近來，機器人理財投資的風潮十分火熱，甚至還出現「人工智能炒股」，甚至連主打機器人理財的指數型基金（ETF)也應運而生，但他們真的能達成人們的期待嗎?
要談機器人理財，得先回顧人工智能怎麼來的。1950年，在二戰期間破解德軍密碼的科學家艾倫．圖靈，率先提出「機器是否能思考」的大哉問後，便為人工智慧的發展播下種子。
歷經六十多年的演進，研究領域出現兩個明確的方向：強人工智慧、弱人工智慧。
他們各有不同的風格。
強人工智慧 (Strong AI)意欲打造在任何領域都媲美人類的的人工智慧。它能「自我學習」，透過仿照生物的神經元運作，讓機器在接受外界資訊之後，可以根據不同刺激、改變內部函數，做出最佳反應，換句話說，它會不斷進化。
另一走向，弱人工智慧 (Weak AI) ，則打造特定領域的人類智慧，發揮於聲音圖像識別、圍棋這類有既定規則的領域。透過大量資料，讓機器快速掃描、儲存跟分辨資料，機器只要能分辨「這是什麼狀況」、提出判定的「最佳選項」，不需具備自主思考能力，就足以完成工作。
因此，機器學習的未來發展方向，是要設計、分析一些讓電腦可以自動「學習」的演算法，讓機器透過自動分析資料、建立規則，對未知情況，進行預測。
科技進展快速，隨著網絡基礎設施、雲端儲存、運算技術發展漸趨成熟，機器學習的效能也大幅提升。
目前機器學習已是人工智慧在商務應用上最廣泛的一種技術，例如當你開啟搜尋引擎、使用圖像辨識進行驗證、使用指紋甚至臉部解鎖、語音識別操作等，都是常見的應用。
有了這層了解，回過頭來思考：目前機器人理財，多是運用「弱人工智慧」這類技術，套用在金融、股票市場上，又會如何呢？
儘管金融業者都搭上人工智慧的順風車，推出理財機器人服務，但這其中有個顯而易見的問題存在：金融市場並非線性，基本上，很難預測。人工智能仰賴對歷史事件的分析模型，用來做機器學習的演算邏輯，真能勝任這項工作嗎？
市場不理性，眾人始料未及的「黑天鵝事件」(例如川普竟擊敗希拉蕊造成市場震撼)層出不窮。再加上市場並不是一對一的「賽局」，不像下棋具有遊戲規則，可以事先計算所有組合。因此，就連分析當前市場走勢是屬於大格局中的「什麼狀況」，都很困難。
順著市場資料分析不會讓你成功
市場最難以預料的因素，就是數以千萬計、擁有複雜心思的「人」，以及各市場之間的「跨市」干擾(像是2015年油價大幅下跌，引發各國股市重挫)，都會隨時引發連鎖效應。也難怪投資大師巴菲特的恩師葛拉漢在1949年直言：「市場先生」擁有情緒上的不治之症，你可以跟它做交易，但卻不能巴望著從他它的行為、給你任何有效的指引。如果總是跟隨著他的舉動、做出反應，將會是一場大災難。
除非設計全知全能的演算邏輯，才有完美的人工智慧，但以目前科技水準，顯然不可能做到。
人工智慧在發展上，還是有些矛盾存在，一方面要使其「盡量像人」，但一方面又要「剔除人性盲點」。要符合前者，勢必得要在人工智慧中加入人性，但那些人性該被保留、哪些又應該被視為缺點加以排除，該如何取捨？況且，有些人性特質是優點還是缺點，端看面臨的是什麼情況，斷然取捨，可能都會引發不可預期的後果，而代價就是難以回溯的時光和財富。
事實上，投資的成功，並非來自於複雜公式、股市波動信號，而是具備良好的事業判斷力、情緒克制能力，建立起屬於自己的投資事業，掌握優質企業所帶來的產能。
役物，而不役於物。如果將人工智能，視為合作的夥伴，透過它篩選事業體質、明辨各事業產能高下，建置性能卓越的投資事業內容，是好事一件。但若要用人工智慧追逐市場交易的利潤，那就本末倒置了。
自主學習、明智決策才是關鍵
我們也可以從中反思，強、弱人工智能的最大差別，就在於能否「自主學習」、「主動思考」。這也形成了弱人工智能只能在既定規則運作的特性，而強人工智能則能追求更高層次的突破。機器如此，人不也是嗎？
若想把投資這件工作做好，不如從現在開始，培養自主學習思考的能力，不被市場震盪、消息面所左右，這才是第一要務。畢竟，等待新科技超越人類、解決問題，最有可能反受其害的反而是自己，因為市場唯一的不變就是它總是瞬息萬變，投資不靠強人工智慧，先讓自己做個投資強人吧。
