网贷百科
网贷百科 >>所属分类 >> 网贷名词    金融科技   

人工智能

目录

[显示全部]

什么是人工智能 编辑本段 回目录

人工智能(ArtificialIntelligence),英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。它是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科,主要包括计算机实现智能的原理、制造类似于人脑智能的计算机,使计算机能实现更高层次的应用。人工智能将涉及到计算机科学、心理学、哲学和语言学等学科。可以说几乎是自然科学和社会科学的所有学科,其范围已远远超出了计算机科学的范畴,人工智能与思维科学的关系是实践和理论的关系,人工智能是处于思维科学的技术应用层次,是它的一个应用分支。从思维观点看,人工智能不仅限于逻辑思维,要考虑形象思维、灵感思维才能促进人工智能的突破性的发展,数学常被认为是多种学科的基础科学,数学也进入语言、思维领域,人工智能学科也必须借用数学工具,数学不仅在标准逻辑、模糊数学等范围发挥作用,数学进入人工智能学科,它们将互相促进而更快地发展。

人工智能的定义可以分为两部分,即“人工”和“智能”。关于什么是“智能”,词上的拆分为智慧和能力。可以把智能理解为获取知识的能力,这包括识别能力,推理演绎能力,归纳能力,统计与分析能力等,当然也包括对已经入手知识的补充和应用。这涉及到其它诸如意识(consciousness)、自我(self)、思维(mind)(包括无意识的思维)等等问题。人工智能研究人类智能活动的规律,构造具有一定智能的人工系统,研究如何让计算机去完成以往需要人的智力才能胜任的工作,也就是研究如何应用计算机的软硬件来模拟人类某些智能行为的基本理论、方法和技术。人工智能是类人行为,类人思考,理性的思考,理性的行动。人工智能的基础是哲学,数学,*,神经科学,心理学,计算机工程,控制论,语言学。人工智能的发展,经过了孕育,诞生,早期的热情,现实的困难等数个阶段。

人唯一了解的智能是人本身的智能,这是普遍认同的观点。但是我们对我们自身智能的理解都非常有限,对构成人的智能的必要元素也了解有限,所以就很难定义什么是“人工”制造的“智能”了。因此人工智能的研究往往涉及对人的智能本身的研究。其它关于动物或其它人造系统的智能也普遍被认为是人工智能相关的研究课题。研究人类的情绪波动或许在生物心理学或是生物学亦或是仿生学方面是重要的,但人工智能的研究更侧重体现在对智能的研究上。

人类造的智能实体,只是在标准和功能上要求与人的思考与认识水平相近或是超越人类,但并不代表这样的智能实体的运行模式和思考模式完全和人类相同,因为人从机器角度看的话漏洞更大。

人工智能是计算机学科的一个分支,二十世纪七十年代以来被称为世界三大尖端技术之一(空间技术、能源技术、人工智能)。也被认为是二十一世纪三大尖端技术(基因工程、纳米科学、人工智能)之一。这是因为近三十年来它获得了迅速的发展,在很多学科领域都获得了广泛应用,并取得了丰硕的成果,人工智能已逐步成为一个独立的分支,无论在理论和实践上都已自成一个系统。人工智能目前在计算机领域内,得到了愈加广泛的重视。并在机器人,经济***决策,控制系统,仿真系统中得到应用。

人工智能的分类 编辑本段 回目录

人工智能的一个比较流行的定义,也是该领域较早的定义,是由当时麻省理工学院的约翰·麦卡锡在1956年的达特矛斯会议上提出的:人工智能就是要让机器的行为看起来就像是人所表现出的智能行为一样。但是这个定义似乎忽略了强人工智能的可能性。另一个定义指人工智能是人造机器所表现出来的智能。总体来讲,目前对人工智能的定义大多可划分为四类,即机器“像人一样思考”、“像人一样行动”、“理性地思考”和“理性地行动”。这里“行动”应广义地理解为采取行动,或制定行动的决策,而不是肢体动作。

强人工智能

强人工智能观点认为有可能制造出真正能推理和解决问题的智能机器,并且,这样的机器能将被认为是有知觉的,有自我意识的。

强人工智能可以有两类:

类人的人工智能,即机器的思考和推理就像人的思维一样。 非类人的人工智能,即机器产生了和人完全不一样的知觉和意识,使用和人完全不一样的推理方式。

弱人工智能

弱人工智能观点认为不可能制造出能真正地推理和解决问题的智能机器,这些机器只不过看起来像是智能的,但是并不真正拥有智能,也不会有自主意识。

强人工智能的研究目前处于停滞不前的状态下。人工智能研究者不一定同意弱人工智能,也不一定在乎或者了解强人工智能和弱人工智能的内容与差别。就现下的人工智能研究领域来看,研究者已大量造出看起来像是智能的机器,获取相当丰硕的理论上和实质上的成果,如2009年康乃尔大学教授HodLipson和其博士研究生MichaelSchmidt研发出的Eureqa计算机程序,只要给予一些数据,这计算机程序自己只用几十个小时计算就推论出牛顿花费多年研究才发现的牛顿力学公式,等于只用几十个小时就自己重新发现牛顿力学公式,这计算机程序也能用来研究很多其他领域的科学问题上。

需要指出的是,弱人工智能并非和强人工智能完全对立,也就是说,即使强人工智能是可能的,弱人工智能仍然是有意义的。至少,今日的计算机能做的事,像算术运算等,在一百多年前是被认为很需要智能的。并且,即使强人工智能被证明为可能的,也不代表强人工智能必定能被研制出来。

对强人工智能的哲学争论

“强人工智能”一词最初是约翰·罗杰斯·希尔勒针对计算机和其它信息处理机器创造的,其定义为:“强人工智能观点认为计算机不仅是用来研究人的思维的一种工具;相反,只要运行适当的程序,计算机本身就是有思维的。”

