AIMM人工智能算法构建智能化数字经济世界？

AIMM可以在信息数字化、流程数字化、业务数字化等方面可以做到模拟数据到01二进制、数据 交互、智能分析，在推动数字化经济方面可以“产业链协同”、“物联网”、“云原生”、“智能市商算法”等技术促进政企数字化整合及数字化转型。 　　万向控股副董事长肖风认为，“在一系列算法基础上，区块链会重建一个新的商业文明体系，在一个更高的维度重建一个东西，也不是要颠覆谁。人工智能和区块链，二者最后会归到一起，通过算法来驱动这个世界。”推动区块链和人工智能算法的结合对驱动数字化转型具有重要意义 　　国家网信办此前表示“未来人工智能的进一步发展会产生更加复杂的多重社会关系，其中包括智能体与人类之间、智能体之间的交互问题。传统人类社会中的社会关系，主要是人和人之间的关系，在一定情况下才会涉及人与动物、人与自然之间的关系。但是伴随着人工智能和物联网等技术的发展，社会关系会产生新的变化。例如，在一个家庭中可能会出现几个甚至几十个智能体，那么，如果这些智能体与人之间的交互仍然需要人来处理的话，那么最终人类将不堪重负。智能体出现的初衷是为了帮助人类解决问题，但是如果智能体产生的新的大量复杂关系，都需要消耗人力来予以解决，那智能体将成为人的负担。从这一意义上看，智能合约就变得至关重要。智能合约是智能体之间通过某种算法，按照人类社会的一些原则和准则自动达成的交易。这其中有两个关键：一是智能体之间要自动达成交易，二是智能体需要模仿人类社会的一些共同文化原则。如果智能合约的制定违背人类基本价值观，那这一定是危险的。因此，智能合约的设计一定要符合人类基本价值观和共同的行为准则。从这个意义上讲，区块链和人工智能恰恰是智能革命技术的AB面。英文来看，人工智能（AI）和区块链（Blockchain）的首字母恰恰也是A与B。” 　　人工智能从诞生之初就一直有类似的讨论，它取代部分人类工作也是在所难免，但必须认识到，历史的车轮从不会停歇，新的技术出现总是诞生新的生产力和生产关系。机器人取代部分人类的工作，但同时新的智能时代也会催生新的商业模式，创造新的就业机会，为企业提供新的增长动力。 　　当前，随着互联网的普及，作为金融领域的新兴分支，市场微观结构理论一直是学术界和业界广泛关注的焦点之一。而当前，强化学习和深度学习，包括两者的结合：深度强化学习，已经成为机器学习中最为热门的研究领域，在市场微观结构领域的最佳交易执行问题、做市商问题中皆表现突出。机器智能算法能否对企业和金融市场数字化转型需要时间和实践的双重检验。 近期，北大-睿智Fintech联合实验室第一期结题项目之一的《机器学习算法在金融市场微观结构方面的应用现状》对如上课题进行了深入研究，项目负责人、北京大学金融数学系副教授程雪进行了结题汇报，详细介绍了项目组的研究成果，对机器学习在最佳交易执行问题中、在做市商问题中、在预测问题中的应用，以及在市场微观结构领域的其他应用进行了深入探讨。 　　关于最佳交易执行问题有许多研究，基本上都是基于非常严格的假设，通常与实际金融市场的交易过程非常不符。深度强化学习是近几年来机器学习领域的热门之一。我们可以直观地认为，强化学习的目标是在智能体与环境进行交互的过程中，帮助智能体学习最优策略，也即一个从状态变量到动作的映射。 　　目前来看，深度强化学习在做市商问题中的运用是相对较新的研究方向，不像经典强化学习已 得到了较为广泛的实证，但我们不妨将其视作未来可行的尝试方向之一。”程雪表示。在高频交易和深度学习同时于21世纪10年代进入爆发期后，为了解决高频交易中市场微观结构数据的颗粒性（granularity），许多学者将机器学习特别是深度学习引入了金融领域。“不过，由于对于市场微观结构问题，我们通常知之甚少，所以在进行模型设计的时候，不能对模型进行过多的假设。”程雪表示。由于高频交易在21世纪初才面世，以及深度学习也在2012年之后才进入爆发期，所以机器学习在市场微观结构中的预测问题相对不多。