大岩资本是一家量化与基本面相辅相成的公司，在量化研究领域，深度学习是必不可少的技术。在近期的周年庆上，大岩资本王博士就与大家分享了主题为《考古深度学习》的演讲。

王博士从深度学习和机器学习的关系、发展脉络，以及其成功因素给量化带来的启示等多角度、多维度剖析了深度学习。

演讲中，王博士阐述道，深度学习是机器学习的一个子集，机器学习又是AI的一个子集。从目前来看，深度学习是现阶段达成AI最有希望的一个工具，所以深度学习的最高水平也就是当前AI的最高水平。

王博士称，要分析深度学习与传统机器学习的区别，首先要回溯深度学习的本源。随后，王博士从《imagenet classification with deep convolutional neural network》这篇发表于2012年拉开深度学习序幕的论文开始，回顾并解释了为什么CNN、 LSTM这些早在上世纪90年代就发表的成果，直到最近几年尤其是2012年之后才被大量成功地应用。

王博士称，深度学习其实是由三个因素决定的，数据、算法及算力。数据包括图片、视频、音频、文本等等；算法领域包含内容更广，比如网络模型结构、性质、学习的方式等；算力，实际上就是我们现在能买到的Nvidia显卡，还有比如Google做的tpu，华为专业的AI芯片等。在实践中，这三个环节中任何一个环节成为短板都可能导致很差的模型。

随着深度学习在不需要监督信息存在的「表示学习」上已经逼近甚至超过了需要监督信息的「表示学习」，这在很多应用上大幅降低了数据标注的成本。由于需要投入大量资金，因而在很多实践者眼中，算力已经成为公认的壁垒。而只有在算力充足的情况下，才可能更快地尝试和迭代各种复杂新奇的模型，谷歌就是一个很典型的例子。

王博士称，当今深度学习需要天量算力的两个超级工程：预训练语言模型OpenAI的GPT-3和前不久刚刚开源的华为的pangu-alpha。他总结道，深度学习试图从数据中学习任何可能的特征来逼近我们想要的预测，而多因子模型就是试图寻找任何可能的因子来解释和预测收益。所以用深度学习作为工具来预测股票收益，是一个非常自然，合理的尝试。

大岩资本，2013年6月成立于深圳。在深耕中国大陆资本市场8年多时间里，大岩资本在私募证券投资领域，累计获得包括4尊金牛奖在内的30余项业内奖项。大岩资本依托股东的全球业务网络布局，与设于香港、纽约、开曼等地多个独立姊妹公司，携手为国内外投资者提供专业的资产管理服务。