关于强人工智能的争论,不同于更广义的一元论和二元论的争论。其争论要点是:如果一台机器的唯一工作原理就是转换编码数据,那么这台机器是不是有思维的?希尔勒认为这是不可能的。他举了个中文房间的例子来说明,如果机器仅仅是转换数据,而数据本身是对某些事情的一种编码表现,那么在不理解这一编码和这实际事情之间的对应关系的前提下,机器不可能对其处理的数据有任何理解。基于这一论点,希尔勒认为即使有机器通过了图灵测试,也不一定说明机器就真的像人一样有思维和意识。

也有哲学家持不同的观点。丹尼尔·丹尼特在其著作《意识的解释》里认为,人也不过是一台有灵魂的机器而已,为什么我们认为:“人可以有智能,而普通机器就不能”呢?他认为像上述的数据转换机器是有可能有思维和意识的。有的哲学家认为如果弱人工智能是可实现的,那么强人工智能也是可实现的。比如西蒙·布莱克本在其哲学入门教材Think里说道,一个人的看起来是“智能”的行动并不能真正说明这个人就真的是智能的。我永远不可能知道另一个人是否真的像我一样是智能的,还是说她/他仅仅是看起来是智能的。基于这个论点,既然弱人工智能认为可以令机器看起来像是智能的,那就不能完全否定这机器是真的有智能的。布莱克本认为这是一个主观认定的问题。

人工智能的发展历史、现状及前景 编辑本段 回目录

人工智能的发展历史。广义上,这个需要追溯到古代历史,因为在历史上我们总能看到人们对智能研究工作的闪光之处。但是我们狭义下的人工智能的发展史,而非逻辑史或智能史亦或其他能够构成此学科需要的学科的发展历史,要从20世纪40年代左右的时间开始算起。

一开始(人工智能)是从对神经网络研究工作开始的,这应该归功于弗格以及罗素和怀海特在数理逻辑上的工作以及图灵的计算理论。再到后来,1950年底一台神经网络计算机(SNARC)出世。再后来,人工智能的研究有了两个大致的方向,一开始处于劣势的利用神经网络进行人工智能开发的连接主义派和符号模型派。大约到1980年左右,神经网络才重新得到重视。事实上在这个时候之前,有过一段被称为人工智能的冬天的一段时期。

起初人工智能的商业化——商用专家系统R1服务于DEC并节省了这家数据设备公司一年几千万美元的不必要资金,这使得大家对人工智能的现状和发展过于乐观。那个时候几乎每个有能力的公司都会开一个属于自己的人工智能系统研发小组,但很多公司都因无法达到当时的预订目标而垮掉。

80年代,以纳维尔(Newell)为代表的研究学者总结了专家系统的成功经验,吸收了认知科学研究的最新成果,提出了作为通用智能基础的体系结构Soar。目前的Soar已经显示出强大的问题求解能力。在Soar中已实现了30多种搜索方法,实现了若干知识密集型任务(专家系统),如RI(用产生式规则表达知识,采用正向推理的控制结构,用OPSS语言写成。)等。目前绝大多数人工智能系统都是建立在物理符号系统假设之上的。在尚未出现能与物理符号系统假设相抗衡的新的人工智能理论之前,无论从设计原理还是从已取得的实验结果来看,Soar在探讨智能行为的一般特征和人类认知的具体特征的艰难征途上都取得了有特色的进展或成就,处在人工智能研究的前沿。

rooks提出了人工智能的一种新的途径,认为无需概念或者说无需符号表示,智能系统的能力可以逐步进化。在它的研究中突出4个概念:

1)所处的境遇,机器人不涉及抽象的描述,而是处在直接影响系统的行为的境地。

2)具体化,机器人有躯干,有直接来自周围世界的经验,他们的感官起作用后立即会有反馈。

3)智能,智能的来源不仅仅是限于计算装置,也是由于与周围进行交互的动态决定。

4)浮现,从系统与周围世界的交互以及有时候系统的部件间的交互浮现出智能。

大概在1990年左右,人工智能的一些问题得到较为满意的解决,而WEB的应用促使了AI产业的发展。AI的技术成为许多现有东西的基础,最普遍的搜索引擎,就是这样技术的最佳体现。但人工智能发展的同时也伴随着很多问题和很多质疑,譬如我们最近在网上看到的一些信息。比如据国外媒体报道,斯蒂芬·霍金曾警告“人工智能完全体的发展可能意味着人类的终结”,伊隆·马斯克担心人工智能的发展可能是人类生存面临的最大威胁,比尔·盖茨则提醒人们要小心人工智能。对于这些疑虑,人们会产生诸如此类的疑问甚至恐惧,但这也是正常的,进化必然伴随着风险与质疑,但不能因此而放弃向前推进。人工智能在今天有了更好的发展环境,大数据、数据挖掘、神经网络、云计算等炙手可热的技术则成为了AI技术发展的温床。

人工智能发展的利弊 编辑本段 回目录

人工智能发展的利

目前人工智能已经为人类创造出了非常可观的经济效益,人工智能可以代替人类做大量人类不想做、不能做的工作,而且机器犯错误的概率比人低,并且能够持续工作,***的提升工作效率,节约了大量的成本,未来的人工智能可能还会代替人类工作,代替人类做家务,帮助人类学习,甚至可以照顾老人和小孩,实时监护人类的健康,生病了直接给人来治疗,延长人类的寿命,让人类的生活变得越来越美好。

