少针对农业大数据的深度挖掘和分析利用，预测预警和配置资源等核心功能还远未发挥。另一方面，有示范，缺规模。由于门槛高、价格高，目前应用局限在少数主体上，不少地方存在增量不增效、技术脱离实际等问题。此外，人工智能的核心是数据、算法和算力，但是农业生产对象具有生物特性，比较效益又低，数据采集难、算法要求高、算力资源缺，导致落地难度大。
人工智能赋能农业是好事，但也急不得。大国小农是我国的基本国情、农情。再高大上的技术，农民和农企都面临是否用得上、用得起、用得划算的问题。一方面，他们追求增产、提质、节本，需要导入智能装备；另一方面，又有求稳心态，对短期成本收益敏感，对新技术应用有迟疑。可见，新技术落地不是一蹴而就的，要不断迭代优化，从而突破盈亏平衡点。要从实际出发，积极探索应用场景，打造内容丰富、模式多样、载体多元的解决方案，降低用户成本，务求实效实用。
农业机械化已经让大田的粮食生产从体力劳动中解放出来。未来，农业信息化会让农民成为更体面的职业。推动智慧农业发展，政府应聚焦农业公共基础数字资源建设，通过政策引导数字技术的产业应用。科研院所要把工程科技与农业生产相结合，研发攻关更多接地气的产品。各类资本则要以长期投资的耐心支持经营主体。农民和农企则要抓住新一轮信息技术机遇，提升品质、做强品牌，实现增值。（本文来源：经济日报作者：乔金亮）
王德英：人工智能提高不确定性问题的准确性
新浪基金曝光台：信披滞后虚假宣传，业绩长期低于同类产品，买基金被坑怎么办？点击【我要投诉】，新浪帮你曝光他们！
9月23日，由《博鳌观察》主办的2016博鳌观察金融创新峰会在京召开。图为博时基金常务副总经理王德英。新浪财经讯9月23日，由《博鳌观察》主办的2016博鳌观察金融创新峰会在京召开。博时基金常务副总经理王德英参与主题论坛讨论。
以下为部分发言实录：
王德英：人工智能在很多地方用，有时候用的有点儿烂，只要是计算机处理的都叫智能化、智能楼宇系统，是不是真的智能，我觉得给人工智能一个相对准确的含义，我自己想了一下，比如说只要是规则能够确定的逻辑，有先后准确逻辑关系的处理，我们认为不是人工智能。人工智能是解决了一些结果不确定性的问题，我个人认为才是人工智能。比如说智能楼宇，现在很多楼宇拿着卡你一刷轧机，它就告诉你到哪里去等电梯，这算不上人工智能，我觉得这个规则是事先定好的，所以谈不上智能。
在金融系统里面，很多难的也是不确定性的东西，确定性的东西比如说股票交易，一些业务的处理，包括银行的存取款，但金融里面难的比如说在征信里面，对个人信用的一个判断，这有很大的不确定性，我们说可以引用各种模型，人工智能来帮助进行判断和决策，同样，比如说在投资领域，我们要选择股票，在某个时点你需要加仓还是减仓，这有很大的不确定性，这时候如果能有一些计算机技术辅助的话，我认为这是在投资领域的人工智能，当然最高端的比如现在最流行的是机器学习、神经元学习，我觉得真正落到实地，倒不是那么前沿的技术，而是对我们金融里面不确定性的东西提高原来判断的准确性，我觉得都是人工智能成功的应用。
我举一个投资方面的例子，比如说选股票是最难的，炒股最难的就是股票的选择，原来的资产管理公司或者投资经理通过上市公司的调研，通过数学模型，来决定这个股票能不能买卖，但是现在也有在这个领域所谓的量化投资已经应用得比较广泛了，量化投资最开始在美国兴起的，最近一些年量化投资、量化选股开始进入中国市场，刚进入中国的市场，美国的模型不适用于中国市场，所以这个模型进来之后，最近四五年量化技术在证券投资方面得到了非常大的提升，从结果上来看，通过这种量化来选股的准确性大幅提高，有一个指标，选股战胜大盘的概率大大提高，或者超越大盘的比例大幅提高，其实它做起来更细的来说是这样的，在量化的里面，可能有几十个因子，把这些因子进行长期的回复来判断它的有效性，最后通过多因子模型设计出来，它就可以通过大量数据的计算，可以推算出每个股票可投资的大概分子值，这就可以作为股票选择的一个依据，它的基本原理是这样，这个基本原理现在越来越成熟。
