“
智能交易的奇点已经来临，手工交易在大型金融机构开始逐步被淘汰，且这种趋势无法逆转。基于量化的程序化交易大行其道，人工智能展现出极为广阔的想象力和发展空间。
关于外汇程序化交易和人工智能的话题正成为当下行业的热点。大数据、云计算、AI、机器深度学习，这些似曾熟悉却又遥不可及的新科技、新技术，正在以怎样的姿态，影响着这个大潮涌动的时代，影响着外汇交易的现在和未来呢？
今天小编带领大家来了解一下人工智能领域的发展历史，看看它是怎样一步一步超越人类，以及它对金融交易领域包括外汇交易的影响。
”
在最复杂和充满智慧的围棋领域
人类已经被机器打败
AlphaGo是第一个击败人类职业围棋选手，第一个战胜世界冠军的程序，是围棋史上最具实力的选手之一。2016年3月，在全世界超过一亿观众的关注下，Alpha Go经过3局对弈，最终以4比1的总比分战胜了围棋世界冠军李世石，这场比赛成为了人工智能领域的一个重要里程碑。
过去曾有专家预测人工智能需要十年的时间才有可能战胜人类职业选手，在这场比赛之后，AlphaGo凭借其"充满创意而又机智"的下法，跻身围棋界最高职业称号——职业九段行列，成为历史上首个获得这一荣誉的非人类棋手。
这是一个华尔街巨头的故事，交易员开始失业了，自动化交易系统正大行其道
2000年，高盛位于纽约的股票现金交易部门有600个交易员。而如今，只剩下两个交易员，剩余的工作全部由机器包办。像高盛这样的金融巨头，以及其他大型对冲基金，都正转向由人工智能驱动的系统，以预测市场趋势，从而做出更好的交易决定。高盛的案例告诉我们，交易员的未来前景黯淡，正面临机器自动化交易的强大竞争。
在机器和人工智能的超高速发展面前，交易员似乎没有特别的优势可言，人工智能飓风将席卷整个行业。它会击中交易领域的要害，也将深刻改变交易本身。
过去20年人工智能超越人类智慧标志性事件
●1997年深蓝战胜世界象棋冠军卡斯帕罗夫，人类第一次在棋类游戏上输给电脑
●2006年计算机引入蒙特卡洛树搜索方法,围棋水平终于达到了业余五段。
●2016年，谷歌AlphaGo横空出世，在围棋领域横扫世界冠军，震惊世人
●依靠深度学习，谷歌推出第二代全智能阿尔法狗
AlphaGo是如何进行训练的？
为了应对围棋的巨大复杂性，AlphaGo采用了一种新颖的机器学习技术，结合了监督学习和强化学习的优势，通过训练形成一个策略网络（policy network），将棋盘上的局势作为输入信息,并对所有可行的落子位置生成一个概率分布。
然后，训练出一个价值网络（value network）对自我对弈进行预测，以-1(对手的绝对胜利)到1(AlphaGo的绝对胜利)的标准，预测所有可行落子位置的结果。这两个网络自身都十分强大，而AlphaGo将这两种网络整合进基于概率的蒙特卡罗树搜索（NCTS）中，实现了它真正的优势。最后，新版的AlphaGo产生大量自我对弈棋局，为下一代版本提供了训练数据，此过程循环往复。
注意！此过程循环往复，我们人类需要吃饭休息，而这个比你聪明的选手还比你勤奋！
Alpha Go如何决定落子？
在获取棋局信息后，Alpha Go会根据策略网络（policy network）探索哪个位置同时具备高潜在价值和高可能性，进而决定最佳落子位置。在分配的搜索时间结束时，模拟过程中被系统最频繁考察的位置将成为Alpha Go的最终选择。在经过先期的全盘探索和过程中对最佳落子的不断揣摩后，Alpha Go的搜索算法就能在其计算能力之上加入近似人类的直觉判断。
AlphaGo在蒙特卡洛树搜索的框架下，利用深度学习和强化学习技术进行训练和评估，其中用到了人类棋手以往的16万盘棋谱，以及AlphaGo自己左右互搏产生的3000万盘棋谱，并用到了人类总结的几万个模式，综合运用这些技术，实现了高水平的围棋程序，并于2016年3月以4:1的成绩战胜了韩国围棋职业高手李世石。
把人工智能引入到程序化EA交易？
毫无疑问，把人工智能引入到程序化EA交易中，这是大的趋势。人类在交易中所犯的所有错误，都有可能通过人工智能的自我不断学习去规避。最终，电脑会找到战胜市场的最佳方式。
在MT4中，EA只是一种最为简单基础的程序化方式。它把我们所能想象的交易方式以固定的形式，写入程序代码。这和谷歌阿尔法狗的深度学习，还是有相当大的距离。
当人工智能连人类最复杂的围棋游戏都能打败的时候，我们可以想象一下，如果它进入金融市场，会发生什么？
这一切，似乎才只是开始。