作为长期投资者，我们如何看待人工智能浪潮下的投资机会？柏基智力资本主编 Malcom Borthwick（MB）邀请美国股票团队的 Kirsty Gibson（KG）和医疗创新团队的 Julia Angeles（JA）一同来探讨这个话题。
MB：1879年10月21日是载入史册的一天。这一天，美国发明家爱迪生发明了世界上第一个具有商业可行性的灯泡。但是，爱迪生所做的不仅仅是找到了一种照亮我们的家庭、街道和办公室的方法。爱迪生给世界带来了电。
他的发明问世不到三年，纽约和伦敦就建起了发电站。经济学家将电力描述为有史以来最具影响力的通用技术。这是因为它无处不在，无所不在，而且，它促成了一次又一次的创新。
例如，它帮助我们的工厂实现现代化。通过为吸尘器、洗衣机和冰箱供电，使得家务劳动变得更轻松。它通过为我们的收音机和电视供电，引发了一场娱乐革命。
然而，人工智能的影响可能更大。根据未来学家 Martin Ford 的说法，这是因为支持它的基础设施已经到位。所以如果我们回想一下电，我们必须建造发电站和传输电缆让它得以真正广泛应用。然而，对于人工智能（AI）来说，我们已经有了计算机、互联网、数据中心和充满传感器的智能手机，这些都有助于推动它的崛起。
作为投资者，我们的工作是试着理解人工智能可以释放的价值，以及它在未来十年甚至更长时间内可能创造的投资机会。我们邀请了美国股票团队的 Kirsty Gibson 和医疗创新团队的 Julia Angeles 一同来探讨这个话题。
KG：人工智能是一种使机器能够模拟人类行为的技术。它就像一个人造大脑，但它是一个超级大脑。然后我们有像机器学习这样的术语，它是人工智能的一个子集。它的目的是让机器自动地从过去的数据中学习，而不需要明确地编写这样的程序。
因此，对于人工智能，我们正在寻找一个智能系统来像人类一样复制特定的任务，而对于机器学习，我们正在做的是教会机器，使用过去的数据来执行特定的任务，并以高度的准确性来完成。这就好比有这样一个应用，让机器从数百万张图片中识别出哪些痣是癌变的，哪些不是。
让这些新术语更加混乱的是，机器学习是人工智能学习的方式，然后我们有机器学习的子集，比如神经网络和深度学习，这些都是关于学习的结构。这种学习结构意味着，为了它们更好地学习，模型被给予更多的自由，更少的监控。
所以我喜欢把人工智能看作是一个波谱。一极是机器学习，一种真正的数据处理。另一极是通常所说的人工智能，即人工智能是否能够解决一个它不熟悉的问题。
虽然我不是人工智能方面的专家，但我认为有一个非常有用的类比可以帮助我把刚才讲的这些串在一起——想象一下幼儿是如何学习的，他们开始是通过被教授，通过练习和接受反馈来学习。这就像是机器学习阶段。然后你会发现他们会运用这些信息，然后开始尝试，这就像神经网络阶段。最后，他们开始自学，这是因为他们已经开发了必要的算法来做到这一点。他们头脑中有能够做到这一点的算法。这就像俗称的人工智能阶段，我认为一般的人工智能和幼儿之间的主要区别在于他们能够消耗的数据的绝对数量以及学习速度是完全不同的。
所以我认为，当我在一开始定义人工智能的概念时，它听起来像是未来的东西。但现实是，它就在此时此地。虽然机器学习和神经网络阶段仍处于机遇的早期，但它们比俗称的人工智能成熟得多，而俗称的人工智能仍然是未来的机遇。
MB：我很喜欢你描述人工智能不同领域的方式。然而关于人工智能，有很多不同的观点。但我认为这是很自然的，因为新技术经常让人既着迷又害怕。你觉得这是人类的天性吗？
JA：是的没错，尽管Kirsty用了一种很简单的方式解释人工智能，但这是一项非常复杂的技术。任何复杂的事物都会让人类感到恐惧，这是可以理解的。如果你想想人工智能，它甚至可能是最可怕的技术。
首先，它是无形的。你甚至没有意识到它已经在这里了。它建立在半导体芯片上，所以这是一个需要半导体芯片才能运行的软件。我们几乎可以把它想象成一个活的有机体。半电池硅是它的身体，小晶体管是它跳动的心脏，很多很多的心脏使它如此高效。
但更强大的是它的自学能力，有时我们甚至不知道人工智能实际上是如何得出某些结论和决定的。这意味着我们正在失去对这项技术的控制。当我们失去控制时，我们自然会感到非常不舒服。
所以在很多方面，它可能是可怕的，但与此同时，真正摆脱恐惧的方法实际上是知识，是信息，是尝试去理解技术是什么，它对人类的潜力，以及其潜在的危险和滥用机会会是什么。
在这种情况下，我相信监管将发挥作用，帮助我们普通人。但这也不仅仅取决于监管者，因为有时候可能监管会过度，或监管者还没有深刻理解技术，因此很多时候这也取决于开发技术的公司。我们称之为公司层面的自下而上的道德实践，因为他们确实了解所有的细节以及他们如何开发技术。他们有责任以一种有道德的方式来实施，这样它就不会被滥用。
MB：那对于投资者来说，人工智能的投资机会有多大?