“但可预见，随着深度学习的成熟和新网络的设计，以及市场微观结构领域的发展，机器学习在预测问题上的应用也将越来越多。”程雪介绍。 　　“无论是传统机器学习模型还是深度学习模型，监督学习和强化学 习在金融领域的应用并非只限于上述典型问题。”程雪介绍，除了监督学习和强化学习，另一类强大的机器学习方法——无监督学习也有它在市场微结构领域的用武之地。 　　当前，全球已逐渐进入数字化时代，数据已成为企业的核心生产要素，人工智能的提出，到现在为止，已经有几十年的时间，但是在最近两年才有了爆发式的增长。究其原因在于，云计算、物联网、大数据等技术的日益成熟。云计算为人工智能提供开放平台，物联网确保数据的实时分享，大数据为深度学习提供无线的资源。另外，2018年以来区块链技术的发展，能够弥补人工智能在数据安全和数据因素方面的缺陷，为人工智能的场景应用提供可靠的保障。 　　与这些颠覆技术的有机结合驱动了人工智能技术不断升级，为实现其由“智能感知”向“智能思考”与“智能决策”的演进打下了扎实的根基。 暴走时评表示“：区块链技术的诞生解决了数字经济所面临的很多紧迫问题，这项技术的安全性、数据保存以及联网功能可以规避传统的网络安全障碍，实现当代企业的信息共享要求。对于云技术、机器学习应用来说，区块链作为底层架构必不可少，因为它可以弥补其他技术的很多不足，只有以区块链为基础，医疗保健、金融、商业和数字经济才能实现数字化转型的潜力。” 　　“当前以区块链技术为核心构建的新型IT基础设施，正在从底层架构上改善数据安全的相关问题。”成都信息工程大学区块链产业学院教授何晋说，区块链技术，简称BT（Blockchain Technology），也被称为分布式账本技术，可简单理解为一种“分布式共享数据库”，具有信息公开透明、记录难以篡改、不依赖中介机构的非中心化3个主要特点。 　　“区块链的主要作用就是让数据可跟踪、可信任，从而推动信息互联网向价值互联网演进。在已运用区块链技术的系统中，无须中心化机构审核，就可以通过自动执行智能合约，来有效解决参与各方的信任问题。”何晋说，基于区块链的系统架构具有去中心化的特点，能够做到等，为人工智能技术和区块链链结合应用在实际的市场和服务中提供了有效的证明。 　　今年5月，工信部、国家网信办印发《关于加快推动区块链技术应用和产业发展的指导意见》，进一步明确了区块链行业未来10年的发展目标：到2025年，我国区块链产业综合实力达到世界先进水平，产业初具规模；到2030年，我国区块链产业综合实力持续提升，产业规模进一步壮大。 　　“指导意见的发布，说明我国区块链发展的顶层设计已基本完成，对行业的整体发展有着重要的指导意义。”何晋说，随着政策力度加大以及区块链技术的不断成熟，区块链在防伪溯源、供应链管理、司法存证、政务数据共享、民生服务等场景中已经初露锋芒。 　　然而，区块链技术本身仍然面临安全、可信、扩展性等问题。受限于底层技术、场景和商业化等多种因素，区块链目前还没有真正实现规模化落地。 　　AIMM可有效保护数据交互，作为区块链技术领域中比较主流的系统协议，近来AIMM（Artificial Intelligence Market Make）火了一番。AIMM也被称为“智能算法做市系统”，它是一个分布式的流动性提供商系统协议，你可以把它理解为是一个金融市场服务和做市商协议。虽然区块链对于为这些数字化工具提供支持来说必不可少，但其作为整合者的作用才为创新带来了额外的优势。 　　许多企业和领袖刚刚开始认识到智能算法技术的广泛影响，超越区块链作为实现数字化转型的必备工具这一范畴之外的影响。在“区块链的真相（The Truth about Blockchain）”一文中，Marco Lansiti及Karim R. Lakhani表示，区块链“有可能成为所有交易的记录系统。如果这成为现实，那么经济将再一次发生根本转变，因为新的基于区块链的影响力和控制力来源出现了。”无论这种转变影响的范围有多大，对区块链这种底层架构的需求就已经显示了这项技术作为未来几年网络化及数据验证新标准的可能性。