我举这个例子也是说明在资产管理行业运用人工智能，这是比较典型的应用。从发展阶段来说，我认为还是进入一个比较成熟的阶段，当然后面还会不断的发展，因为市场还在不断的发展，你要战胜别人，你的模型还要不断的更新，你的业务逻辑、你的人工智能要不断的提升不断的完善，才能保持永久的生命力。
主持人：接下来我想问德英总和郑总，现在有一个词非常流行叫智能投顾，中国目前所做的智能投顾和美国比的话，它的区别是什么，我们能从中学到什么东西，第二人工智能接下来的发展会不会使人的整个投资理念以及资产管理行业发生一些改变，比如说人工智能会不会取代人类，人工智能会不会跟人之间有一个非常强烈的分工？
王德英：智能投顾或者机器人投顾是从国外过来的，但是出发点都是通过智能投顾提高客户的收益风险比，提高收益跟预期的一致性或者确定性，这个结果都是一样的，因为智能投顾，前面叫智能投顾，后面对接的就是多资产、多策略投资方案的一个配置，你的资产要在股票、债券、房地产、黄金等等如何均衡的配置，并且如何在合适的时间在不同的资产之间进行变换，这样做的目的就是提高收益风险比，比如说在风险可控的情况下，收益尽量的稳定，比如说最近包括银行包括很多智能投顾，基本上以决定收益为目标，通过多资产多策略的模型，或者是这样的一个方式，使得客户不管在什么样的市场环境下，他能取得相对稳定的收益，这主要解决两个问题，一个是解决单类资产业绩的不稳定性，确实不同资产收益是轮动的，你靠单一资产不一定能取得一个长期稳定的收益，这是它在资产之间进行轮动的必要性。第二是解决个人投资的非理性问题，拿基金来说，其实股票也一样，80%炒股票的人是亏钱的，其实基金也一样，因为投资者大部分都是类似于去年4500点冲进去的，然后套了好几年，终于解套了出来了，很多是这样的，另外就是投资者的相对投资的短期化，不是从一个长期投资的角度来配置的，所以这些方面造成了投资者实际的收益跟他预期差异非常大，投顾或者叫智能投顾要解决的就是这个问题，通过模型或者配置方法提高收益的稳定性，智能投顾背后最核心的是两层，第一层是资产配置模型，资产轮动模型，它解决不同资产之间配置的问题，第二层，你已经确定了某个资产之后，在资产类别里面你选了具体的一个资产标的的模型，比如说你已经决定了30%投资股票类型的，具体你选哪一个股票或者选哪一个股票基金，还是差异非常大的，这里面也需要一个模型，选股选基金都是非常困难的，你需要对它有一个长期或者准确的判断。
从这两层来说，我觉得中美之间的差异就能看得出来，比如说在第一层资产配置或者资产轮动模型方面，中国市场可用的配置工具比美国市场显著要少一些，比如说我们在一些另类投资，比如说股票债券可能都有，但是一些大宗商品，还有一些房地产的类似产品还是比较少的，你如果想配置的品种现在只能去特定的市场，而且流动性不一定很好，还有一些比如说汇率对冲的品种，汇率的投资可能普通人也没有这样的一个工具可以选。
具体投资标的的选择上，其实中国跟美国的市场也非常不一样，很多人说我不配股票，我已经选了多少配股票市场，我可以选指数基因，比如沪深300指数基金，我就配整个市场，就指数基金来说，中美市场也不一样，比如说美国市场指数基金长期业绩能够打败大部分的主动的进行盈利，但是在中国这个是倒过来的，所以这也是不同的点，当然这是更深层次的由资本市场的特点决定的，这样如果你选具体投资标的的时候，你也不能完全照搬美国的方法模型，尽管大家基本的理念是一样的，方法论是一致的，但是在一些具体的模型或者是方法论的落地方面还是有比较大的差异，这是第一个大的问题。