人工智能发展的弊

科技的发展是一把双刃剑,汽车分发明颠覆了传统的马车行业,人工智能的发展同样也将颠覆许多行业。机器人代替了许多人类的工作将导致大量的人口失业,机器新的学习速度远远快于人类,阿尔法狗战胜李世石引起人们的恐慌,有人说不怕阿尔法狗战胜李世石,怕的是阿尔法够故意输掉一局,如果未来的某一天,机器人变成像电影《机械姬》中有意识的机器人,那么人类随时会变成机器人的奴隶。同时,人工智能面临着技术失控的危险,霍金曾发出警告,人类面临一个不确定的未来,先进的人工智能设备能够独立思考,并适应环境变化,它们未来或将成为导致人类灭亡的终结者!如果真的有一天,人工智能机器人变成了能独立思考,独立的做出准确的判断,一旦有一天人工智能反客为主,到时人工智能对于人类将会是毁灭性的灾难。甚至被人工智能消灭。地球将被人工智能统治。

任何的科学技术的发展最大的威胁就是失去人类的控制,人工智能亦是如此,无论人工智能如何发展,都必须保证始终受人类控制,在不伤害人类的情况下服务于人类。这样人类才会更加容易的接受人工智能。人工智能改变了人们的生活,我们对人工智能应加以好的利用,同时要避免带来的弊端,人工智能与人类、与社会、与自然和谐相处,这样才能长远的发展。

人工智能的应用领域 编辑本段 回目录

1、问题求解

人工智能的第一大成就是下棋程序,在下棋程度中应用的某些技术,如向前看几步,把困难的问题分解成一些较容易的子问题,发展成为搜索和问题归纳这样的人工智能基本技术。今天的计算机程序已能够达到下各种方盘棋和国际象棋的锦标赛水平。但是,尚未解决包括人类棋手具有的但尚不能明确表达的能力。如国际象棋大师们洞察棋局的能力。另一个问题是涉及问题的原概念,在人工智能中叫问题表示的选择,人们常能找到某种思考问题的方法,从而使求解变易而解决该问题。到目前为止,人工智能程序已能知道如何考虑它们要解决的问题,即搜索解答空间,寻找较优解答。

2、逻辑推理与定理证明

逻辑推理是人工智能研究中最持久的领域之一,其中特别重要的是要找到一些方法,只把注意力集中在一个大型的数据库中的有关事实上,留意可信的证明,并在出现新信息时适时修正这些证明。对数学中臆测的题。定理寻找一个证明或反证,不仅需要有根据假设进行演绎的能力,而且许多非形式的工作,包括医疗诊断和信息检索都可以和定理证明问题一样加以形式化,因此,在人工智能方法的研究中定理证明是一个极其重要的论题。

3、自然语言处理

自然语言的处理是人工智能技术应用于实际领域的典型范例,经过多年艰苦努力,这一领域已获得了大量令人注目的成果。目前该领域的主要课题是:计算机系统如何以主题和对话情境为基础,注重大量的常识——世界知识和期望作用,生成和理解自然语言。这是一个极其复杂的编码和解码问题。

4、智能信息检索技术

信息获取和精化技术已成为当代计算机科学与技术研究中迫切需要研究的课题,将人工智能技术应用于这一领域的研究是人工智能走向广泛实际应用的契机与突破口。

5、专家系统

专家系统是目前人工智能中最活跃、最有成效的一个研究领域,它是一种具有特定领域内大量知识与经验的程序系统。近年来,在“专家系统”或“知识工程”的研究中已出现了成功和有效应用人工智能技术的趋势。人类专家由于具有丰富的知识,所以才能达到优异的解决问题的能力。那么计算机程序如果能体现和应用这些知识,也应该能解决人类专家所解决的问题,而且能帮助人类专家发现推理过程中出现的差错,现在这一点已被证实。如在矿物勘测、化学分析、规划和医学诊断方面,专家系统已经达到了人类专家的水平。成功的例子如:PROSPECTOR系统(用于地质学的专家系统)发现了一个钼矿沉积,价值超过1亿美元。DENDRL系统的性能已超过一般专家的水平,可供数百人在化学结构分析方面的使用。MYCIN系统可以对血液传染病的诊断治疗方案提供咨询意见。经正式鉴定结果,对患有细菌血液病、脑膜炎方面的诊断和提供治疗方案已超过了这方面的专家。

中国人工智能或实现“弯道超车” 编辑本段 回目录

记者走访多家高科技公司和科研院所了解到,中国人工智能产业发展已处在世界领先地位,但跟美国相比,在基础理论突破、芯片设计和算法、强人工智能应用等领域还有不少差距。不过,中国在人才储备、数据资源和市场需求上具有潜在优势,完全有可能实现“弯道超车”。

中国百度(B)、阿里巴巴(A)、腾讯(T)三巨头在人工智能领域的布局 编辑本段 回目录

当李彦宏、马云、马化腾在聊人工智能的时候,到底在聊些什么东西。如果要看这三家在人工智能层面的布局会发现,百度是一骑绝尘的实用主义者,阿里是浪漫洒脱的重商主义者,而腾讯则是尚处起步的蹒跚学步者。之所以会形成这样的态度其实和这三家具体的业务及历史有很大的关系。

百度:一骑绝尘的实用主义者

百度面对人工智能的浪潮最为热情,动作也最为激进。不过激进中可以发现,百度在人工智能领域的布局还是呈现了很强的规划性,整体路径也是从理论走向实用。

百度人工智能在短期产品、中期规划、长期愿景上并非孤立存在的,这是一套以人工智能(AI)、大数据(BigData)和云计算(CloudComputing)三大板块为核心的组合拳,也是从理论到实用落地的过程。也难怪百度的人工智能在BAT三家中布局最为完整,也走的最远,而李彦宏会说“堪比工业革命”。

