15.6　人工智能的相关方法

所谓人工智能是指与人类思考或接近人类思维的一种计算机操作程序，应用它主要是为了将易被混淆的简单行情模式区分开来。另外，人工智能技术可以对两种观念进行分离——存储在大脑中的信息集合被称为知识库，而与原因、规则和逻辑不同的是推理引擎。这里讨论的相应理念与数据库和关联交易策略的分歧不是很大。

接近人工智能的实用方法是启发式的编程模式，其是指以计算机程序非常相近的方式为实验动物寻找走出迷宫的路径——计算机从相关问题所对应的交易规则开始，然后记录下成功和不成功的交易过程，最终形成完整的表格，进而针对每一种情况或至少一个表格寻找可能的解决方案。在以同样的方式重复预期相同事件时，前述模式则是一个现实的、智能的方法。然而，在没有添加额外的混合情境，以及不存在基本相关性（例如波动率相关的价格水平）或其他预期形式之际，此类模式的有效性不大。另外，此种模式可以将成功交易的问题从一盘游戏中分离出来，其中含有一个有限的（虽然数量很大）行情组合情境。

模式识别相关的启发方法的危险是：它可能会继续定义较长期的行情组合模式，从而生成不一致的测试结果。让计算机去识别一个无限的集合行情模式之做法与数据过度拟合的情境无异，但其却处于一个非常复杂的水平。

启发式的编辑程序在搜索、优化以及博弈策略等问题上均有所进益，然而，相对于交易者而言，其获取方式不易，毫无疑问，由于可用，此项技术将很快地被引入相关的交易策略中。 ^[1] 那些对此类方法感兴趣的读者应该了解专家系统、神经网络和基因演算方法，这些均可在第20章以及第24章中找到。

[1] Judea Pearl所著述的Heuristics(Reading，MA：Addison-Wesley，1984)一书仍然是可用的。最近出版的关于电脑游戏的书籍均将重点放在角色扮演之上，而不是严格找寻博弈的契机。David Levy出版了Computer Chess Compendium(reprinted by Ishi Press，New York，2009)，随后其与Monty Newborn合编了How Computers Play Chess(New York：Computer Science Press，1991)，一书，两部著作均展示了针对战术性解决方案的洞察能力。