这几年人工智能的发展非常快，并且有很多落地的应用，那么是否能用人工智能帮助人类预测股票涨跌？
首先要知道人工智能的工作原理。
有很多人工智能的算法是基于特征识别的，比如图像识别类型的人工智能，把一批狗的图像给它，告诉它这些是狗，人工智能算法可以自动从这些预训练图像里自动提取出N个特征，并记录具有这些特征的是狗。
然后，把一批猫的图像给它，告诉它这些是猫，人工智能算法又自动从这些图像里提取出N个特征，并记录具有这些特征的是猫。
人工智能算法对某个事物提取和记录的特征数量越多，识别的结果就越精细、准确。这些特征的数量有多少呢？可能是几个，也可能是几亿个。
人工智能的训练，其实就是数据采集和数据分析。先从训练的图像数据里采集特征，然后根据特征生成一个以N个特征为变量的判断逻辑。
人工智能的识别，就是数据的挖掘。比如给出一张没见过的图像，让它识别是狗还是猫，它就先从这张图像里提取N个特征，看符合狗的特征多些还是符合猫的特征多些，从而判断这张图像是狗还是猫。
举个例子，狗的特征有A1、A2、A3…..An，猫的特征有B1、B2、B3…..Bn，现在给出的图像具有的特征是“A3、A6、A8、A100、B5、B7、A200、A300、A500”，那符合狗的特征有7个，符合猫的特征有2个，就可以判断这张图像是狗。
这就是基于数据集的人工智能识别，如果对这些数据集进一步提炼成方程组，就可以不需要数据集，只需要一个方程组就可以进行识别了。
如果把这个思路应用到股票上，我们可以把每支股票的的相关数据输入进去，比如公司销售量、成交额、利润率、高管套现、负面新闻等各种影响股价的因素都输进去，并告诉它这支股票在这些条件下的涨跌结果，让人工智能算法自动提取特征，总结出N个涨的特征（如A1、A2、A3…..An）和N个跌的特征（如B1、B2、B3…..Bn）。然后给出一支新股票的数据（如“A3、A6、A8、A100、B5、B7、A200、A300、A500”），它就会自动从中判断里面符合涨的特征有7个符合跌的特征有2个，从而给出一个预测未来是涨还是跌的识别结果。
实际上就是识别猫狗一样的原理。
这个判断预测股票涨跌的人工智能理论上不难，但开发的工作量非常大，不是一个人能搞出来的。