在投资的初期，投资者过多地参与了基础性的工作，比如统计，其结果的意义远远大于统计的过程给投资者的启发，而同时由此产生的时间成本问题也显得非常突出。常常许多人在繁重的脑力劳动之外还要对一些单调的近似于体力劳动的画图、统计、计算等工作投入大量的精力和时间，后果就是投资者在面对市场的同时不能把工具直接应用于市场。20世纪最大的革命——计算机的出现切实地首先解决了一个工具的应用问题，使人脑在市场中得以解放，思维获得了一种延伸。
也许开始计算机使使用者们仅仅局限于其优秀的计算能力和统计功能，并没有意识到作为一种机械作用的计算机功能竟然成为一种人工衍生智能并在市场中发挥着不可忽视的作用。今天的投资者离开了另一种智能的辅助，面对市场瞬息万变的决策问题就变得目不暇接。投资决策过程与博弈决策以及战争决策具有极高的相似性，对阵双方的胜负不仅取决于双方的综合判断能力，还取决于双方的决断能力，即贯彻已形成决策的决心和能力。计算机作为个体智慧的综合和人类集体智慧的静态复制品，则可利用机器的无理性去面对对手的生理弱点和心理弱点并实现自身的理性。人工智能技术、模糊逻辑决策以及神经网络技术等方面的发展丰富和拓展了投资领域中计算机决策模型的设计方法和手段。
计算机在市场操作中最广泛地应用于交易系统的设计中，一套良好的计算机交易系统必须对投资决策的各个相关环节做出明确的规定，且应符合投资者或使用者的心理特征、投资对象的统计特征以及投资资金的风险特征，即应该具有完整性和客观性。
所谓完整性，即对一个完整的交易周期中的各个投资决策点（如进退点、再进退点等）有明确的规定。客观性则是投资决策标准体现的唯一性。通过如此系统就具有了可重复性，而方法论和科学性也在于此。
对交易系统的优化与否则是一个两可的事实，即使优化后的交易系统也存在着一些缺陷，而不优化又容易导致交易系统的落后，于是市场中的变因起了主导作用。我们通常有两类问题需要解决：一类是解决问题的结果和过程完全是合乎逻辑的、可预见的，因此我们只需要对某种条件的刺激自动做出反应，这种情况被称之为精确。另一类问题是我们不能预见的，我们通常不知道是否有适用的规则或不知道选择哪个现成规则来解决该问题，这种情况被称之为模糊。显然，第二类过程是需要智能的。让我们看一看第一类过程是否需要智能。第一类情况可以编程，因为我们知道在预期的情况下对某种刺激该如何反应，或者我们确信通过逻辑可以得出准确的结果。这就是人工智能的工作方式，也是优化后可以达到的效果。可是，在市场中我们发现模糊的情况占了多数。其关键在于交易系统所产生的噪声水平是否达到了预期控制的标准。
常常优化后的交易系统或计算机越来越庞大的功能会让我们产生错觉，并认为人工智能是真正的智能优化配置。我们忽视了智能系统如果没有外部提示或引导则不具备选择规则的能力。当遇到新的、意想不到的和不断变化的情况时，只有高级进化的生命才有这种能力。面对规则的选择是这些生命很普通的经历。于是我们即刻想到了自身，也从而会知道真正的主宰和工具在市场中的地位是不会改变的，即使改变了，也是一种托词。
现代科技与数字化相结合只能解决理性化的问题，并在这个范畴内大大超过了人的能力。但是，人工智能系统或计算机交易系统是用来解决市场决策中感性问题的，其最大的特点是其完全程序化而且不能选择规则。当投资者处于市场当中时，预测不到在某种情况下一项工作开始执行某个程序以实现系统自身的某个目标并不是任何程序的运行条件已经完全满足，因为它有选择规则的内驱力。当然，关键是要避免感性太过而战胜理性。我们人类制定了大量的规则供我们选择，但是非生命人工智能只有一个规则可以运行，尽管这个规则要复杂得多，而且可能要比我们大脑中任何现成的规则都好。
假定一个人工智能系统有不止一个规则，这些规则就应该是相互独立的。该系统就应该具有从中选择规则的能力。关键问题是它如何通过学习来选择、改变这些规则或建立新规则。用程序、灰色理论或相关分析法，还是量子计算机？系统能否建立类似价值观的内在动态平衡机制？我们永远都无法用精确的方法实现模糊的方式。这正是我们世界的深奥之处，这也需要我们的智能和思维得到不断的延伸。
