我大学专业是化学，辅修计算机，但是化学和计算机都没学好，大部分业余时间都在下围棋，也关注围棋程序，那个时候有一个程序叫做手谈，开发者是一个大学教授，做计算化学的。我自己做编程练习的时候也写过一些围棋小程序。

研究生我做的是计算机在（有机)化学里面的运用, 最早的人工智能叫做专家系统，世界上第一个专家系统１９６５年出的叫做DENDRAL，就是一个化学专家系统，根据化合物的分子式和分析谱图数据去推断化合物的分子结构。

　这方面也是我导师的研究课题之一．我做的课题是根据化合物的结构去预测它的性质，这个也被叫做QSAR，最早的QSAR是１９６4提出的Hansch方程, 用几个简单的参数去组成一个线性模型，去预测化合物的生物活性，后来相继引入了各种描述符去表征化合物（特征工程），各种统计和机器学习方法去拟合。

熟悉量化投资发展历史的人可以做一个类比，量化投资早期也是简单的线性多因子模型，后来各种特征工程挖因子，各种机器学习做拟合。和QSAR的发展历程是类似的，QSAR的Q和量化的Q，本来也是同一个Q。

因此我从原来的领域切换到量化交易，几乎没有什么障碍。但是呢，在原来的领域本来就是半桶水，进入量化交易，水就更少了。

量化投资有PQuant和QQuant之分, 化学领域也有偏向公式演绎的流派和偏向数据归纳的流派. 我比较熟悉的只是一小部分。

从毕业到现在， 我在制药行业做CADD方面的工作, 差不多也是这些东西, 各种化学和生物数据算法和软件的研发和管理 , 数据统计建模, 分子模拟计算等等, 这个领域在2016年AlphaGo 和AlphaFold相继出来以后改名叫做AIDD，成为AI研究最活跃的领域之一。

这些年AI的进展还是非常激动人心的， 很多都是我比较关注的领域，也有一定的参与感。

总的来说，都很难，要很深的复合知识，要团队协作，要依赖时代的进步带来的整体进步、技术本身很难，技术落地从商业上来讲, 就是另一个故事了。

不过AI越进步, 平庸的人越艰难, 能看到一些事情的发生,也是幸运的。

至少在量化交易方面, 自己还是在做一些真实的参与的。

做了交易以后，不是纯粹的理工技术角度去理解世界, 对商业和社会的东西有了更多的认识, 看戏看全套，也是一件幸运的事情。