D.E. Shaw的前高階主管Jon McAuliffe說，談到投資，情況有所不同。他稱：「我們沒有無限量的數據來幫助我們運行無限大的模型。」 McAuliffe現在是Voleon Capital Management LP的聯合創始人，這是一家依賴於機器學習的對沖基金。
同樣重要的一點是，市場數據比語言和其他數據「更嘈雜」，從而比較難以用來解釋或預測市場走勢。換句話說，收益、股票動能、投資者信心和其他金融數據只能部分地解釋股票走勢，其餘的都是莫名其妙的「噪音」。因此，機器學習模型可以識別各種市場數據的相關性，但事實證明它無法預測未來的股票走勢。
與語言不同，市場會迅速變化，原因包括公司改變戰略，新領導做出激進決定，經濟和政治環境突然轉變等，這使得利用一些依賴於歷史和長期數據趨勢的模型來進行交易更加困難。
雖然ChatGPT表現優異，但它經常犯那種明顯的錯誤，這種錯誤會使投資者虧錢蒙羞。
金融科技公司Proven首席執行官Richard Dewey也指出，投資「具有對抗性」，也就是說需要與渴望利用任何錯誤獲利的對手展開競爭。這使得使用AI進行投資比將AI用於自然語言、圖像分類或自動駕駛汽車更難。
「像Renaissance和D.E. Shaw這樣的公司仍然僱用這麼多博士是有原因的，」Dewey說。他說，在紛繁複雜且受到人類行為反饋迴路影響的市場中，人仍然是必不可少的。他說：「在投資領域，仍然很難把一切都交給機器。」
不過，有跡象表明，投資者正變得更願意依賴AI。Voleon就是過去幾年中圍繞機器學習和其他AI方法推出的一系列對沖基金中的一支。
位於舊金山的量化對沖基金Numerai表示，該公司去年利用機器學習技術獲得了20%的收益。同樣在去年，Google母公司Alphabet Inc. （GOOG）旗下AI子公司DeepMind Technologies的三名資深員工離職，成立了一隻名為EquiLibre Technologies的機器學習基金，總部設在布拉格，這引起了人們的關注。
一些AI專家表示，AI有朝一日可能會幫助實現交易的大眾化，讓散戶和其他投資者可以使用與大型對沖基金所用工具一樣強大的程式。但Man FRM的首席投資官Jens Foehrenbach說，就目前而言，專注於機器學習和其他AI方法的公司太少，無法確定是否有可能帶來高回報。Man FRM在對沖基金中的投資超過200億美元。而且早期回報表現參差不齊。
Foehrenbach稱，這方面的表現差異很大。Foehrenbach稱，這樣的策略可能會做出非常出人意料的事情，並使投資者很難決定是要減少投資還是增加投資。
AI的擁護者相信，他們的方法最終會表現良好。機器學習模型或許終將可以從無序中發現有序。
「建立機器學習策略更加困難，而且剛開始會出現更多的錯誤」，Voleon的McAuliffe說。「但一旦讓它們步入正軌，這些策略將會做出更準確的預測。」
EquiLibre的聯合創始人兼首席執行官Martin Schmid認為，對計算機的各種交易投資決策進行獎罰的「強化學習」將適用於股票和債券，就像用於國際象棋、撲克和其他遊戲一樣。強化學習是機器學習的一種形式。
Schmid說，EquiLibre仍在完善其交易模型，尚未開始用於投資。
一些人表示，短期來看，最近的進展可能會撼動研究和銷售等領域。
前高盛和橋水（Bridgewater Associates）僱員Jens Nordvig說：「現在，你可以為客戶創建自動化的訂製資訊，這正是（投行）銷售人員所做的主要工作」，Nordvig目前掌管MarketReader，這是一家使用AI提取財經新聞的公司。
