在 1990 年左右，避險基金曾經興起過一波運用類神經網路技術的熱潮，但最終宣告失敗，如今隨著人工智慧（AI）的興起，一種名為「深度學習」（Deep Learning）的 AI 技術也為避險基金帶來一絲曙光。
所謂的深度學習，主要是模仿人腦神經元工作模式，透過非線性、多層次且密集的方式互相連結，自動將大量數據中具代表的特徵（feature）抽出，可省下以往各領域專家分析研究所花費的時間。
華爾街日報報導，有鑑於深度學習廣泛的利用價值，許多大廠已逐漸開始使用，像是特斯拉（Tesla）的自駕車和 Amazon 的智慧音響 Echo，一些大型避險基金也追隨科技圈的腳步前進，WorldQuant 開始利用這項技術進行小規模交易，Man AHL、Two Sigma 也正在評估中。
由於先前的失敗經驗，有些公司仍持謹慎態度。在英國管理近 315 億美元（約 9,503 億元台幣）資產的 Winton Capital 就在聲明中表示，對於深度學習能夠解決投資管理的說法仍然抱持懷疑。
但究竟什麼時候深度學習才會被避險基金普遍運用呢？考量到深度學習需要強大的電腦及大量數據，曾和深度學習領域權威 Yoshua Bengio 教授合作的電腦科學家 Nicolas Chapados 認為，大概仍需要 5 年的時間。
報導指出，Facebook 的圖像辨識技術之所以能成功，主要是仰賴社交媒體用戶上傳的無限量數據進行深度學習，然而金融市場的數據有限且總是在變化，預測股價等市場波動變得更困難，這也是為什麼相較科技產業，避險基金在深度學習的使用進度上明顯落後。
Alpaca 的聯合創始人原田（Hitoshi Harada）表示，雖然深度學習技術可以很快將市場中數百萬個數據建立出相互連結關係，但在數據量不足的時候，會難以建立一個很好的模型。
Winton Capital 的研究人員認為，即使深度學習技術還有很多挑戰要面對，但未來帶給對沖基金的將不會是一場革命，而是一款好用的武器。「技術的進步能協助我們改善流程，未來仍會針對深度學習進行長期研究。」
（首圖來源：shutterstock）
AI 已大量滲入廣告服務與金融，擴大數據使用權是國際大廠布局關鍵 
IBM 成功開發出與人類錯誤率相等的語音辨識系統 
Google 計畫在加拿大設 AI 實驗室，培養當地深度學習技術人才 
三星公告考慮拆分成兩家公司 評估時間最快半年後 
機器學習已悄悄潛入生活，你可能還沒發現 
DeepMind 創辦人：AI 要展現出真正潛力，得從人類智慧中獲得更多靈感 