自2013年1月李彦宏提出要设立深度学习研究院、4月设立硅谷人工智能实验室以来,人工智能就渐渐成为百度的战略发展方向。这种热情和百度过往的积淀有很大关系。

从搜索时{MOD}始,百度在数据积累最丰厚,手中握有一座金矿。百度相比于阿里、腾讯这两家的优势在于数据最全面,数据样本比较复杂,数据的广度和多样性上比较强。数据是人工智能的基础,而且搜索又是最容易形成数据和人工智能的。

用谷歌CEOLarryPage在纪录片《Google and the World Brain》中提到的一句话来说,搜索引擎是我们的主动意识与互联网世界之间最重要的连接方式,并且在长期数据积累、存储技术、云服务、超级计算和机器学习等方面具有独特优势,或许它们将成为最接近人工智能的互联网应用。百度做人工智能基本是顺势而为的举动。而且从2013年到2017年,这五年间,步伐比较明晰,一方面是基础技术的研发,另一方面则是短期产品、中期规划、长期愿景都已经铺开。

人工智能最基本的还是自然语言处理、计算机视觉、知识表示、自动推理(包括规划和决策)、机器学习等技术的融合,具体产品的落地都离不开这些技术,所以你不难理解,为何在人工智能方向确立初期,百度会成立深度学习研究院和人工智能实验室。这些看似“学院派”的内容恰恰是和产品落地、技术实用相辅相成的。就像李彦宏所说“它需要在理论上、算法上,在很多方面有长远的布局和突破,所以从那个时候开始,大规模地投入去吸引人才,去推进算法。”

事实上,百度在2014年也逐渐把短期产品以及中期规划铺开。百度识图这类短期产品逐渐诞生并小试牛刀,虽然说这些产品表面上看实用价值不大,但是却对于机器自我学习、数据收集有一定的帮助。百度人工智能真正的短期产品应该还是人工智能在金融、信息流甚至是以外卖为代表的生活服务业务上的运用。这些短期产品并非只会短暂存在一小段时间,而是人工智能和具体产业的当下结合,这种结合也代表了人工智能目前的实用性进展,而且还将长期存在、长期演进,甚至是是中期规划的一部分。

从中期规划上看,无人车为代表的人工智能项目也正在逐渐落地。百度天智平台则是基于百度大脑为各行各业打造的智能化业务系统,这些和产品密切结合的项目不仅仅需要百度自身的布局,更需要行业合作伙伴的配合。

这种开放甚至会逐渐推动未来的未来规划。人工智能不是BAT中哪一家的事情,未来20年到50年可能都是人工智能的爆发期、实用期,在这种时代大潮下,显然不是一个公司能够把所有的事情都做下来的。所以李彦宏说,能够提供平台,给一些没有这么多计算资源、不是有长远研发能力的机构,让他们去做他们擅长的,他们对于很多垂直领域可能比我们的了解更加深刻,让他们去做的话,会推动整个人工智能技术的发展。

长期规划层面上,百度云在在智能政务、智慧城市、智慧交通等公共事业领域同样在展开投入。目前来看,人工智能在这些领域可能只是出于初期,但是随着5G网络的迅速演进,这部分业务在未来一段时间也将会有很大的进展。

阿里:浪漫洒脱的重商主义者

之所以说阿里是浪漫洒脱的重商主义者,也和阿里的基因以及马云的远景有很大关系。阿里的根基在于零售业务,随着零售业务在线上面临瓶颈,阿里的业务正在逐渐走向与线下融合。菜鸟网络、农村淘宝这类业务表面上看虽然很艰辛,甚至有些逆互联网之道而行,但是从这背后可以看出阿里与国家经济命脉相结合的勇气,充满了浪漫主义的色彩。这种重商和浪漫的气息同样影响着阿里在人工智能层面上的布局。目前阿里的人工智能更多运用在电商、物流等零售服务业务体系内,如淘宝天猫、菜鸟网络、蚂蚁金服

阿里在人工智能领域的布局几乎都和自家业务有非常紧密的结合,尤其是在双十一,人工智能在菜鸟网络上的运用非常典型,人工智能通过对区域订单量的预判,提前布局仓储,提升了物流效率。而去年双十二,口碑在线下实体零售业、服务业的运用也是通过人工智能预判线下流量并展开业务导流。从这些案例来看,阿里的人工智能业务处处指向零售服务业务。这种指向中能看到某种精致的重商主义特色。不过,马云老师同样也有浪漫主义的远景,宣布开始推动“NASA”计划,着重发力机器学习、芯片、IoT、操作系统和生物识别

其实从中长期来看,阿里的人工智能体系会逐渐强调IoT的作用。阿里王坚博士在《在线》一书中说,互联网变成基础设施,数据变成新的生产资料,计算变成公共服务,这三者裂变的结果是新经济的出现。阿里云总裁胡晓明在深圳云栖大会上就曾提到“万物智能”概念。IoT正在逐渐影响着生产、制造、生活的方方面面。阿里云无进入医疗和制造领域,推出机器学习平台PAI2.0,都是为了让人工智能这门复杂而前沿的科学变得更加通用,为“万物智能”提供基础设施和智能引擎。这恰恰是在给制造业企业乃至学校、医院等一系列公共服务机构提供智能服务。

从这个体系来看,阿里的人工智能注重的是赋能商业,配合云计算、大数据对阿里的电商物流乃至物联网体系对具体的企业进行赋能,尤其是制造业企业。从这个角度来看,阿里和百度之间他们在长期愿景上其实存在很大的共识。但仔细来看,阿里更偏向于通过物联网以及人工智能给实体制造业带来更多帮助。过往阿里时常被称作是“实体经济的毒瘤”,甚至两会上这种言论都甚嚣尘上,这次马云在IT领袖峰会上也再一次驳斥这种观点。显然,“实体经济的毒瘤”这种观点存在很大的问题,而阿里希望发展人工智能、万物互联网,以此对实体制造业进行反哺,也是在为自己正名。

