人工智能是对人类信息处理过程的模拟，延伸和扩展了人类思维的边界。我们处理信息的基本过程是：接受外界信息->大脑处理->做出反应。对计算机而言就是：输入->存储与处理->输出。在最简单的计算器中输入“1 1=”计算机处理后，输出显示“2”。
我们给一张图片，想让计算机告诉我们这是不是猫。在面向对象编程中，我们首先定义一个“猫”的对象，其属性有：四肢中长，爪锋利，可伸缩。头大而圆，吻部较短。皮毛柔软有花纹。前足5趾，后足4趾，尾巴可做武器。属性定义越多越准确。但总有意外，也许会把老虎当作猫。
现在的机器学习不同与前，他们给人工智能看世界上所有猫的图片，告诉AI：这都是猫！就像学习围棋一样训练AI。你再给AI看照片，他绝对能分辨出猫和老虎。这就是进化！
现在，我们将图像识别用到炒股中。用历史K线图训练人工智能，期望他能识别出所有的K线形态，并预测下一步的涨跌概率，然后做出相应操作。
这样做过之后，AI会成为炒股的绝世技术高手。看到当前K线，马上可以给出下一秒涨跌的概率。
影响股价的因素太多
我们知道，影响股价的并不只有历史数据。你用历史数据训练AI，期望预测涨跌概率接近100%是不现实的。可以用函数表达式说明影响股价的因素之多：
股价=F（政策，行业，财务信息，公司治理，市场情绪，短期价格变动，历史股价，某领导讲话，......）
AI可以把尽可能多的因素考虑进去，但永远不可能把所有的因素都穷尽。
蝴蝶效应永远存在。
股市是一个有反馈的非线性系统。任何一个人的交易都会影响到股价本身，反馈形成后，AI需要再计算一遍，也就是所有人都可能影响到AI的判断。
影响股价的因素并不是成正比显现，边界是未知的、运动的。你在打开盒子之前永远不知道薛定谔的猫是死还是活。
AI经过训练后理论上可以成为炒股高手。暂且不说AI与AI之间如何拼算法、拼研发投入，仅AI与人类炒股高手之间的比拼胜负难料。
胜负难料
炒股高手与新手之间最大的区别是：拥有一个客观的标准！
新手对真实市场的理解有很多偏见，最常见的偏见是不买每股价格高的股票，不割肉就不算亏损等。高手经过很多的挫折和学习，逐渐形成了对市场客观、偏见较少的认识。高手会配置银行股，市场调整时会博弈中石油护盘，会用凯利公式计算出最佳仓位，以此来平衡收益与风险。
AI如何判断“该跌不跌理应看涨”这句话呢？得出一个看跌概率，AI卖出。人类高手凭多年的经验直觉判断有未知利好，反向操作，买入。
所以结论是：人工智能可以延伸人类的思想边界，是人类的助手。人工智能不可能完全战胜人类，特别是在股市上。如果一个AI成为王者，肯定会出现另一个同级别的对手与之竟争。况且，我们也可以买入AI本身，他总不能自己打败自己吧？
