<div id="76gr7"><meter id="76gr7"></meter></div>
    <mark id="76gr7"></mark>
    <output id="76gr7"><button id="76gr7"><div id="76gr7"></div></button></output>

    <listing id="76gr7"><object id="76gr7"></object></listing>

    <listing id="76gr7"><i id="76gr7"></i></listing>

    1. <output id="76gr7"><pre id="76gr7"></pre></output>
      <meter id="76gr7"><delect id="76gr7"><dl id="76gr7"></dl></delect></meter>
      <small id="76gr7"></small>
    2. 您现在所在位置:
      人工智能、大数据、新金融……浙大博士的演讲把这些概念讲透了
      发布日期:2019/2/20 15:18:51  来源:新华网  浏?#26469;?#25968;:

      以下内容,思?#36879;?#25454;现场速记内容整理。

      郑小林在现场演讲。新华网记者 郭小天摄

      人工智能发展到了什么阶段?

      我来自浙江大学人工智能研究所。作为年轻一辈,我们最近有幸参与了国家新一代人工智能的规划工作,今天来跟大家分享相关的工作内容。

      人工智能的发展从开始到现在,经历了三个阶段,第一个阶段我们叫做计算智能,这个阶段要解决的事情,叫做能存会算。第二个阶段是感知智能,这个阶段是能听会说,能看会认。第三个阶段往下发展应该叫认知智能,要达到什么样的程度呢?要能够理解、会思考,我觉得这个是最高级的境界,目前我们正在往这个方向努力。

      在发?#26500;?#31243;中,我们来思?#23478;?#20010;问题。实际上,我们对整个世界的看法,从横向来看,可以把它分为可统计和不可统计的事物。从纵向来看,可以分为可推理和不可推理的事物。从可统计?#35762;?#21487;统计,可以通过一些事件举一反三。从可推理?#35762;?#21487;推理,就是去做模糊识别的工作。人工智能用到很多方法,比如从可统计?#35762;?#21487;统计,现在用的非常多的方法是机器学习,从可推理?#35762;?#21487;推理,用的解决方法是神经网络。

      为什么当前人工智能发展叫做新一代人工智能?因为AI1.0做的人工智能,只是解决了可统计可推理的事物。要发展?#35762;?#21487;统计不可推理,就是现在的AI2.0去解决的。以前我们说,机器学习和神经网络解决了部分问题,但还是有很多问题没有解决。这两个东西怎么结合起来?我们现在叫深度学习,深度神经网络,包括各种各样新的方法,这个就是现在2.0研究的。但能够看到,2.0边界还是没有解决第四象限的问题,也就是那些既不可统计又不可推理的事物,这个我们暂时解决不了。

      刚才讲的AI2.0解决的这些问题,在国家的发?#26500;?#21010;里面分成了五大基础方向和四大智能应用。五大基础方向分别是大数据人工智能、群体智能、跨媒体智能、人机混合增强智能和自主无人系?#22330;?#22235;大智能应用分别是智能制造、智能农业、智能医疗、智慧城?#23567;?/span>我们的工作重点是实现其中的大数据功能。

      五大基础方向要解决什?#27425;?#39064;呢?

      大数据智能。我们会发现,其实从信息经济向数字经济转变的过程,就是从人工知识到大数据驱动学习迈进的过程。

      跨媒体智能,是从单一数据到跨媒体认知、学习和推理,要解决就是包括视频信息、语音信息、?#35745;?#25991;本在内的各种各样的海量信息,这些知识怎么关联,怎么学习,怎么推理,这就是跨媒体智能要解决的问题。

      群体智能。AI1.0是个体智能,现在强调群体智能,个体解决不了,群体发挥作用。

      人机混合增强智能,大家经常看电影,X战警、未来战士都是人机混合,换上机械手臂变得非常强,这里就是一个混合增强智能。这个已经有很多研究成果,目前主要应用在人的康复等方面,比如用意念控制的机械手等。

      第五个是自主无人系统,包括无人汽车、无人战机等。这是新一代人工智能五大基础研究方向。

      大数据如何驱动新一代人工智能

      大数据是如何驱动人工智能的呢?随着社会发展,我们各种各样的信息和数据都在数?#21482;?#25968;字本身也在资产化,所以我们看到,大数据在人类社会,包括物理空间还有信息空间逐渐开始融合,我们把它叫做CPH空间。实体经济与虚拟经?#23186;?#23494;结合,比如智慧城?#23567;?#26234;慧医疗,这是海量数据带来的新挑战。

      在今年杭州市的一号工程文件里面,有一个数字经济倡议。数字经济是指以使用数?#21482;?#30340;知识和信息作为关键生产要素、以现代信息网络作为重要载体、以信息通信技术(ICT)的有效使用作为效率提升和经济结构优化的重要推动力的一系列经?#27809;?#21160;,这是2016年在杭州G20峰会发布的“数字经济倡议”里的定义。

      对于数字经济这个概念,马化腾提了5个特征。第一,数据成为驱动经济增长的核心要素。第二,数?#21482;?#30784;设施成为新的基础设施建设。第三,数字素养成为对劳动者和消费者的新要求。第?#27169;?#20379;给和需求的界限日益模糊。第五,人类社会、物理空间和网络空间日趋融合,很难分割,各种各样的东西都在数?#21482;?/span>

      从信息经济到数字经济,大数据驱动人工智能不断发展,主要为了建立驱动数据和知识引导的智能计算平台和方法,形成从数据到知识,从知识到智慧这样一个逐步上升的过程。其实,我们看人工智能发展的三个阶段,从计算智能到感知智能再到认知智能,本质就是从数据到知识再到智慧的过程。这是我们的大数据智能要解决的问题。

      人工智能如何影响金融业?