总而言之,阿里的人工智能是在阿里的DT和赋能话术体系下展开的。在阿里的战略体系之中,云计算一直都是电商、物联网的核心驱动力。而阿里的人工智能也是放在阿里DT大商业体系内,配合云计算、大数据对阿里的电商物流乃至物联网体系展开全面赋能。

腾讯:尚处起步的蹒跚学步者

和百度、阿里的人工智能普遍和具体业务相结合不同,腾讯的人工智能更多呈现了实验的性质。腾讯一直以来在人工智能的层面上都是闲敲棋子。这和腾讯的业务结构以及商业逻辑有很大的关系,腾讯的业务核心大多是一个个具体的产品,如社交APP或是游戏,这些业务不像百度、阿里,需要借助数据来提高效率。况且腾讯手握微信,在移动互联网时代非常安逸,对人工智能的迫切需求并不大,不像百度和阿里一样,对未来有着非常紧迫的危机感。而且在腾讯文化中,素来重视互联网产品,看得见摸得着的具体产品才是腾讯的基因,人工智能这种“虚无缥缈”而且需要长期投入的业务自然没有那么高的优先级

当然,随着人工智能的浪潮来临,腾讯也在逐渐布局人工智能。腾讯人工智能目前尚处起步阶段,所以腾讯的人工智能更多是以实验室的形式出现,包括公开宣传建立AILab,可以看出目前腾讯还在人搭建才团队。腾讯各个事业部的后端已经采用了人工智能的技术。而且前段时间围棋Ai绝艺的成功也是展现了腾讯在这一领域的野心。

其实从种种细节来看,今天腾讯在人工智能领域的布局更像是2013年的百度。对于腾讯而言,在人工智能领域更关注场景、大数据、计算能力和人才。马化腾说,如果没有场景落地,业务没办法往下走。业务部门的大数据,很多是XX数据,数据清洗和标签化难度很高,这里是一个混合的过程。以腾讯目前的实力来看,在人工智能领域最大的底牌还是腾讯云的积累,过去一年腾讯云多次展示了其人工智能、互联网金融、互联网医疗、云存储和流媒体等技术应用,腾讯同样瞄准了未来的市场。

云计算和产业连接可能才是人工智能的竞争核心。之所以说云计算是人工智能的核心。是因为云计算能为连接到云上设备终端提供强大的运算处理能力,以降低终端本身的复杂性,让数以兆计的各类物品的实时动态管理,智能分析变得可能。这种信息价值深度挖掘的方式,能够带动整个产业链和价值链的升级与跃进。

除了云计算之外,数据的整合同样重要。就像马化腾说的那句话一样,业务部门的大数据,很多是XX数据,数据清洗和标签化难度很高,这里是一个混合的过程。BAT虽然诞生了很多数据,但是大量数据都是非结构化的数据。这些散乱的数据存在不同的系统里,需要逐渐把它们联系起来,并把那些显性的和隐性的关联关系挖掘出来,最终让其变成可用的数据。当然,人工智能最重要的还是要和具体产业尤其是传统产业相结合,因为智能化的运用和拓展会带来社会生产方式的剧烈改变,届时会出现诸如智能制造、智能农业、智能国防、智能服务、智能电网、智慧城市、智能家居等新兴产业,这才是真正影响生活和社会未来的方向。

人工智能在中国金融领域 编辑本段 回目录

人工智能再次站到风口。2017年3月5日,“人工智能”首入XX工作报告。科技部官员表示,正在制定人工智能创新发展规划。早在2016年的3月份,一场AlphaGo与世界顶级围棋高手李世石的人机世纪对战,把全球推上了人工智能浪潮的新高。根据美国麻省理工学院的温斯顿教授的定义,人工智能就是构造具有一定智能的人工系统,去完成以往需要人的智力才能胜任的工作。继移动互联网之后,人工智能有望成为未来10年乃至更长时间内IT产业发展的焦点。

金融历来都是先进通信技术、网络技术的积极运用者,这一轮人工智能浪潮,金融机构同样不会缺席。这也与其面临的商务智能化转型压力密不可分。比如,传统数据处理模式无法适应大数据时代需求。大数据的高速发展,使银行业的*、交易数据、管理数据等均呈现爆炸式增长,传统数据库已无法满足大量半结构化,甚至非结构化数据的处理要求。再如,传统技术手段难以满足互联网时代客户需求。互联网金融市场中的客户一般都是主动寻找适合的网络平台,具有开放式网络平台、提倡交互式营销、重视客户个性化服务体验、金融服务与互联网移动通信技术高效融合,可以看做是互联网金融相较传统银行业来说最为鲜明的特点。

传统金融机构迫切需要构建商业智能应用体系。

结合目前行业发展趋势和国际金融业的实践,人工智能步入金融领域的主流玩法,可以分为五大类。

一是认知计算。认知计算可以让人们创造一种全新的价值,挖掘出大量数据中的答案和洞察。Watson是IBM推出的认知计算平台,它利用自然语言处理和机器学技术来挖掘大量非结构化数据内含的重要价值。目前我们所接触到的新闻报道、研究报告、社交网络、企业系统信息等80%的内容都是非结构化的数据,Watson更像是钢铁侠的个人助手贾维斯,它能听懂你说的每一句话,可以和你聊各种话题,针对不同问题给出多种解决方案。2015年,新加坡星展银行正式实施Watson技术。

