金融人工智能:用Python实现AI量化交易

第一部分 机器智能

第1章 人工智能

第2章 超级智能

第二部分 金融和机器学习

第3章 规范性金融理论

第5章 机器学习

第6章 人工智能优先的金融

第三部分 统计失效

第7章 密集神经网络

第8章 循环神经网络

第9章 强化学习

第四部分 算法交易

第10章 向量化回测

第11章 风险管理

第12章 执行与部署

第五部分 展望

第13章 基于人工智能的竞争

第14章 金融奇点

第六部分 附录

附录A 交互式神经网络

附录B 神经网络类

附录C 卷积神经网络

参考文献

　2.3 智能的形式

 AlphaGo Zero 智能吗？如果没有对智能的具体定义，就很难说清楚。人工智能研究员 Max Tegmark ( 2017 ) 将智能简明地定义为“完成复杂目标的能力”。

 这个定义足够广泛，可以包含更具体的定义。鉴于该定义，AlphaGo Zero 是智能的，因为它能够完成一个复杂的目标，即在围棋或国际象棋比赛中打败人类玩家或其他人工智能体。当然，人类和一般的动物也因此被认为是智能的。

 就本书而言，以下更具体的定义似乎足够恰当且准确。

 狭义人工智能 ( ANI )

 这指定了仅在某些特定领域内超过人类专家级能力和技能的人工智能体。AlphaZero 可以被认为是围棋、国际象棋和将棋领域的 ANI。一种算法型股票交易人工智能体可以将投资资本持续实现每年 100% 的净收益率，它也可以被视为 ANI。

 通用人工智能 ( AGI )

 这指定了一种人工智能体，它可以在任何领域 ( 比如国际象棋、数学、文本写作或金融 ) 都达到人类水平的智能。

 超级智能 ( SI )

 这指定了在任何方面都超过人类水平智能的智能或人工智能体。

 ANI 有能力在某些特定领域内达成复杂目标，并表现出比任何人类都更高的能力。在实现各种领域的复杂目标方面，AGI 与任何人类个体一样出色。最后，在大部分可以想象的领域中，在实现复杂目标方面，超级智能比任何人类个体甚至人类集体都要好得多。