來源：《巴倫周刊》（barronschina）
文|安德魯·威爾士（Andrew Welsch）
編輯|曹妍
人類會“愛上”一只股票，但機器不會，它們只是在尋找可重復的模式。
人工智能領域專家、Voya（VOYA）投資管理公司機器智能部門聯席主管加雷斯·謝潑德（Gareth Shepherd）對人工智能的潛力感到興奮，認為這項技術的新用途正爆發出強大增長勢頭。不過，這并不意味著他將人類丟進歷史的“垃圾箱”，距離（人工智能取代人類人類）還有很遠。
“人類加上機器，可以打敗最優秀的個體或是機器。” 加雷斯·謝潑德表示。
謝潑德幫助監督和實施資產經理對人工智能的使用。Voya利用技術協助投資組合經理識別和調整跨越多個資產類別的策略。“我們認為這?.NETflix/Blockbuster突變時刻——那些不采用（人工智能）工具公司將被采用工具的企業擊敗。”謝潑德說。
Voya的“半人半人工智能”投資方法似乎正在取得成果。Voya數據顯示，Opportunistic U.S． Equity Strategy自2020年8月1日啟動，截至6月30日年化回報率達到21.2%。相比之下，標普500指數的年化回報率為12.9%。截至3月31日，Voya基金管理的資產規模為340萬美元，而由機器智能策略管理的資產總額約為10億美元。
謝潑德在澳大利亞新南威爾士大學（University of New South Wales）獲得博士學位，畢業后與他人共同創立了倫敦投資管理公司G Squared Capital。2020年，Voya購買了該公司的技術并聘請其創始人（謝潑德）。
《巴倫周刊》與謝潑德討論了人工智能對投資組合管理意味著什么、人工智能技術的常見誤解，以及為何人工智能是與人類一起工作而非取代人類。
人們對人工智能有哪些誤解？
縮略詞越小，被誤用的情況就越嚴重。人們應該是指將機器應用于需要智能的任務——要么是高級分析，要么是模式識別。作為機器，它不是通過人類硬編碼來完成工作的，而是直接分析數據，然后按照規則運行。
我們并不一定認為機器完成這些任務比人類更加出色；它只會犯更少的錯誤——即使IBM深藍（Deep Blue）在1997年擊敗了國際象棋大師加里·卡斯帕羅夫（Gary Kasparov），他也打趣說，機器沒有贏，而是他輸了。
人類可能會為一只股票著迷。但是機器不會“墜入愛河”，它們只是尋找可重復模式。
那么，人工智能如何改變投資組合管理呢？
人工智能的使用方式并不完全是我們經常討論的模型。這套人工智能的突破，將使幾乎每個白領職業都擁有自己的數字助理，將其比喻成“副駕駛”不錯。
回想一下20世紀50年代的航空公司。過去，飛機駕駛艙需要五六個人（操作）；現在，飛行管理系統已經剝離了那些（人為操作）職能，而飛行更加安全。但如果出了什么差錯——比如飛機起飛并撞到了一群鳥——那么你會希望“薩利機長”在駕駛艙內。
這對于投資組合管理意味著什么？
投資組合經理希望迅速產生創意，這將是人工智能的潛在用途。他們可能希望根據危險信號評估其投資組合的風險。比如“我錯過了什么？”也許我喜歡SVB（現已倒閉的硅谷銀行母公司），但人工智能提供了超出我正常視野的觀點分析，現在我會想：“好吧，讓我們進行更深入的審查。”
Voya建立了一個生態——囊括20多個虛擬分析師——如果你是擁有5到6個人類分析師的投資組合經理，那么現在你可以使用一群虛擬助理。你仍然可以做出決定，但我們提供了一個更好、更快、更強大的系統。
可以舉例解釋下嗎？
有趣的是它現在的框架，因為如果人工智能做得更好的話，那么為什么還要使用人類？實際上，這種情況基于大數據才能適用。人工智能（利用大數據集）完成（人類無法達成的）非常復雜的事情。例如，我不可能在某一天通過醫療資格測試，第二天又通過律師資格考試。
但在金融領域，我們沒有大數據，充其量只是中小數據集。而對于小數據集，你需要以非常不同的方式處理它，而且不能僅發布一堆人工智能工具。至少，你需要傳輸數據并且為其附加大量價值。這意味著，投資組合經理的專業知識非常重要。
我們所做的就是將這些知識編入數據庫，不是將花哨的人工智能插入原始數據，而是手動將數據整理成有意義的公司特征——基金經理們買股票嗎？自由現金流是多少？與同行相比，其市盈率如何？
機器可以學習預測未來表現優異的模式。但你能看到，人類在管理數據方面扮演著非常重要的角色。為了充分發揮人機結合的價值，你需要有人在（機器模式）循環中觀察投資組合，并做出最后決定。因此，你最終會得到一個被人類人為終止的過程。