二是虚拟现实(VR)和增强现实(AR)。VR技术借助声光电等感官介质(比如头显,Headset),向使用者提供视觉、听觉、触觉等感官模拟,让其有身临其境之感。虽然VR技术基于现实模拟,但通过计算机模拟场景、大数据模型处理之后,在原有的三维空间中还将呈现比现实维度更多的空间和知识,这种高级的VR技术被称为AR。美国富国银行已经使用Facebook的头戴显示器设备OculusRift,促使顾客与银行职员进行虚拟互动。

三是区块链简而言之,区块链能让原本没有信任基础的多方,在不用通过权威第三方介入的情况下,能够互相合作。简单来说,区块链就是一个产生信用的“机器”。世界上各大银行业巨头都加入了对区块连技术的研究与投资。2015年9月份,40多家国际银行共同发起成立了R3区块链联盟,致力于为银行提供探索区块链技术的渠道以及建立区块链概念性产品。

四是物联网。随着互联网的崛起和移动通信网的飞速发展,非计算机设备大规模接入互联网,物联网由此应运而生。顾名思义,物联网就是物物相连的互联网。物联网通过智能感知、识别技术与普适计算等通信感知技术,广泛应用于网络的融合中,也因此被称为继计算机、互联网之后世界信息产业发展的第三次浪潮。在移动金融、动产监管、追溯体系等物联网金融方面,国内多家银行均已积极展开实践。

五是智能机器人。大量金融机构的远程客户服务已经由大数据智能机器人来完成。此外,智能机器人在投资方面的应用价值也较高。近年来,智能投顾技术不断发展,行业的佼佼者们已经有了海量的统计数据和强势的品牌效用,把全球的投资资本拧成了一股绳。

人工智能在金融领域的运用,主要集中在3个方面:智能风控、监管科技和智能投顾。

人工智能+风控,这是一个奇妙的组合,也被业内认为,这是人工智能在金融领域最有想象力的环节。

在美国的信贷崛起时代,量化和大数据风控曾经备受推崇,其代表有美国发现金融、美国运通和CapitalOne。在中国,早期银行曾沿用这套风控体系。进入互联网金融时代后,经过几年风控缺失、放量狂奔的阶段之后,中国互联网金融开始回归金融的核心:风控。而这次风控回归,刚好与人工智能崛起的浪潮重叠,因此产生了一定的融合中国有机会,直接升级到人工智能风控时代。

传统金融体系搭建稳固的美国,就像一张已画上图画的画纸,而中国,就如一张白纸,更有纵情挥洒的空间。这也就是为何,中国支付行业能超越美国的原因。尽管前路光明,但目前中国人工智能+风控还尚在萌芽阶段,专注这个领域的第三方企业不多,一些公司内部,也正在试图自行搭建人工智能风控体系。目前,最有效的运用,就是小额、分散、纯线上操作的现金贷

传统的量化、大数据风控,流程是先由建模师从众多维度的变量中,找到一些有效的变量,组合成一个模型,再运用到实际中,不停地验证模型,迭代模型,将其称为人肉智能(HI)。而人工智能运行的方式,是给机器喂养大量数据,让它自行构建模型,最终输出一个结果。与美国相比,中国征信体系缺失,信贷数据不足,让人工智能更有发挥的空间。很多数据,与借贷都不是强关联性,而人工智能却能捕捉这种弱信号的数据,比如一个用户使用手机的习惯、行为数据,在人工智能眼里,都可以找到某种相关性。

人工智能在风控上的初次试水,让从业者充满期待,而另外两个领域的的运用,却要艰难许多。

监管科技,在美国等金融强监管的国家,运用得较为广泛,而在中国,只能说刚刚睁开了惺忪双眼。监管科技主要是两个模式:2B和2G。在美国,金融监管太过严苛,监管机构丝毫不敢懈怠,在美国实在不缺这样的故事:客户不满将公司告上法庭,直接将公司赔到破产。但美国的法规太复杂,且每个州的法规还不一样,金融机构就像进入*区,不知道什么时候就踩到*,蔡凯龙称,因此美国出现一些监管科技公司,保证金融公司合规,迈出的每一步都是安全的。

而在中国,2B的监管科技领域几乎是空白,是因为互联网金融的监管,才刚刚起步,远不到需要人工智能机器介入的地步。但中国慢慢进入金融强监管的时代,这片市场,前景可期,也值得布局。

而2G领域的运用,就是给XX部门提供监管技术,帮助他们管理和监控。在中国,2G布局的公司也不多,尚在起步阶段。“我们主要是帮监管层,提供一些追踪溯源的服务”,某监管科技公司的CEO称,比如,某次舆论爆发,或股票大涨,用人工智能去探寻,背后到底有哪些因素起作用。

监管科技刚刚起步,而智能投顾,已搭上了人工智能的快车一年多了。

所谓智能投顾,就是用机器人当“投资顾问”。国外美国智能投顾代表Wealthfront,目前已获得了12.9亿美元融资;国内,弥财、财鲸、理财魔方、蓝海智投等早期智能投顾项目,都获得了千万级融资。据知名管理咨询公司科尔尼预测,到2020年,智能理财市场规模将突破2.2万亿。看起来前景无限,但智能投顾在中国发展却举步维艰。最主要的原因,就是中国的投资环境,过于浮躁。智能投顾的优势,在于长期稳健的分散投资,是一个控制风险波动的产品。短期投资,智能投顾的优势并不能展现。

中国的理财者,主要分类两类:一类是股票散户,他们投机心理较重,对于这种长期的稳健的投资,根本不屑一顾。而另一类是被余额宝和P2P教育出来的理财用户,对于智能投顾年化率3-6%的表现,他们也看不上。最终,智能投顾成了一个“夹层产品”,不上不下,导致获客难上加难。如果智能投顾有一个“形象”,它应该是一个稳健、温和的机器人,它没有“摧枯拉朽”的力量,它倡导健康理性,也无法做到永胜不败。而这个温和的革命者,恐怕暂时还无法掀起惊涛骇浪。

