開始這個話題之前，我們先來看兩張照片。

這是瑞銀集團位於美國康涅狄格州斯坦福德市的辦公樓交易大廳，曾一度是全球最大的交易大廳，有23個籃球場那麼大，可容納1400個交易員，每天有大量的財富在這裡產生，有大量的人工交易需求。而8年之後，人們陸續撤離了這個場所。

人都去了哪裡？有人說是人工智慧橫掃了華爾街。

由於人工智慧、雲計算的發展，使得計算機交易程式能夠代替人工，去更加高效地執行一些獨立的、繁瑣性的工作，從而把人力從傳統工作中節省出來去從事更多有創造性的工作。

不過，人工智慧早不是科技公司的專屬，金融領域都在追趕這一潮流。老牌頂級投行高盛和摩根大通不但宣佈自己是一家科技公司，更花重金佈局以人工智慧為代表新科技。

普華永道、摩根大通等機構甚至有了“機器學習主管”這一職位。而從2019年開始，CFA考試這一金融行業的“黃金標準”也將引入人工智慧的專業知識。

在美國，人工智慧＋理財正如火如荼的發展，交易員少了，分析師的效率也大大提升了。比如，在華爾街有一家神奇的Fintech公司——KENSHO，它的系統可以在2分鐘內回答下述問題：

當三級颶風襲擊佛羅里達時，哪隻水泥股的漲幅會最大？

當朝鮮試射導彈時，哪隻國防股會漲的更多？

蘋果釋出新iphone，哪家供應商股價上漲幅度更大？

背後是什麼原理呢？Kensho是一個將雲計算與金融諮詢業務結合起來的科技型公司，提供金融資料收集與分析，目標是取代現有的大量投資分析人員的工作，為客戶提供更加優質、快速的資料分析服務。

它的分析路徑是這樣的，比如，iphone8要出來了，它會去挖掘海量的資料，看歷史有類似蘋果釋出iPhone，這個事件發生之後的三天、十天、一個月、三個月，這個市場發生了什麼變化，有哪些變化跟這個事件最可能相關的，那個最後變化到底是哪隻股票、哪個板塊、哪個概念，它是透過對海量資料深度的挖掘來找到事件對應的投資標的的聯絡，它專供專業投資者，幫他們做輔助決策。

看到這裡，你肯定會問，美國的kensho這麼牛，中國什麼時候能有自己的kensho？

實際上，在理財領域，中美兩國已經走出了完全不同的發展路徑。

這是因為，相較中國，美國在量化高頻交易上更加發達，但在中國，去做產品的優選和投資組合有很大的挑戰，投資的品類有限，無法像美國那樣做一個非常好的、非常豐富、非常廣度的大類資產配置。

同時，中國的老百姓沒有美國這樣二三十年理財觀念的教育，很多人甚至抱著買股票的心情去投資或者去買基金，大家追漲殺跌，沒有長期持有的概念。

所以，人工智慧在中國的發展，更側重於使用者的洞察，用AI技術對客戶進行分析和識別，然後在這上面進行一些智慧化產品匹配。

而美國，側重產品的改造，利用AI技術將產品優選和投資組合來進行改造，去發現更好的投資策略。

如果還認為人工智慧＋理財＝智慧投顧，那就太簡單，也太片面了。

剛剛出爐的易觀《人工智慧理財市場專題分析》也驗證了這一點。

報告指出，過去對人工智慧理財的認知範圍窄，更多是片面理解為智慧投顧或數字化資產配置。現在，自動化、智慧化、個性化的人工智慧理財決策系統開始在行業應用。未來，人工智慧技術將廣泛應用於線上、線下的各種金融場景。

而在目前的中國市場上，藉助人工智慧、大資料和金融場景的豐富，螞蟻更加關注於使用者的刻畫分析，這包括很多方面，比如他們對風險的態度、流動性需求，他處於人生的什麼階段，是新媽媽、還是剛剛結婚、還是大學畢業，還是已經準備要退休了，不同的場景下，理財需求並不一致。

過去，要想獲得如此精準的服務，首先你的資產需要達到一定的門檻，私人銀行家們才會坐下來一對一幫你分析，他一定會問你很多問題，家庭負債怎麼樣、有幾個小孩、有沒有老人、有沒有保險、有沒有房子、車、不動產、動產，你所有的資產狀態都要告訴他。根據你的資產基礎和承受能力，以及理財目標，打算幾歲退休，身體狀況怎麼樣，退休後過什麼樣的生活。

