机器人AlphaGo与李世石之间的顶级围棋大战最终胜负已经不再重要，因为AlphaGo展现出的超强战力让世人更加关注：随着高智商游戏围棋也被攻克，人工智能是否已经具备了全面挑战人类的能力？
至少短期内我们还无需担心，正如AlphaGo设计者哈萨比斯所说的：AlphaGo并不能理解围棋为何物，在这些属于无法从数理上做出判断的领域，是电脑不可能具备的人类固有认知。AlphaGo依然属于弱人工智能，和科幻电影中可以颠覆人类世界的强人工智能有着天壤之别。
人工智能概念从诞生至今已经走过了半个多世纪，各种弱人工智能应用早已在我们身边像空气与水一样不可或缺。只是AlphaGo的胜利让人类意识到，人工智能已经不再停留于“力大无穷”的蛮算阶段。通过算法的优化改进，人工智能在更多人类专属的领域内拥有了“人”一般的能力。例如机器已经可以听懂你的对话；汽车已经可以自己认路行驶；很多传统理财服务也已经可以由机器人提供。
把自己的财富交给机器人打理，这并不是什么新鲜事。据统计，全球目前由理财机器人管理的财富已经超过百亿美元，像WealthFront或者Betterment等机构都是智能理财界的佼佼者。
机器人理财的原理就是基于客户的理财需求，通过算法和产品来完成以往人工提供的理财顾问服务。简单来说，机器人理财有点类似于私人银行的线上化。通过强大的数据分析能力和较低的资金门槛，以及便捷的用户体验，理财机器人把一对一的传统高端理财服务带进了寻常百姓家。
如上图所示，在传统财富管理链条中，越在前端的工作逻辑越简单，越倾向于重复劳动，也就越容易被机器人所替代，比如现在很多人可能已经一年都不需要去一次银行柜台了。但从资产配置环节往后需要人类做出判断决策的部分越来越多，机器人所能起到的作用也就越来越小，不过随着人工智能的升级，这种情况也在发生着改变。
1997年机器人深蓝战胜国际象棋冠军卡斯帕罗夫时还是凭借强大的计算能力穷举所有路数来选择最佳策略：“深蓝”靠硬算可以预判12步，卡斯帕罗夫则只可以预判10步。当时深蓝并未试图趁胜挑战围棋，因为围棋规则虽然简单，但组合变化繁多，甚至超过宇宙中所有原子数量的总和，蛮力穷举已经无法胜任。
不过，经过十几年算法的优化升级，人工智能终于打破了依靠蛮力运算的瓶颈。AlphaGo结合“深度学习”和“蒙特卡洛树搜索”方法，通过学习大量历史棋谱模仿人类棋感做出判断，在对弈前期大幅降低运算量，到对弈后期再凭借绝不出错的计算能力与人类对抗，巧妙填补了人工智能的不足。
和围棋棋路组合的复杂多变相似，世间可供选择的投资项目众多，每一个投资用户的情况又千变万化，让一家金融机构在动态之中为每一个投资用户选出最符合其需求的资产组合，整个运算量同样是银河计算机也无法完成的任务。
目前通过算法的优化，如果仅考虑投资收益与流动性需求两个指标的匹配，理财机器人已经具备了在瞬息间帮助上百万投资者做出最优资产配置的能力，但这对于真正的人工智能理财而言只算刚走完了0到0.1的距离。未来的智能理财还需要将风险性、流动性和收益性都纳入到机器人的“思维”之中，让机器人比你更了解“如何使用你的钱包”，人工智能理财的进化之路仍然任重道远。
即便如此，理财机器人的日渐普已经让我们习以为常的理财体验发生了翻天覆地的改变：例如理财机器人对于客户可以做到一视同仁，因为用户数量的增加并不会显著增加它的使用成本；例如理财机器人可以规避很多道德风险，毕竟机器人不会为了个人私利向用户推荐不恰当的产品；比如传统金融机构囿于结算压力，对用户投资通常按年、月、日计息，而使用了机器人理财的懒财网却可以做到按秒付息，将金融公平在时间维度上的体现达到了极致。
AlphaGo的胜利，证明了在既定逻辑下计算机的运算能力肯定会超过最顶尖的人类。AlphaGo对局李世石帮助人工智能获得了全社会的关注，这将进一步刺激资本的投入，让人工智能应用的范围更加广泛。金融行业作为最看重规则和数据的领域之一，无疑也将成为人工智能渗透最为彻底的行业之一。
虽然目前看来要让机器学会像人类一样思考比拥抱上帝还困难，但是随着人工智能技术的快速发展，必然会有越来越多的机器具备人类一样的行为能力，把人类从繁琐的计算和劳动中解放出来。人们应当用最宝贵的时间去享受创造的快乐，而不是让繁冗重复白白浪费生命，人工智能理财实现从0.1到1的跨越也许并不用我们再等待太久。