我們將這種方法稱為“協作阿爾法（collaborative alpha）”。機器正在提升自我價值，投資組合經理同樣如此。我們最終處于這樣一個位置： 人類加機器，比任何單獨一個部分都做得更好。
金融領域沒有足夠的大數據是什么意思？
如果你以一家標普500指數成分股公司為例，總共會有大約一萬個關于該公司的數據點。但這不是類似于五千億個參數的數據集。因此，我們采用的途徑是神經符號（neurosymbolic）——人工智能的一個類別。神經元意味著你正在使用神經網絡——即模式識別——而符號意味著輸入人類知識。
LLM（大型語言模型，例如ChatGPT）的有趣之處在于，假設它有98%的工作可以做得比人更好，但人帶來的最后2%比98%更重要，這是很大一部分價值。因此，即使有了大數據，人類技能對于及時工程也極其重要——你仍需要一名人類，因為不確定LLM能否能完成最后的2%工作。
可以說，我有些驚訝沒有足夠的“谷物”給到“磨坊”。
稍微重新定義一下，并不只是LLM的問題，而是任何形式人工智能都受到少量數據的限制。數據并沒有包含你想知道的全部內容。
無論你如何理解，不是全部答案都在數據之中。這就限制了人工智能提供所有答案的能力。例如，ChatGPT可以訪問整個網絡，觸及很多數據。在投資管理中，每個公司可能有一萬個數據點，但遠未達到數十億（數據點），極大限制了人工智能的能力。
我們的觀點是——這就是我們要發揮作用的地方——人類和機器的角色仍然存在。我們的愿景是，將人類能力與人工智能結合。如果你能弄清如何整合兩者，那就是未來所在。
你們如何使用人工智能？
首先，我們用它來識別表現優異的公司，以及可能存在問題的公司的危險信號；其次，通過人工智能，我們可以實現自動化并快速跟蹤報告和績效，這就是使用LLM的地方；此外，我們應用人工智能分析公司報表，并為特定客戶定制投資策略，例如大型養老金計劃或是具有特定授權的主權財富基金。
在Voya智能機器團隊，我們通過兩種方式使用上面提到的技術：第一，我們僅使用（人工智能）工具運行自己的系統策略，這樣做能夠產生一種更加機會主義的投資策略。當市場出現機會時，這種策略具有獨特優勢。
第二，我們將信號和人工智能融入人類投資組合經理的工作流程中，讓他們保留決策權的同時，也能夠獲得決策信息。隨著時間的推移，這一方式將產生更為廣泛的影響。
因此，Voya正在嘗試兩件不同的事情，它們是通往“投資天堂”的不同路徑——一種可以更快地、動態地搶先于人類；另一種則是幫助現有投資組合經理看得更遠。
Voya團隊規模有多大？
我們的核心團隊有五人。然后我們被嵌入到共30人的更大規模團隊中，包括量化研究人員和其他人。除此之外，我們還有26名虛擬分析師（人工智能機器人），它們致力于尋找優質股票；以及45名虛擬交易者，它們不執行交易，但幫助（人類）把握時機。我們有一個用來營銷演示的組織結構圖，它顯示出由人類和人工智能組成的龐大陣容，
你看好人類，為什么？
我看好高技能人才。這不是一個預測，而是事實。例如，好的記者如果學會使用這些工具，就會成為更好的記者。他們保留了自己的獨特見解和人文情趣。投資管理也是如此，給我一個出色的對沖基金選股人，再添加一個機器來幫助他們。人類加上機器，能夠打敗最好的個體或機器。
我看好人類，因為我們只是剛開始了解智慧的復雜程度。LLM可以運用五千億參數產出驚人的結果，但是人類用少得多的參數就能做同樣的事情。
近期，人工智能的發展有什么令你感到驚訝的嗎？
那就是人工智能浪潮沖擊我們的速度有多快。我認為（驚訝）很大程度源自我們沒有意識到所有一切是如何組合的。在很長一段時間（技術）沒有發生太多革新后，新的解決方案猶如“寒武紀”式的爆發。
你是如何從博士工作轉型到資產管理的？
我的博士學位不是金融領域，而是將專家系統技術應用于流行病學，這有點像“文字沙拉”（一連串無意義的字符單詞組成）。但是專家系統是一種早期的人工智能技術，也是一種模式識別的工具。我試圖鑒別受損數據的模式。
后來，我結束了在保險業的工作，在那里見識到資產管理，并希望在該領域應用我的分析工具。資產管理最終吸引了我，以至我去奧馬哈會見了查理·芒格（Charlie Munger）和沃倫·巴菲特（Warren Buffett），我真的對資產管理領域的智力挑戰感興趣。
謝謝你，加雷斯。
（本文內容僅供參考，不構成任何形式的投資和金融建議；市場有風險，投資須謹慎。）
轉自：財經雜志