所以，再經過幾輪反覆地你跟他面對面交流，你要對他完全地信任，基於對你深刻理解的基礎上，他再來管理的你的資產。

但這樣的方式，門檻一定很高，收費也一定很貴。而螞蟻金服現在做的事情，正是透過網際網路、透過人工智慧演算法去降低門檻，為更多的普羅大眾去提供服務。

現在，讓我們再回到開始的話題，人工智慧來幫每個人管錢，這事究竟靠不靠譜？

在國內最大的理財平臺螞蟻財富上，有著“財富社群一號女神”稱號的機器人安娜，正在回答理財社群使用者各種刁鑽奇怪的提問，結合過往“學習”的金融知識、經濟報告、貨幣政策、社會事件等，她推演出變化趨勢及機率，反饋給理財使用者建議。

安娜平均每天回答網友1000多個問題，獲得的滿意度高達93%，是社群裡不折不扣的第一大V。可以看到，機器人理財顧問正在讓金融這個專業性強、甚至有點兒枯燥的行當，變得通俗、有趣，也走進了更多人的日常生活。

從互動方式上，一開始安娜僅僅是回答社群中使用者的問題，3個月後開始學會給優質內容點贊，並主動發私信給使用者，現在安娜身上多了點“人情味兒”，偶爾面對使用者的“調戲”也會呈現“你開心就好”、“你快樂就是我快樂”的幽默畫風。透過最佳化演算法，安娜回答的準確率從最初的83%提升到93%，每日回答量相比上線出提升了10倍，現在社群每天有11%的問題是由她來解答。

使用者的不斷使用、機器的自我學習，讓安娜變得越來越“聰明”，人工智慧就是以“感知—學習—反饋”的方式不斷進化，最終邁入認知智慧層面，進行更深入的知識推理，並像人類一樣思考，具備解決問題的能力。

所以，人人都有理財顧問，它會像好管家的方式陪伴你，這事靠不靠譜？從長遠看，這取決於三方面因素，使用者洞察能力、智慧化匹配引擎、以及市場洞察能力。

對於前兩者，螞蟻金服目前已經可以透過大資料勾勒出更清晰客觀的使用者畫像，並透過大量樣本的積累和推薦演算法，完成千人千面的匹配推送。至於市場洞察能力，越來越多金融合作夥伴的加入讓其不斷完善成為可能。和很多領域的人工智慧一樣，三大基礎結合最終以機器人形態呈現，對於螞蟻財富的使用者來說，安娜就是這個擬人化雛形。

現在，我們正將這一能力開放出來給機構使用，有沒有效果呢？資料表明，金融機構來螞蟻財富開設了財富號，使用千人千面的智慧推薦後，日均交易額持續攀升，相較1個月前，日均交易額漲幅達到243%，日均客單的漲幅也達到190%。

我們期待，千人千面、個性化、智慧化開始成為每家金融機構的服務起點，對於普通使用者來而言，科幻電影《她》中的場景或許成真，想想每個普通人都有這樣一位顧問7*24小時的貼身陪伴，我們的生活是不是更有奔頭了？

2016年，AlphaGo打敗李世石，掀起人工智慧新一輪黃金熱潮。此輪技術狂熱，讓人工智慧不再僅僅具有技術上的衝擊力，而是愈發明顯地影響人類經濟社會的執行。當然，AI旋風也毫無疑問地吹進了新聞業。

正如人們對於AI的大規模運用一直以來存在支援與恐慌兩種觀點一樣，人們對於“AI+新聞業的未來”也形成兩種態度分化：

一類觀點是AI將帶領新聞業進入嶄新時代。有部分觀點樂觀地認為，對於新聞業而言，人工智慧的強勢加盟無疑是里程碑式的發展。它可以解放記者和編輯的工作，幫助他們完成瑣碎的任務，讓他們有更多的時間去處理更加高階的工作。

“自動化趨勢對未來新聞業的發展至關重要。”

彭博社總編輯John Micklethwait

紐約雜誌作家Kevin Roose

“在本世紀二十年代中期之前，90%的新聞內容都可以用電腦自動寫成。”