第二个大的问题就是人工智能或者智能投顾跟自然人比较起来，其实人工智能或者大数据就是根据历史数据长期的一个跟踪分析，或者是一个模型的处理，它最大的好处能提高投资的确定性，人工相比来说，人工投资可能非常好，也可能非常坏，但是大数据或者人工智能能把你投资的下限给提高，它的平均水平会提高，有效的人工智能模型我觉得从投资收益来看，它应该能够打败大部分的自然人，但是它可能战胜不了最优秀的自然人，我觉得这是一个基本概念。证券市场投资不光是一门科学，有时候也是一门艺术，它有多种因素，有定量的也有定性的分析，不是那么简单的公式算得出来的，所以你说完全能够用逻辑推出最佳的方案，这是非常难的。我说的结论其实从过去几年中国资本市场一些量化投资的结果，也可以看得出来，我举一个大数据的例子，我们利用蚂蚁金服上电商五千多个类目商品的销售数据来预测未来上市公司经营情况的变化，把这个作为我们判断这个上市公司可投资的依据，比如某一个行业交易金额上升，交易量扩大，我就有合理的理由认为这个行业或这个公司未来的经营情况会好转，最终会体现在二级市场的估价上，它的基本逻辑是这样的，我们采用了它大量的数据，不光交易量的数据，还有一些价格的数据，有的产品比如对价格更敏感，有的对供求关系更敏感，像供求关系、价格数据在上市公司的年报里面我们是看不到的，但是通过大数据我们就可以获取更多维的数据，更实时的数据，我们通过这样一些大数据的模型，采用量化模型来进行投资，从过去的时间来看，它大概排在所有股票投资的前20%到30%，如果你能够稳定的站在投资的前五十，前30%，其实长期投资收益还是可观的，我觉得这是大数据对投资方面的价值。
进入【新浪财经股吧】讨论
责任编辑：张彦如
金融业创新层出不穷，行业发展面临挑战与机遇。银行频道官方公众号“金融e观察”(微信号：sinaeguancha)，将为您提供客观及时的新闻精粹，分享独家、深度、专业的评论点睛。
文章关键词：人工智能大数据选股金融改革我要反馈保存网页分享添加喜爱打印增大字体减小字体新浪理财师推荐观摩专业理财师操盘跟买跟卖赚大钱>>更多理财师相关阅读聚焦应用中心新浪公益新浪游戏互动活动热点推荐一生良师益友：海词词典保护隐私与安全：应用锁股民的第一选择：同花顺定位家人的位置：跟屁虫私人大游艇：快来造船吧一个人狩猎：狙击手猎鹿和敌人战斗：萌军飞行队恐怖的对决：CS反恐精英路程全掌握：凯立德导航高清图片分享：奇思壁纸捕捉精彩瞬间：特效相机有热度有态度：人民日报飞越天际：飞天滑板高手等你征服：叛乱武士之战魔幻旅：小小魔兽大战争斗魂：超合体魔术机器人微博益起来感恩行动2013捐一元爱心送营养2013壹基金公益映像节水立方中国公益平台阿里巴巴公益广告大赛思源方舟防灾减灾2013爱佑慈善晚宴佳能影像公益贫困儿童图书漂流箱项目福特汽车环保奖女童权益保护全球行动奔驰自然保护项目佳能希望小学色彩教室卡夫希望厨房妇基会母亲包邮活动微博-达人通《九阴真经》唯我独尊礼包《梦幻西游手游版》夏日情谊卡《星际战甲》新浪高级特权礼包《问道》天书奇谭至尊礼包《新倩女幽魂》新浪特权礼包《热血传奇》15周年专区礼包《大话西游2》人气公测礼包《倩女幽魂2》新浪1888元白金卡《第三把剑》新浪特权皇钻礼包《奇迹MU》新浪独家礼包《龙门虎将》新浪定制礼包《虎豹骑》二次测试码角色扮演类新手卡射击类游戏新手卡动作类游戏新手卡策略类游戏新手卡新浪专栏：读名家知天下想成为专栏作家？戳这里强势围观！政务微博大事件！快来看！湖南微博有大事！最火博文大家都在看一大波台湾美食正在向你逼近！[财经]股市行情查询[财经]理财计算器[科技]数码产品库[视频]最热影视大片[旅游]国内外景点查询[育儿]育儿实用工具库[汽车]车型查询[女性]化妆品产品库[星座]星座运势查询[娱乐]影讯查询[娱乐]电视节目表[教育]大学院校查询·城市热点节庆活动·新浪《对话城市》·诚招合作伙伴·新企邮上线更优惠