需要指出的是，受限于美国对于个人数据和隐私保护，很多金融机构需要“带着脚铐跳舞”在不破坏个人隐私的情况下尽可能挖掘多的关于主体的信息。
三、人工智能在投资领域的运用
人工智能技术早期在投资领域中已有所运用，人工神经网络（ANN）就是被认为较有用的算法之一，人工神经网络已被证明能过够有效处理金融市场中的不确定性，相比于线性回归模型能够挖掘数据中的非线性关系，同时能够有效的处理大量数据中的噪音信息。更吸引人的是，人工神经网络模型可以通过新数据的训练来更新现有的模型，在瞬息万变的市场中能做到快速反应。
自2004年以来，美国国内量化基金的财产规模不断增加。从2004到2016年，量化基金总财产规模从300亿美金迅速增长至3000亿美金。一些著名的量化基金包括Two Sigma、DE Shaw、Citadel等。
相对于传统的量化投资基金，人工智能型基金的一大优势即是它更大限度地回避了人为操作的误差，可以在短时间内处理更大量的数据，并可以动态地更新模型的参数以及模型本身，所以使得算法更加灵活且适应性强，使其在长期超越静态的传统量化模型的表现。相对于传统的量化模型来说，人工智能型基金算法更加灵活，甚至设立了一些随机性，这使得其算法相关性相对于传统量化模型更弱。
下图为EUREKAHEDGE在2017年1月的研究。途中蓝线为人工智能型量化基金收益，紫色线为传统基金收益，绿色线为指数型基金收益，红色线为偏传统型量化基金收益。
可见，自2010年起，相比于任何其他种类的基金，人工智能型基金收益都更高。 此外，由下表的相关性矩阵看出，人工智能型的量化投资基金和其同类型基金的相关性都较低，和一般的对冲基金的相关性甚至是负数。
Pit.AI就是一家用人工智能开发对冲基金交易策略的公司。Yves-Laurent Kom Samo希望将对冲基金从由人工驱动，转向机器驱动。公司通过节省行业中开销最大的人力成本，来提升整个公司的盈利能力。Pit.AI只向投资人收取与盈利相关的费用，并不收取基金管理费。只有当基金表现更好的时候，Pit.AI与投资人对收益分成。收入分成比例是三七开，Pit.AI收取收益的30%。未来，Pit.AI希望将收费模式变成曲线形式，当收益表现不好的时候，收费相应减少，当收益增加的时候，收费比例相应提高。
Pit.AI认为通过雇佣很多交易员，产生众多交易算法从而竞争的形式并不能很好的产生很优质的算法。因为，生成策略的人，大多数都用同一种思路在尝试，发现的算法通常具有很强的相似和相关性。这些相关度很高的算法，并没有对分散交易风险起到应有的作用。
Pit.AI与传统机器学习的区别主要体现在两方面，第一，每个算法会一直运行下去，目标是寻找更优的交易策略，并不是找到一个优秀算法就停止；第二，他们的算法中都引入了随机性，这样，同一个算法的不同实例会有不同的表现，通常能生成不同的算法，而不是完全一致的算法。
人工智能基金不仅在基金公司的运营、成本结构和收入形式上产生了变革，在对客户端也能产生影响，智能投顾行业就是这样，按照Openfolio的思路，以往的基金管理受限于成本和技术是由基金经理主导，个人投资者由于其份额小无法拥有投资话语权，无法进行个性化投资。人工智能技术的引入，使得未来基于个人用户实际情况进行调仓成为了可能，真正做到基于用户的风险承受能力、收益预期以及个人价值观等要求个性化调仓。
四、人工智能技术在个人财务管理的运用
随着个人理财的意识和需求兴起，越来越多的软件开始利用人工智能技术为个人用户进行财务管理。这些软件基于的逻辑的是，通过分析用户的开销等相关数据，基于用户设定的目标，为用户提供理财建议，帮助用户达成目标水平。
成立于硅谷的Olivia AI就是这样一家公司，Olivia公司致力于打造一个贴心的个人财务管理助手，使每个用户在个人理财方面都能得到个性化专业化的贴心服务。通过结合人工智能技术、财务管理知识和行为经济学等学科的专业知识，Olivia AI以一个聊天机器人形象服务客户，通过学习用户的金融习惯和消费习惯，对用户的各个资金账户进行统一管理，并针对用户特点给出用户的理财、消费计划。