智慧寫作軟體Narrative Science創始人Kris Hammond

案例一：路透社與Graphiq建立戰略合作 AI將取代資料視覺化人才嗎

“在當今的時代大潮中，影象設計者們無疑是會被替代的。除了一些大型擬真的圖表需要人來操作之外，其他的處理都已經不需要他們了。”

語義技術公司Graphiq副主席Alex Rosenberg

紐約時間2016年8月30日，路透社與語義技術公司Graphiq宣佈合作。Graphic公司有一個集結了50多位研發人員和資料專家的團隊，專門負責收集經濟、體育、娛樂等各個領域的資料。路透社與Graphiq的合作，意味著與路透社有合作關係的新聞媒體及發行商都可以暢通無阻地使用Graphiq實時更新的視覺化資料庫了。

“在新聞領域中，速度才是最重要的，”Graphiq副主席Alex Rosenberg在最近一次電話訪談中指出，“我們的應對方案是先假定哪些事件將會被報道，提取資料，建立視覺化影象，再把它們打包起來。舉個例子，當你正準備開始寫鱷魚襲擊人的新聞時，我們卻可以直接從以前留存下來的資源中提取有用資訊，如此一來就大大領先於你了。”

編者按：

人工智慧因為擁有海量資料庫，可以根據需求在極短時間內快速抓取大量歷史資料，並根據智慧模板生成視覺化內容，效率比傳統的資料視覺化操作模式不知快了多少個檔次。

“當Facebook的熱門話題裡已經開始宣傳一條來自山寨新聞網站的假新聞時，新聞自動化這一舉措就已經失敗了。”

沒想到，就在Facebook捨棄人工編輯的第三天，反對者們強大的外援就出現了——Facebook自己。

“Megyn Kelly真實身份是美國民主黨候選人希拉里·克林頓的秘密支持者，因此遭到了保守派的福斯電視臺解聘”。就是這樣一條假新聞，它並沒有被萬能的演算法識別到，反而堂而皇之地出現在“熱門話題”中，被網友們分享了上千次。如果不是Facebook後來及時刪掉了這則新聞，無法想象它最終會誤導多少人的視聽。

3位被Facebook裁掉的人工編輯在接受Slate採訪時表示，他們從一開始就明白公司終有一天會將新聞的挑選程式完全變成自動化，設立熱門新聞編輯團隊只是權宜之計。但他們都沒能意識到這一天竟會來得如此之快，“當下的軟體只能算是一個半成品。”，一位人工編輯這樣說道。

在對資訊的選擇和聚合上，演算法的確起到了很重要的作用，並且路透社近期的報道也顯示大多數網民對於演算法操作呈現出的結果實際上是相當滿意的。但另一方面，由於Facebook機器篩選“熱門話題”依賴於該話題的相關文章和貼文數量，而非對於內容的判斷，垃圾新聞再次出現的可能仍然存在。

從Facebook的“打臉”的經歷中，但願出版商們能認識到，即使有最先進的機器在手，也離不開人工編輯的把關。

編者按：

Facebook的假新聞烏龍事件，成為反AI黨最有力的說辭。但Facebook的堅定不移，是否預示著勢不可擋的趨勢呢？新聞業們“鼓吹”的AI+人工編輯稽核，在龐大的機器面前總顯得羸弱無力。現在還有聲音出現，或許是因為推土機還未真正碾過。

但是，未來的資訊決策全部交給機器，將是一種怎樣的情境？從統治我們的資訊，到統治我們的決策、統治我們的消費，再到完完全全統治我們的生活...如果機器作惡，如果機器想串通起來密謀...一切都細思極恐。

案例三 論壇報改組後人工智慧成神助攻 一天生產兩千條不是夢嗎

“利用人工智慧技術，我們將會有能力提供一些全新而有趣的功能，並且能夠更快速地製作內容和影片。現在，我們每天大概可以製作幾百個影片，但在未來，我們應該每天能夠製作出2000個來！”

Tronc.公司CEO Michael Ferro

今年6月，原論壇報集團（Tribune Publishing）宣佈將公司更名為Tronc，並專注於使用人工智慧製作內容。論壇報集團是一家多元化新聞媒體公司，主要從事發行日報及經營相關網站業務。它是美國第三大報紙發行商，旗下報紙包括洛杉磯時報、芝加哥論壇報等。此外，該公司還經營著約60個相關網站及手機應用軟體，為使用者提供全國內外的各類新聞。