      在大数据驱动人工智能发展背景下,金融业也迎来了新的挑战和变革,我们把它叫做新金融。所谓的新金融是指,传统的金融业务在与互联网技术包括大数据、云计算、人工智能技术融合下,产生新的金融生态、金融服务模式和金融产品。

      新金融面临哪些挑战?我们把所有的金融都归纳成四个角色。第一个角色是资金需求方,第二个角色叫做资金供给方,第三个角色是金融中介,第四个是管理机构。这四个角色面临的四大挑战分别是安全、风控、获客、效率。人工智能怎么解决?金融怎么解决?它们之间互相碰撞,会产生什么样的火花呢?

      首先对于安全来说,主要包括几个维度的安全,一个是金融监管领域问题,第二个是金融本身的系统安全,包括我们整个金融系统在运营过程中产生的风险,第三是互联网本身的技术安全。

      第二是风控,各个金融机构,无论是银?#23567;?#20114;联网金融平台,还是私募基金、保险等,都会面临风控问题。传统做法是通过风险对冲,怎么对冲?银行最?#19981;?#20570;的是房产抵?#28023;?#39118;险对冲很容易。但是在互联网上,没有这些东西做抵?#28023;?#24590;么办?这个时候就要通过大数据和人工智能的方法。还有异常检测,通过大数据和人工智能为用户进行信用评估的时候,可能会碰?#35762;?#33391;分子攻击评估体系,所以会有异常检测。再有就是大数据征信。

      第三个挑战我们讲效率,人工智能和大数据在效率上能做什么呢?第一个是业务的自动化,比如美国高盛公司在金融中心的营业厅,以前有一百多人,现在可能只需要两三个人,因为全部都是数?#21482;?#26234;能化,根本不需要营业人员。第二就是中介会越来越少,会?#25381;?#21270;掉。

      第四个挑战是获客,获取服务和服务客户,这里面会涉及到人工智能。比如做客户大数据的画像,什么样的客户?#20197;?#24847;给他提供金融服务。第二个维度就是智能定价,同样的保?#23637;?#21496;,同一个险?#37073;?#21334;给不同的人可以是不一样的价格。第三是客服机器人。为什么客服机器人这么重要?我们都知道双十一这么多的用户,如果同时人工服务,可能要几千上万的客服才能解决,会碰到很多问题。但机器人基本上可以回答初步的问题。

      在解决过程中,不管做研究还是做产业,都会碰到一个挑战,就是大数据的挑战。

      传统的金融学和经济学基本上是通过抽样的方式来做样本分析,然后进行一些统计分析,数据量非常小。而且传统金融学和经济学的研究方?#38454;?#37325;因果关系的验证,先假设一个结论,通过数据分析最后来验证这个结论,所以它是基于假设检验和统计检验的统计方法。

      但是,在大数据背景下就不是这样了。以前讲信息不对称的博?#27169;?#29616;在变成了数据不对称的博弈。比如今年在杭州,很多互联网金融公司接入蚂蚁金服的数据,做很多业务,但是后来这个?#24184;?#20986;现了一些问题,蚂蚁金服把这个接口停掉,很多公司就没有办法做业务了,这个就是数据控制在谁的手里。

      第二,从相关关系到因果关系的深化。原来我们做数据分析的时候,可能经常听到是“啤酒加尿布”的概念,但是现在往往要深入到因果关系的挖掘层面。

      第三,在统计分析和建模过程中我们发现,传统的建模变量非常少,但是在新场景里,建模维度非常高,上万个维度都有可能。在这?#26234;?#20917;下我们怎?#21019;?#29702;,怎么降维,怎么找到核心特征,就变成现在很多产业、企业非常重视的问题。

      总之,对金融科技来讲,人工智能和大数据已经深刻影响了金融的方方面面,比如借贷,包括区块链和?#29992;?#24066;场、监管科技、个人金融,包括支付和结算、保险,还有金融市场、个人财富管理、转账、实物抵押等,不同的金融场景?#38469;?#21040;了大数据和人工智能的影响。(编辑:白帆)


      黑龙江十一选五手机版
      <div id="76gr7"><meter id="76gr7"></meter></div>
        <mark id="76gr7"></mark>
        <output id="76gr7"><button id="76gr7"><div id="76gr7"></div></button></output>

        <listing id="76gr7"><object id="76gr7"></object></listing>

        <listing id="76gr7"><i id="76gr7"></i></listing>

        1. <output id="76gr7"><pre id="76gr7"></pre></output>
          <meter id="76gr7"><delect id="76gr7"><dl id="76gr7"></dl></delect></meter>
          <small id="76gr7"></small>
        2. <div id="76gr7"><meter id="76gr7"></meter></div>
            <mark id="76gr7"></mark>
            <output id="76gr7"><button id="76gr7"><div id="76gr7"></div></button></output>

            <listing id="76gr7"><object id="76gr7"></object></listing>

            <listing id="76gr7"><i id="76gr7"></i></listing>

            1. <output id="76gr7"><pre id="76gr7"></pre></output>
              <meter id="76gr7"><delect id="76gr7"><dl id="76gr7"></dl></delect></meter>
              <small id="76gr7"></small>