問題1：AI深度學習的怎么樣了？

回答：

1、AI

人工智能的研究領(lǐng)域也在不斷擴大，下圖展示了人工智能研究的各個分支，包括專家系統(tǒng)、機器學習、進化計算、模糊邏輯、計算機視覺、自然語言處理、推薦系統(tǒng)等。深度學習是人工智能領(lǐng)域中機器學習下的又一個細分領(lǐng)域。

圖表1：人工智能研究框架

資料來源：前瞻產(chǎn)業(yè)研究院整理

2、機器學習

一種實現(xiàn)人工智能的方法機器學習最基本的做法，是使用算法來解析數(shù)據(jù)、從中學習，然后對真實世界中的事件做出決策和預測。與傳統(tǒng)的為解決特定任務、硬編碼的軟件程序不同，機器學習是用大量的數(shù)據(jù)來“訓練”，通過各種算法從數(shù)據(jù)中學習如何完成任務。

機器學習直接來源于早期的人工智能領(lǐng)域，傳統(tǒng)的算法包括決策樹、聚類、貝葉斯分類、支持向量機、EM、Adaboost等等。從學習方法上來分，機器學習算法可以分為監(jiān)督學習（如分類問題）、無監(jiān)督學習（如聚類問題）、半監(jiān)督學習、集成學習、深度學習和強化學習。

傳統(tǒng)的機器學習算法在指紋識別、基于Haar的人臉檢測、基于HoG特征的物體檢測等領(lǐng)域的應用基本達到了商業(yè)化的要求或者特定場景的商業(yè)化水平，但每前進一步都異常艱難，直到深度學習算法的出現(xiàn)。

3、深度學習

一種實現(xiàn)機器學習的技術(shù)深度學習本來并不是一種獨立的學習方法，其本身也會用到有監(jiān)督和無監(jiān)督的學習方法來訓練深度神經(jīng)網(wǎng)絡。但由于近幾年該領(lǐng)域發(fā)展迅猛，一些特有的學習手段相繼被提出（如殘差網(wǎng)絡），因此越來越多的人將其單獨看作一種學習的方法。

最初的深度學習是利用深度神經(jīng)網(wǎng)絡來解決特征表達的一種學習過程。深度神經(jīng)網(wǎng)絡本身并不是一個全新的概念，可大致理解為包含多個隱含層的神經(jīng)網(wǎng)絡結(jié)構(gòu)。為了提高深層神經(jīng)網(wǎng)絡的訓練效果，人們對神經(jīng)元的連接方法和激活函數(shù)等方面做出相應的調(diào)整。其實有不少想法早年間也曾有過，但由于當時訓練數(shù)據(jù)量不足、計算能力落后，因此最終的效果不盡如人意。

深度學習摧枯拉朽般地實現(xiàn)了各種任務，使得似乎所有的機器輔助功能都變?yōu)榭赡堋o人駕駛汽車，預防性醫(yī)療保健，甚至是更好的電影推薦，都近在眼前，或者即將實現(xiàn)。

三者的區(qū)別和聯(lián)系機器學習是一種實現(xiàn)人工智能的方法，深度學習是一種實現(xiàn)機器學習的技術(shù)。

4、AI深度學習的現(xiàn)狀

目前，業(yè)界有一種錯誤的較為普遍的意識，即“深度學習最終可能會淘汰掉其他所有機器學習算法”。這種意識的產(chǎn)生主要是因為，當下深度學習在計算機視覺、自然語言處理領(lǐng)域的應用遠超過傳統(tǒng)的機器學習方法，并且媒體對深度學習進行了大肆夸大的報道。

深度學習，作為目前最熱的機器學習方法，但并不意味著是機器學習的終點。起碼目前存在以下問題：

圖表2：AI深度學習的現(xiàn)狀

資料來源：前瞻產(chǎn)業(yè)研究院整理

問題2：AI投顧是不是一個偽命題

智能投顧也稱機器人投顧(robo-advisor)，其運用云計算、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用到模型中，再將投資者風險偏好、財務狀況及理財規(guī)劃等變量輸入模型，為用戶生成自動化、智能化、個性化的資產(chǎn)配置建議，并對組合實現(xiàn)跟蹤和自動調(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

智能投顧給用戶呈現(xiàn)的是一個投資組合，投資標的為市場常見的投資品種。背后其實是全球范圍內(nèi)的股票、債券、基金、ETF以及房產(chǎn)、另類投資等投資標的。美國典型智能投顧平臺投資標的大部分為ETF，目前國內(nèi)的ETF產(chǎn)品太少，智能投顧也處于起步萌芽狀態(tài)。國內(nèi)當前階段也只是根據(jù)用戶自行選擇的風險等級和投資期限，給出由多個公募基金構(gòu)成的投資組合，與FOF比較相似。智能投顧的投資過程基于傳統(tǒng)的投資理論和方法策略，實質(zhì)上是將傳統(tǒng)投資理論的應用場景互聯(lián)網(wǎng)化。大部分智能投顧平臺會借助問卷等手段判別用戶的風險承受水平、收益要求和投資期限等信息，部分智投平臺更是直接讓用戶先后勾選風險等級和投資期限。

相比起美國，我國智能投顧起步較晚，尚處于早期階段，創(chuàng)業(yè)公司、券商機構(gòu)、銀行機構(gòu)、BAT等互聯(lián)網(wǎng)巨頭陸續(xù)入局，智能投顧市場熱潮漸漸擴大。自2014年我國首個智能投顧——勝算在握上線以來，智能投顧快速發(fā)展，彌財、錢景私人理財、愛理不理網(wǎng)等平臺相繼上線，各具特色。此外，互聯(lián)網(wǎng)理財平臺和BAT等互聯(lián)網(wǎng)巨頭也逐步開展合作，推出智能化理財功能，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，我國目前宣稱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)理財平臺超過20家，回顧國內(nèi)智能投顧市場，由0到1，再到初步完成布局，僅用了2年時間。證通財富奇點智投是今年年初剛剛上線，上線一個月，用戶量已經(jīng)突破1萬人。

根據(jù)科爾尼公司預測，2016-2020年間美國智能投顧市場年均復合增長率高達68%；2020年整個智能投顧市場的資產(chǎn)管理總額為2.2萬億美元，占當時全球財富管理規(guī)模比例超過2.2%，市場滲透率則將從0.5%猛增至5.6%。

綜上，AI投顧不是一個偽命題。

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”這兩個補充問題，我司研究員目前不做回答，請諒解。

感謝您的提問，希望上述回答對您有幫助。