薩利，飛行員中的老司機，42年來運送了上百萬乘客，他把一生都獻給了飛行事業。
可以說在機長中，他是全美航空最專業的，至少也是之一。
某次國內航班，飛機起飛2分鐘后即遭到飛鳥攻擊，兩架發動機全部熄火，他基于當時的實際情況和經驗選擇在哈德遜河上迫降。用208秒，讓機上155人全部生還。
然而，他卻受到了國家運輸安全委員會的起訴。
原因是委員會認為計算機的模擬飛行實驗顯示，返回拉瓜迪亞機場才能安全落地，而在哈德遜河上迫降生還幾率很小，歷史上幾乎沒任何人在這種情況下成功過，實屬違規操作。
最終，在聽證會上，薩利指出了委員會的荒謬之處：計算系統千算萬算，卻唯獨沒考慮人的因素，沒把飛行員的反應時間算進去。畢竟剛起飛就被飛鳥撞擊，以前沒有任何飛行員受過這種突發訓練，遇到后難免不慌張。
后來，當委員會在計算系統中加入35秒的反應時間后，果然模擬出飛機返回拉瓜迪亞機場后無法安全著陸的結果。
影片結尾，薩利成了全美英雄，享受人民的歡呼和掌聲。
很多影評都說這是人工智能和人類經驗的PK，而這次是人工智能“敗”給了人類。其實，這種說法并不正確。
薩利是英雄無疑，他的直覺和經驗最終幫助了他。但這并不能說計算系統是失效的，是委員會漏算的35秒反應時間讓計算系統失效了。
不是每一個飛行員都是薩利，但進化不止的人工智能將會復制出一個又一個“薩利”。它每迭代一次，就是一次更強大的進化，就比如加入35秒后，它會得出更好的結果。
除了進化能力，人工智能更厲害的是它的決策機制。
咱們先開個腦洞：
假設這次事件后，航空指揮系統加入了35秒這一反應時間，結果薩利再次遇到同樣被飛鳥撞擊的情況，而起飛時間和周邊地形發生了變化，系統模擬的結果是降落周邊機場，那么薩利作何選擇？
是聽從系統指揮還是再次迫降河里？如果再次迫降河里，仍能確保安全嗎？答案恐怕是有異議的。
假設類似這樣的事件分別發生10次、20次和100次呢？那么整體勝率是計算系統高，還是薩利高？
恐怕你心里已經有了答案。
它背后的本質是：
人工智能的每一次決策都是全新的，是把過去的所有數據全部跑一邊，然后得出一個概率，最終選擇概率更高的去執行。人類則不同，人不可能每次決策都對所有可能的結果運算一邊，然后選擇概率最高的，因為人腦的構造不允許，沒這個腦容量。
人依靠的更多是經驗、直覺和管用的“套路”，這樣才能更好地簡化事情的處理，也提高了做事的效率。
所以，從這個角度講，人的每一次決策（尤其是臨場決策），其正確的概率都是50%，哪怕他經驗再豐富。
如果還是沒有理解，建議你看看《最強大腦》第四季水哥跟小度（百度人工智能產品）關于人臉識別的那場比賽。（詳情我就不講了）
說回投資。投資決策，你是更相信經驗，還是數據？
數據，答案是肯定的。這就是為什么我一直推崇量化投資的原因。
可以想見，未來基于人工智能開發的智能投顧產品，必將橫掃市場，那些在各種群里劃K線的“大師”的日子也是更不好過了。而不懂基本面，不懂起碼概率學知識的散戶也將面臨更嚴重的虧損。
畢竟，現在連房價都分化了，投資房產都需要越來越專業，更何況復雜的金融投資市場。
