Ben：确实会。事实上目前美国、德国、日本的交易市场中，大约 90% 的交易都是由编程来做的，很多都已经算法化了。

机器之心：这算是人工智能吗？

Ben：不，大部分不是。但是你会发现神经网络式的人工智能与统计学之前的界限是模糊的。就像支持向量机可以是人工智能的也可以是统计学的，逻辑回归也是统计。但是只有支持向量机是人工智能，它们做的事情不同。神经网络已经存在金融市场存在了二三十年了，直播，但是它们现在几乎还是只能做非线性回归。

但是如果你给它加上更多的层，它就是深度学习了，也就算是人工智能了。所以金融市场长期以来用的都是一种介于机器学习和高级统计学之间的工具。

现在人工智能的水平越来越高，美国的主要金融机构都在四处招揽有用人工智能 PhD 学位的人才，他们希望把更多机器学习算法用在人工智能系统中。

传统的高级算法可以一秒内完成多次交易，也就是高频交易。现在我们想做的是延伸交易的时间尺度，预测一个月的股票交易市场。但是预测的时间跨度越长，所需要的人工智能的通用程度也就越高，因为需要这种预测是在更宽泛的情境下进行。

举个例子，如果要预测你接下来十秒会做什么，我不需要一个太通用的人工智能，但是如果要预测你十年甚至是十天后会做什么，就需要一个非常大的情境。所以我认为未来的金融市场中的人工智能会越来越复杂。

我确定未来十年内，基本上 90% 以上的交易都会由人工智能驱动，问题是里面有多是狭义上的人工智能，有多少是通用人工智能的东西。人工智能在金融领域的下一个应用会出现在私募股权，但是这个也很难，因为相关数据不会出现在公开的交易市场中，除非你非法获取。因为实际上所有的数据都是在网络上的，人工智能可以帮你盗取这些数据，这种事情它们比人类在行。

机器之心：现在有很多家公司，比如像谷歌那样的大公司和 Aidyia 那样的创业公司，你觉得哪种会掌控这个市场。

Ben：我觉得的它可以在金融市场中赚到钱。就像其他公司也可以用人工智能赚钱，就像现在有很多人在交易中使用计算机一样。但是每一种算法都能找到市场中低效率的地方，都有它的长处和短处。我有一个朋友，他已经在美国的交易市场中训练一个人工智能四年了，但是他还是无法升级这个系统，它不能处理 2 亿或 3 亿美元的金额。这个数目对你我来说非常大，但是对一项基金来说不算。这就是它的局限。每种算法都有它的局限。公司也是如此。在某些条件下，小公司可以慢慢壮大，这是一种成功。另一些公司做出一些成果后被谷歌这样的大公司收购也算是一种成功，而且谷歌这几年的创新发展很大程度上都是靠收购小公司完成的。

机器之心：生物人工智能中的「生物」怎么理解？

Ben：目前大家讨论的生物人工智能是不同层次的。因为神经网络模型非常非常抽象，它不同于复杂的生物系统。生物大脑有很多神经元还有化学的神经递质，这些不同于卷积神经网络。神经网络只是在一定程度上由生物学驱动，但是它们不是计算神经科学模型（Computational Neuroscience Model），OpenCog 系统在某种程度上可以说是生物学的，里面有节点（nod）和神经连接（link），在另一种程度上它也从神经网络中获得了一些灵感。神经网络的认知架构的灵感也是来自大脑，它像大脑功能分区一样分成不同分布。但是这二者里面的细节是非常非常不同的。

机器之心：人工智能算得上是一种生命吗？

Ben：人工智能在何种程度是一种生命，这个问题非常有趣。生命这个词用在地球上的某些化学系统有点过头，但是你确实可以把病毒称为一种生命。公司也可以看成是一种生命，里面的员工就是它的细胞。如果你从新陈代谢的角度去生命的一些基本特征，生命会努力获取资源，让自己生存繁衍下去，人工智能身上也有这些特征。比如说人工智能可以赚钱，可以运维一个工厂去建立它自己的材料，它可以自我维持运转，拥有自己的新陈代谢系统。它们的繁衍也很容易，只要复制文件就行了。