近日由上海交通大学上海高级金融学院（高金/SAIF）主办的SAIF-CAFR名家讲堂邀请到了机器学习领域的泰斗级人物、加州大学伯克利分校电机工程与计算机系和统计学系Michael I. Jordan教授，他以“人工智能的前景与挑战”为主题，深入浅出地阐述了人工智能的准确内涵，并解释当前AI智能化和商业化存在的可能性。

高金副院长、会计学教授李峰也在现场与Jordan教授进行了对话，共同探讨人工智能在技术方向与商业模式上的前景与挑战。

对于人工智能在金融领域的应用，Jordan教授认为人工智能有其大有可为之处，但不可能取代人类直觉的这一部分，因为人类的见解和洞察是非常伟大的。而讨论到金融领域应用当中的数据过多问题时，Jordan教授认为，有一些领域数据不是问题，越多数据越好，但是在一些领域可能会造成混乱，这时就要避免过度的数据输入。

在主题演讲中，Jordan分析了目前AI在应用上大致所处的位置和实际原理，非常形象地展示了机器学习在深度学习中如何取得进步。他首先由AI这个词入手，指出：“AI不是一个新的东西，以前叫机器学习。它距离智能还很远。”他认为能够进行预设的一些前瞻性的规划，这才是真正的智能。

在此基础上Jordan教授提出了当前业界人工智能研究的局限性，他提醒大家不仅深度学习不是“人工智能”的全部，甚至我们日常讨论的以“数据统计”为主的“人工智能”都不是真正意义上的“人工智能”。

他说：“应该把它叫IA，称作是增强智能更合适，用电脑来帮助我们人类的智能，让人类更加智慧。电脑本身达不到智能化，可以帮助我们来做很多事情。比如说搜索引擎，比如说百度、Google，让我们更聪明。”

Jordan教授认为在未来的数十年时间，机器应该没有办法解决比较复杂的问题。同样，虽然当下在工厂中已经有很多工业机器人，但在真实的环境中与人类进行互相交流的机器人，Jordan认为也是很难实现的，人工智能还是非常有限的智能。

在人工智能的决策领域，Jordan教授提醒人们注意不能按照传统的决策思路去做人工智能。在现实世界中，资源是有限的，而在网络当中资源是无穷的，所以我们需要有一些开创性的系统来保证市场能够运作。

而现实生活中，我们会利用AI做智能推荐，比如投资标的、产品营销。但重要的问题是，给大部分人推荐同一只股票，结果会如何？也就是说，“在决策中，系统必须考虑资源稀缺性的因素。这是负载均衡的问题。”事实上，Jordan教授还列举出了许多类似由于AI应用缺乏系统关联、缺乏工程化等导致的潜在需要解决的问题。

Jordan教授还提到了最近比较热门的AlphaGo。他认为AlphaGo本身也不是巨大的成功，只是机器不停迭代学习的方法而已。他通过很多现实生活中的例子，说明人工智能的未来充满了挑战，也充满了不确定性。

虽然人工智能正发展得如火如荼，但Jordan教授也希望我们关注到一些相关的问题：比如伴随人工智能的发展，会造成大批量从事简单劳动的工人下岗；未来在财富和生活方式上也会造成更为巨大的不平等；对于怀有恶意的企图，人工智能也存在滥用问题等。

如何保证隐私、恰当分享数据、在人工智能的发展中保证公正与公平，有利于人类的未来发展，这些都是摆在人工智能面前的挑战，也是给予全人类的思考课题。