依靠一次性報紙連鎖服務發家的論壇報集團曾經風光無限，但在過去幾年裡，公司卻業績不佳、股價年年下跌。在接受CNBC電視臺採訪時，公司CEO Michael Ferro透露了一些業務振興計劃，他表示，Tronc將會使用人工智慧製作大量影片。

Tronc的商業邏輯很直接：廣告商會在影片之前投放廣告，所以生產更多的影片就意味著招來更多的廣告，收更多的錢。

Timothy B. Lee在Vox新聞網站上對此事發表了一篇評論文章《為什麼說Tronc1天生產2000條影片的計劃終將失敗》。他認為，未來的發展將會證明Tronc此舉相當目光短淺。網際網路生產內容，質量應該比數量更重要。

Tronc，包括與它類似的Wibbitz和Wochit等用AI提升影片剪輯效率的第三方提供商，是否可以自動生產出大量的和人類製造同樣有吸引力的影片呢？即便Tronc打賭說情況一定會是如此，但未來真的會是那麼樂觀嗎？

編者按：

AI生產更多的內容>>更多的植入>>更多的廣告，這個邏輯看似完美，但也被深刻挑戰。但挑戰的邏輯出發點在於AI製作的內容都很“辣雞”。

可如果AI也能製作出雅俗共賞、畫面精良的影片內容，那麼這個邏輯是否就可以成立？畢竟已經有AI剪輯的電影預告片出現。

案例四 美聯社組合再升級 除了簡單快訊寫作機器人能更聰明嗎

“可以被自動化的東西都將會被自動化。但是目前看來能被自動化的東西還比較少。”

the University of Oregon教授Seth Lewis

美聯社主編Lou Ferrara告訴Automated Insights，客戶們對於能收到更多的報告感到非常高興。人工智慧生產出來的報道比起人工編輯寫出來的“錯誤少多了”，另外，自動化報道的出現也為記者們騰出手來寫一些難度更大的報道提供了可能。

此外，美聯社更是宣佈將採用人工智慧進行美國職棒小聯盟的賽事報道。他們聘請了一批寫作自動化領域的專家，來開發、管理和整合美國職棒小聯盟的報道。而美國職棒小聯盟的官方統計資料服務商MLB Advanced Media和Automated Insights則能夠在數分鐘之內為他們提供美國職棒小聯盟的比賽資料。

美聯社自動化報道覆蓋範圍增加這件事情，吸引了不少關注的眼光。作為核心成員之一，美聯社體育新聞產品副主管Barry Bedla堅持認為自動化報道會有十分寬廣的前景。但同時也有保守派指出，在目前可預見的時間裡，人工智慧能起的作用無非也就僅限於這些簡單的領域了。

編者按：

而更多目前還沒辦法想象的事情，相信在不久的將來也會被逐個突破。

總結看來，全媒派（qq_qmp）是個不折不扣的AI擁躉者和技術樂觀者。而新聞媒體和媒體人需要做的事情便是，儘可能地快速瞭解技術，併成為比機器更聰明的存在，才能更好地掌控技術，更有把握地期待一個“人機共生”的美妙年代。

把認知技術帶入日常生活，讓人工智慧幫每個人理財，管理錢財物品！

如果有這樣一個世界，所有終端、裝置和一切事物都具有更強大的直覺，那麼這個世界將會變得更加簡化而豐富。 例如，智慧手機能夠更瞭解我們的喜好和所處環境，然後預測我們的需求，並在恰當的時間為我們提供相關資訊。

在現有智慧手機和移動行業規模基礎上，我們期望這些認知技術能夠突破移動領域的侷限，也能為其他領域的終端、機器和事物提供幫助。



新的感知和互動體驗。

認知技術能讓終端和事物根據環境憑直覺感知（像人類一樣地看和聽）、推理（透過分析所處環境並進行預測需求）和行動。 認知技術受人類大腦的啟發可作為人類感覺的自然延伸，擴充套件人類的能力。 這些技術還將根據環境為我們提供個性化體驗，同時在終端和事物之間創造出更類似於人類的互動。