然而,人工智能在金融的应用尚处在发展的初级阶段,如何应用这些最新成果还需要大量的摸索和试错。金融业内部数据处于割裂状态,业务条线、职能部门、渠道部门、风险部门等各个渠道获得的源数据无法进行一体化的采集、加工和分析,导致海量数据往往处于分散和“睡眠”状态,虽然金融行业拥有的数据量“富可敌国”,但真正利用时却“捉襟见肘”。此外,安全与隐私问题是人工智能发展过程中的一个关键问题。人们面临的威胁并不仅限于个人隐私泄露,保护对象不仅包括大数据自身,也包含通过大数据分析得到的知识。另外,人工智能尚未实现关键技术突破。目前智能硬件平台,服务机器人的智能水平、感知系统和对不同环境的适应能力受制于人工智能初级发展水平,短期内难以有接近人的推理学习和分析能力,难以具备接近人的判断力。

虽然如此,人工智能与金融的深度融合已初见端倪。金融行业的每一次发展,都与科技在其身上的应用有着莫大的关联。在金融领域,由于其服务的本质仍然是人与人之间的交流,人工智能带来的影响将是重新解构金融服务的生态。未来的金融行业将更接地气儿。在我国经济模式下,商业银行在市场经济中发挥重要的杠杆作用,因此,人工智能技术在银行客户服务中的引入及其与各项金融业务的深度融合势必成为商业银行经营转型的重要契机。

人工智能可能威胁人类的工作机会 编辑本段 回目录

支付宝启用人工智能客服能力媲美大学生

智能机器人的研发者是蚂蚁金服旗下的智能服务技术部,该团队包含10余人,专注于人工智能研发。而据了解,支付宝所用的新一代机器人只是起步阶段,还主要应用在花呗、余额宝、招财宝、密码等几项业务上,后续很快会应用到其他业务领域,覆盖所有的客服领域,最终成为金融顾问。

人工智能与量化投资联姻

由于人工智能与量化投资有许多共同点,传统的量化投资进入人工智能时代的条件已经具备。量化投资是指以数学模型代替人为主观判断,利用计算机数据从庞大的历史数据中选择出能带来超额收益的多种“大概率”事件以制定策略、做出决策。而人工智能与量化投资的共同之处在于,两者训练方式都是先通过样本数据训练好模型,再将实际数据输入到模型中,进行判断、预测以及决策。量化投资计入到人工智能时代的基础条件有两个,一是市场数据庞大,二是计算机软硬件水平飞速发展,能够处理足够海量的数据。传统的量化投资仅基于金融市场数据,在人工智能时代,数据范围将由金融市场数据扩展到其他非结构化数据(例如网络上的文本、图像、交易行为等数据)。人工智能算法可从非结构化数据中提取出有效信息。

事实上,在现实中,已经有著名对冲基金尝试。如英国的对冲基金Derwent于2011年建立了一个规模为4000万美元对冲基金,利用Twitter感知市场情绪,帮助公司投资。此外,桥水基金、文艺复兴科技公司等知名对冲基金,也已经在近年建立了人工智能团队或者通过人工智能进行投资。在国内,人工智能在证券投资中的应用刚刚起步。

自2016年以来,大数据成为基金市场的热门概念之一,自称大数据基金的产品也层出不穷。从产品介绍看,这类基金主打以互联网大数据为信息源头,以挖掘其中有用信息为主要选股标准。互联网中很多信息来源对于投资帮助很大,但因数量巨大,噪音(干扰信息)也特别多,导致大数据基金的业绩波动普遍较大。在应用数据的过程中,国内大数据基金的模型还有很多待完善的地方。

机器人投资专家将会到来

资产管理领域,另一个因人工智能概念大热的则是机器人投资顾问(下简称“机器人投顾”)。机器人投顾是指机器根据个人投资者的风险承受水平、收益以及风险偏好等要求,运用智能算法为投资者提供投资参考。

据花旗集团的最新研究报告显示,机器人投顾管理的资产规模已经从2012年几乎为零增加到2015年底的187亿美元。A.TKearney也预测,未来5年,机器人投顾的市场复合增长率将达到68%,到2020年,机器人投顾行业的资产管理规模有望突破2.2万亿美元

基金公司来看,以机器人投顾闻名的Wealthfront、Betterment两家基金公司截至2015年底,管理的基金规模分别达到29亿美元和30亿美元。

目前,国内也出现了弥财、平安一账通、百度股市通等主打机器人投顾概念的产品。与国外机器人投顾的投资标的ETF不同,国内大多数此类产品的投资标的A股,事实上起到“荐股”的功能。距离真正的智能机器人投顾还有一段距离。

尽管仍面临诸多挑战,人工智能技术飞速发展已是不争事实,其在资产管理行业的广泛应用也指日可待。人类在科幻电影中的种种想象或将又一次照进现实。当人工智能应用于资产管理行业,再谈及投资风险时,将不仅是市场风险流动性风险、操作风险,同时还有技术风险、网络风险和系统失控风险。

在金融领域,人工智能将要取代哪些人?大家的答案,几乎是一致的:信审、建模、底层数据员、分析员等等,这些机械、重复、创造性较低的工种。有些人已开始彷徨、开始恐慌——但我们总是高估了眼前的事情,低估了5年以后的事情。

中国央行:利用人工智能预警系统性金融风险 编辑本段 回目录

伴随着金融科技这个新事物,监管科技(RegTech)也被提上日程。中国人民银行金融研究所所长孙国峰表示,中国发展监管科技非常必要,未来监管当局可以从金融机构直接抓取底层数据,这样就不需要金融机构或者金融科技公司向监管当局报送数据了。