KG：我认为这是一个非常有趣的问题，但也很难回答。我想从理论和实例两个方向来探讨。
首先，人们认识到机器学习和人工智能已经存在了大概60年的时间。在过去十年左右的时间里，真正发生变化的是我们周围数据的爆炸式增长。这是由传感器实现的，但它也由计算能力实现，以及那些能够生成数据，收集数据的芯片，和我们通过云计算等方式存储数据的能力。
对我来说，最有趣的是，数据爆炸并不仅仅局限于一两个垂直行业。不仅仅是电子商务、广告或社交媒体，而是跨越了不同的领域。比如制造公司，用传感器来监控制造流程，以预防出现故障。所以数据爆炸是巨大的，而且遍及各行各业。我认为这是一个很好的起点，可以让我们思考投资机会的规模。它的潜力也是巨大的。
我认为另一种可能的思考方式是这样的——我最近读了一本书叫做《在人工智能时代的竞争》，它讨论了爆发时增长的体系与已饱和的体系相融的概念。也就是说，接受数据、机器学习和人工智能的人越多，就会有更多的人不得不这样做，因为你根本无法与一个发展如此迅速的体系竞争。任何不接受当前形势的行业都将被甩在后面。
人工智能打破了企业内部的藩篱。在过去我们有市场数据、产品数据、销售数据和人力资源数据。最终，为了产生人类可能没有意识到的见解，我们必须把所有的数据汇集在一起。我们把所有这些数据集放在一起，存储在云服务中，然后我们可以分析它们，可以运行各种模型。因此这一技术可以打破行业内部的隔阂。同时我们也能看到其对于传统垂直行业的突破。以新加坡某游戏公司为例，其招牌视频游戏的成功（平均每月有超过2.9亿的玩家）使它得以利用这些数据通过子品牌扩展到电子商务领域，并建立了其数字支付和金融服务部门。
这说明了一个更广泛和更有趣的观点，那就是当你看到一项新技术出现时，如人工智能，它不仅仅是替代现有技术，它还开启新的机遇。这也让我想到了其潜在机会的巨大规模。
MB：Julia, 在你负责的医疗健康领域，是否有人工智能被应用的例子？
JA：我非常同意 Kirsty 谈到的大数据和人工智能的融合，以及它对不同行业的影响。我认为医疗保健可能是一个进行大规模变革的成熟领域。人类生物学可能是最复杂的系统。我们过去研究它的方式是孤立的，因为我们不能首先收集生物学不同部分的相关数据，也不能以一种深思熟虑的方式将它们整合起来。这将是人类历史上第一次够做到这一点。
所以我把生物学称为大数据问题，巨大的数据。然后当你把它和人工智能结合起来，突然间你就有机会解开这种复杂性。医疗健康领域实际上正在经历这一大规模的转变。
首先，这项技术被用来了解生物学。当我们开始了解人类生物学，我们就可以开始研究疾病，以及疾病的根本来源。如果我们理解了这一点，我们就可以开始开发非常精确的诊断工具，并在疾病发展的早期就开始诊断疾病。
但除此之外，我们还可以为疾病制定适当的、更精确的目标。同时，我们可以自下而上地开发药物，应用人工智能来设计小分子药物或信使RNA。
如果你仔细想想，大多数药物都是针对平均水平开发的。当你在现实生活中评估这些药物的有效性时，大多数药物实际上都不起作用，因为它们要么没有效果，要么会引起非常严重的副作用。同时，在医疗保健方面也有一个范式的转变。我们能不能首先根据不同的人群，比如他们的基因组谱，开发出针对不同人群的药物，但同时也更加个性化，真正逐个患者进行治疗？我们投资的某医疗健康公司正在研究个性化的癌症疫苗，每个癌症都要根据其特征进行评估，然后针对该患者的特征专门开发疫苗。
MB：回到我们所在的行业，客户要如何评估资产管理公司的人工智能能力，以及这是否能改善投资结果？
JA：现在说它是否能改善投资结果还为时过早，因为作为长期投资者，反馈环相当长。但我们完全可以看到，它将如何增强投资者的影响力。因此，我们正在试验并尝试如何将人工智能引入我们的日常工作，以帮助我们真正专注于重要的事情，以此增加价值，某些任务可以自动化。我们的信息来源也在不断扩大。人类的大脑无法处理所有信息，因此人工智能就是这样一个有价值和方便的工具，可以像指南针一样，在某些事情上帮助我们，或引导我们完成某些任务，同时使我们可以专注于重要的事情，以及在哪里可以进一步增加价值。
我们有四位数据科学家专门负责公司内部的AI项目。例如其中一个令人兴奋的领域是，运用人工智能分析人们之间的关系，管理团队，董事会组成，因为这些因素之间有如此多的互相联系和以数字形式存在的信息。
MB：如果用一分钟总结一下，你觉得希望告诉听众什么？
JA：我认为我们不应该害怕人工智能，但应该谨慎。我们也应该参与其中，而不应该偷懒。这是写给每一个人的。不仅仅是在从事开发工作的公司，而是每个人，因为我们实际上是在为人工智能提供数据，我们应该知道我们在共享什么样的数据，也应该对此负责。但总的来说，我认为这是一个非常令人兴奋的领域，因为人工智能可以帮助我们在更细的维度上观察事物，这提供了一个巨大的机会。
KG：我认为要向自己承认，我们真的不知道人工智能将走向何方。尽管要谨慎处理，但我们可以说，机遇是巨大的，它已经在改变行业。未来还会有更多的转变。