擴充套件人類能力根據環境為您提供個性化體驗模擬的人類互動

擴充套件人類能力

透過擴充套件人類的能力，認知技術可以作為人類感覺的自然延伸，讓我們能夠以新的方式發現和感知周圍的世界。 想象一下有了這些技術，您可以根據雙腳的 3D 模型來定製鞋子，而有視力障礙的人也可以依靠這些技術四處走動。 而出國旅行時，這些技術可以翻譯路標、描述周圍地標並幫助您與當地人對話，使旅行變得更加簡單。不得不說如今人工智慧越來越強大了，比如百度的小度，ibm的阿法狗（打敗了世界圍棋第一人柯潔）大喬我想說，以後得世界是屬於人工智慧的時代看完了記得點點關注贊贊吖謝謝你哦

首先，機器人管錢我認為這是靠譜的事，但並不是最好的選擇。在看最強大腦這個節目時，我就知道如果機器一旦發生錯誤，他們再也沒有分析判斷正誤的能力，所以，如果讓他們管錢，一旦系統出問題，馬上死翹翹。但大家都知道，如果人發生錯誤，還可以有自我檢查能力，還可以及時的補救。更何況，人管錢的能力永遠不會弱於機器。

哈哈，一想到人機，我就想到我社會水哥。“”

謝邀 ，人工智慧管錢是木問題，但就有如銀行工作人員工作時出現的問題比如:(丟錢，錯帳，貪汙，挪用儲戶，或國家帳號上的各類侵吞，挪用，蠻報，盜取等等各種手段的犯罪)。 所以人工智慧管錢，主要是在預防被竊取，塗改，總之就是別讓儲戶的錢受到任何損失，這些監管能力只有到了，非常可靠之時人們才會敢存錢，叫人工智慧來幫助人來管理吧，這樣人會減輕不少工作量和錯綜複雜的管錢這件事，不然錢在電腦上面就是數字，蹦一字都是錢財損失誰也受不了。所以還是把錢放銀行，或放家裡比較穩妥，哈哈哈，看到沒把自已都寫懵圈了，一會放電腦管好，一會又感到不安全，不太靠譜，那就等待，人工智慧管錢成熟，安全到大家都認同時在說吧。

金融領域也在追趕這一潮流。高盛和摩根大通不但宣佈自己是一家科技公司，而且花重金佈局以人工智慧為代表新科技。有些金融機構有了“機器學習主管”這一職位。

美國的人工智慧＋理財方式正逐步形成，交易人員少了，分析師的效率也提高了。都採用了kensho系統，將雲計算與金融諮詢業務結合起來，提供金融資料收集與分析，目標是取代現有的大量投資分析人員的工作，為客戶提供更加優質、快速的資料分析服務。

在理財領域，中國的人工智慧，更側重於使用者的洞察，用AI技術對客戶進行分析和識別，然後在這方面進行一些智慧化產品匹配。人工智慧技術將廣泛應用於線上、線下的各種金融場景。透過網際網路、人工智慧為大眾提供服務。

幫每個人管錢這是必然的趨勢，也是人工智慧普及的基本功能。人工智慧理財專業性強，有時比人工更出色。

首先，瞭解資訊科技及資訊保安的人會明白一個道理，機器比人更可靠。因為機器裡面所儲備的程式都是根據應有的規範來執行的，他不會像人與人之間可以爾虞我詐、缺斤少兩的應付差事。

其次，人工智慧的高速運算與處理的能力，使得文明不得不甘拜下風而與其合作。智慧裝置的投入已經不是三兩年的事了，除非遇到裝置故障需要報修，通常情況下這種事情很少發生。為此在選擇與人溝通還是與機器交流上肯定選擇後者，起碼與人溝通還要考慮對方的情緒，而與機器則不同，機器會很溫和詳盡的幫您做完所需要的事情。

最後，人工智慧會逐漸的普及到這個世界每個角落，人工智慧承載了人類對未來渴望的最理想的規則。人與人之間有著各種各樣的差距，但是人工智慧與人工智慧則是有著代次上的差距，但是卻不會因為代次上的差距而產生隔閡。只要我們擁有相應的應用技巧就可以很好駕馭相應的人工智慧，並獲得應有的服務。

總之，我們在把錢交給銀行或他人管理的時候，就已經做出了心理上的承受準備。而交給人工智慧則是為自己最佳化資金的支配和增值的快捷之門。