孙国峰表示,在中国发展RegTech非常有必要,除了满足监管需要的角度,还有一个很重要的现实问题,就是中国的金融市场比较大,发展速度快,跨行业、跨市场,有很多新的产品,很多创新,这些创新也隐含着一些金融风险,为了应对这些金融风险,需要加强金融监管。

“但金融监管的人力成本越来越高,面对这么大的市场,这么多的产品,这么多的金融机构和金融数据,单纯靠人力进行监管,恐怕难以满足监管的需要。所以,在中国,RegTech不仅可以用来监管Fintech的发展,还可以满足监管当局对金融风险进行识别、防范和划界能力的提升,”孙国峰表示。

孙国峰认为,在中国金融监管是最具有包容性的,金融机构和金融科技公司不一定有足够的研发RegTech技术的动力,所以在中国推动RegTech的发展,可能更主要的是从监管当局角度来推动。

RegTech具体可以应用在什么领域呢?

孙国峰指出,从国际看,主要是监管合规,也包括反洗钱、网络安全,在中国,除了这些方面以外,很重要一个应用的领域,就是防范金融风险,促进防范金融风险能力的提升。

人工智能可能成为监管科技的重要核心。孙国峰称,首先,发展RegTech,可以解决监管者的激励约束机制问题,避免由于缺乏必要的激励约束机制而导致的监管不力问题;其次,人工智能的引入,可以使得监管具有更高水平的全局优化计算能力;最后人工智能可以被用于预警系统性金融风险。

“我们人类发现不了的(风险),人工智能可以发现,”孙国峰说。

对于中国应该如何发展监管科技,孙国峰表示,在微观层面,要建立金融科技行业监管规则,要实现风险监管的全覆盖,避免监管空白,要进行穿透式监管,把资金来源中间环节和最终的投向,穿透连接起来。在此基础上,综合全链条信息判断业务属性和风险特征,执行相应的监管规则,可以积极探索分类分级监管,针对经营规模、技术和风险能力,不同的机构的业务准入、创新方面,采取分级分类的监管方式,提高监管效率。

而在宏观层面,要完善宏观审慎监管体系,孙国峰发现,金融机构如果都采取人工智能、自主学习的方式管理风险,一方面微观的金融风险可能增强,另外也可能导致顺周期行为,现在很多金融科技公司对客户风险的判断,通过大数据进行实时分析,出现一个冲击之后,反应速度可能是毫秒级的,“如果所有的金融机构、金融科技公司瞬间都采取同样一个行动,比如一个负面冲击来以后,同时收缩授信额度,那对金融业就是一个非常大的冲击。所以从这个角度说,要通过宏观审慎的监管,采取逆周期的操作,避免顺周期的风险。”

此外,还需要推动金融数据标准化,监管当局还要针对行业技术标准,有效规范市场准入、退出制定相关的规则和标准等。

谁来开发中国的RegTech系统,孙国峰表示有三种路径:

路径一:金融监管机构自身独立研究和开发RegTech的系统。

路径二:金融监管机构将RegTech系统的研究与开发外包,金融监管当局可以提出需求,专业的RegTech机构进行开发设计。

路径三:金融机构或Fintech公司开发RegTech系统,由金融监管机构进行选择和整合,包括评估,也可以聘用第三方评估公司进行评估,在这个基础上,形成适用于整个行业的RegTech系统。

谁来为RegTech的成本买单?

孙国峰认为有必要推动监管成本适度内部化,也就是说金融机构以及金融科技公司,适当分担监管当局发展RegTech的成本,“因为从Fintech(金融科技)行业的发展来说,为了有一个很好的监管环境,也有必要支付一些这种成本,可以把这种成本看作为了推动Fintech行业长期可持续健康发展的一个良好的外部环境所必需的。监管成本适度内部化,可以有助于解决监管的激励约束问题,也可以缓解金融监管中的不公平性问题。”
人工智能
人工智能


参考资料
[1].  中国人工智能或实现“弯道超车”   http://jjckb.xinhuanet.com/2017-08/31/c_136569622.htm
[2].  人工智能强势来袭 4个金融职业遭“撞击”或迎来下岗潮   http://www.wdzj.com/zhuanlan/guancha/17-4709-1.html
[3].  央行人士:利用人工智能 预警系统性金融风险   http://www.wdzj.com/news/hydongtai/242953.html
[4].  新金融截胡传统机构 百万年薪抢人工智能人才   http://www.wdzj.com/news/hydongtai/92839.html
[5].  P2P搭上人工智能快车?业内人士:还有一定距离   http://www.wdzj.com/news/hangye/76174.html
[6].  人工智能首入政府工作报告:和金融碰出新火花?   http://www.wdzj.com/news/hydongtai/76007.html
[7].  支付宝启用人工智能客服 能力媲美大学生   http://www.wdzj.com/news/hydongtai/22980.html
[8].  人工智能与量化投资联姻 投资机器人将会到来   http://www.wdzj.com/news/hydongtai/27855.html
[9].  你知道人工智能究竟是什么吗?   http://www.techweb.com.cn/column/2016-02-01/2271762.shtml

附件列表


词条内容仅供参考,如果您需要解决具体问题
(尤其在法律、医学等领域),建议您咨询相关领域专业人士。
0

词条信息

已删除
此用户已删除
词条创建者
已删除
此用户已删除
最近编辑者
  • 浏览次数: 10618 次
  • 编辑次数: 1次 历史版本
  • 更新时间: 2017-09-04

相关词条

相关帖子

关注我们

微信公众号wdzj-official