人工智能和机器学习毫无疑问将改变该行业所需的员工人数和技能性质。调查中，有明显少数的受访者担心，在未来几年中其对劳动力的影响是负面的。但大规模的迁移是一个长期过程——接近 70% 的人认为，人工智能在 15 年内会给他们自己的工作带来彻底或很大程度上的改变。即使是在金融交易这个自动化已经得到了广泛使用的领域，人类角色在算法验证、监控、合规等领域仍然是很关键的。目前，很少人认为，机器学习模型可以或应该完全独立于人类控制地驱动金融市场业务。
二、从快速思维到智能思维
购买《华尔街计算机评论》1987 年 6 月刊的人将会知道围绕金融市场中的人工智能的讨论不新鲜事。其封面上显眼地写着：「教计算机模拟伟大的思想家」，同时还搭配着一张苏格拉底为一群计算机听众讲学的图片，即使 30 年前就已经有基于人工智能的交易应用的计划了。事实证明，这些早期应用中许多是更接近理论化的而非实用化的。
尽管以前有一轮又一轮的炒作，但一些评论家认为，这次对人工智能重燃的兴趣是合理的。计算能力的持续快速发展以及计算成本的显著下降让人工智能应用更加实用。社交网络、智能手机和可穿戴消费设备的增长也带来了数据数量和可用性的爆发——这些都变成了优化人工智能算法的养料。
从金融机构、技术和金融科技公司对人工智能投资的增长可以看出这种重燃的兴趣。BlackRock、Two-Sigma 、 Renaissance Technologies 等基金管理公司一直忙于在全世界挖角最好的数据科学家。它们与越来越多的科技公司竞争和合作，其中包括 Context Relevant、Sentient Technologies 和 Kensho，以及谷歌、Facebook 、微软等人工智能巨头。仅在 2015 年，这些公司就在人工智能研究、收购和人才上花费了超过 85 亿美元。
在交易和投资管理中，Aidiya 和 Sentient Technologies 这样的公司是人工智能交易程序的先驱。它们使用机器学习技术和进化算法的结合来浓缩巨量数据以识别隐晦的模式，这是其它公司还未实现的。和通过人类手动部署算法更新的传统量化交易形式相反，许多人工智能软件程序能自动且独立于人类干预地学习和更新它们的模型。
人工智能交易程序的另一个特点是差异化的重要性。正如金融咨询公司 The Thalesians 的联合创始人 Saeed Amen 说的那样：「机器学习的好处在于它能让交易者发现那些不易察觉的关系，因此不用再和其他市场参与者进行贴身肉搏去争夺这些交易机会。」
这推动了差异化，将人工智能和高频交易（HFT）等其它形式的算法交易区分开。例如，高频交易是关于速度的，而机器学习是关于见解的深度和广度的。「这场机器学习革命，是从急剧扩大的可用数据和信息中识别复杂的模式，从而做出任何视角来看都是最优秀的决策。」金融行业新闻和分析工具提供商 RavenPack 首席数据科学家 Peter Hafez 说，「该市场正从更快转向更智能。」
创新的潜力将因此变得显著——不仅是在交易中，而且还在投资建议和贷款等金融行业的其它部分。变化不会马上到来，但它会来的。按照比尔·盖茨的名言警句：「我们总是高估未来两年内将发生的变化和低估未来十年内将发生的变化。」我们的调查表明，人工智能会导致类似的一系列金融市场变革。
三、起作用的人工智能
1）人工智能和机器学习将具有多大的颠覆性？会颠覆哪些领域？
在接下来的三年中，最显著的变化将出现在交易、财务分析和信息技术中，它们分别得到了受访者 64%、60% 和 60% 的认同（见表1）。很多人也希望，机器学习能实质性的影响到风险评估（59%）、信用评估（57%）和投资组合管理（52％）。风险评估和金融研究是企业在未来三年内最可能实验机器学习应用的领域。
