127
機器人
賦能財務與金融：人工智能的“關鍵技術＋核心能力”
人工智能通過“數據＋算力＋算法＋場景”的疊加效應，幫助企業更好地決策，將複雜的分析嵌入到日常的工作和交易場景中，使日益複雜的工作變得更加自動化，提高財資工作效率。
文 | 董興榮
來源 | 《財資中國|財富風尚》雜誌2017年10月刊
財資一家（微信號：TreasuryChina）原創首發
AI的構成要素：
數據、算力、算法、場景
人工智能的成熟離不開大數據的培育。AlphaGo的深度學習係統有70多層人工神經網絡， 每一層均為一個人工智能分析維度， AlphaGo的一流圍棋水平的根源來自其對2000萬局棋譜的“死記硬背”。由於深度學習算法模型依賴於大量數據的訓練，數據的數量和質量直接關係到人工智能的發展潛力、先進程度和可實現的場景。
一般而言，人工智能的四大構成要素是：海量數據、高性能運算能力、核心算法和應用場景。隨著CNN、RNN等算法成熟和GPU/FPGA對計算能力的提高，算法和算力瓶頸已突破，數據和場景成為人工智能發展的關鍵。數據成為重要的企業資產，趨勢已經開始顯現。大量的數據，特別是場景化、標簽化、交易性的數據獲得成為重中之重。而財務管理、財資管理和金融服務都是數據交互的中樞，也是企業經營的大數據中心。
數據化：大數據已經開始在預測分析、風險控製、風險定價、量化投資、決策支持等諸多領域展開實質性滲透。企業經營經過多年的數據發展和積累，無論是內部的財務數據、交易數據和資金數據，還是外部的供應鏈數據、投融資數據等，其數據數量、分析速度與數據種類都發生著極速的變化。隨著智能化工具和方式的不斷應用，再次擴充了數據的維度，使得可獲取的數據維度擴展到線下。大數據為人工智能的發展提供很大助力，因為一些人工智能技術會使用統計模型進行數據分析推理，例如圖像、文本或語音。通過大數據來驗證這些模型，可以使模型得到改進或者“訓練”。
——大數據是財資管理的核心。在大數據時代，大數據必將觸及財資管理的核心：風控、交易、量化、定價、決策。
——大數據＋機器學習是財資經營的未來。在人工智能時代，機器學習和深度學習領域已取得重大突破，可以賦予機器財資認知及預測能力。
——重新定義財資管理的職責。協助管理數據從原係統到大數據係統的轉移，建立大數據樞紐中心；與IT、業務部門等密切配合，將分散孤立的數據進行有效整合，建立大數據聚合中心；與產業鏈、外部資本市場進行數據連接，建立大數據交易中心。
場景化：場景化、行業化是財資管理的發展方向，也是金融服務與實體經濟結合的必然需求。財資與金融場景化的過程中，會將複雜的工作流程、工作內容和金融產品進行再造，讓財資管理需求、企業金融需求與各種場景進行融合，實現信息流的場景化、動態化，通過人工智能技術讓風控和預測變得更加精確，使現金流處於可視、可控狀態。從金融服務而言，也是實現從獲客、產品到風險控製完整閉環的必然需求。規模化和個性化是相悖的，通過人工智能，則可以用更高的效率滿足廣泛用戶的差異化需求，實現充分的個性化。
AI的關鍵技術：
機器學習、自然語言處理、圖譜計算、智能機器人等
當前，人工智能已經發展成為一門擁有龐大技術體係的分支。包括了深度學習、機器學習、機器視覺、神經網絡、自然語言處理等多個細分領域。下圖展示了目前主流的人工智能技術和研究領域。
人工智能關鍵技術
來源：Narrative Science via Invormation Week
-
深度學習技術：深度學習的概念由Hinton等人於2006年提出。深度學習可以有人監督（需要人工幹預來培訓基本模型的演進），也可以無人監督（通過自我評估自動改進模型）。深度學習目前廣泛運用於各類場合，在財資管理領域，如可以通過深度學習來進行現金流預測和頭寸智能化管理。
-
循症技術：指應用AI技術為醫療診斷提供輔助，基本方法是將病人情況和醫學數據庫進行數據挖掘和匹配，降低醫療人員主觀失誤的概率乃至最終完全取代人工醫療。在財務和金融領域，可以用於管理診斷、交易事故審查和合規性審計。
-
推薦引擎：推薦係統是一種信息過濾係統，用於預測用戶對物品的“評分”或“偏好”。推薦係統可用於支付結算中智能路由的設計，以及金融超市和賣場中交易的智能撮合。
-
機器學習係統：機器學習是一門多領域交叉學科，專門研究計算機怎樣模擬或實現人類的學習行為， 以獲取新的知識或技能。深度學習技術是機器學習各項技術中發展最旺盛也是最成功的一個分支。我們常說的人工神經網絡是機器學習中的一種算法。機器學習的其他算法包括聚類算法、貝葉斯算法等。在量化交易、智能投資和智能風控中，往往會應用機器學習技術。
-
預測分析：是指一類對數據假設的預測性分析。其表現在使用數據挖掘技術、曆史數據和對未來狀況的假設，來預測未來的可能性。如應收賬款分析、現金流預測，以及未來金融市場的匯率、利率等的波動。
-
規範性分析：大數據技術的一個分支，指基於盡可能獲得的數據和計算得到確切的最優方案，以模擬或超越人腦的決策能力。該技術目前正處於相當早期階段。
-
自然語言處理和文本挖掘技術：泛指各類通過處理自然的語言數據並轉化為電腦可以“理解”的數據技術。自然語言處理一方麵可以輔助財務共享服務中心進行客戶服務；另一方麵，結合自然語言技術，便利知識管理和智能搜索。
-
自然語言產生技術：指將電腦與人類通過自然語言的方式交互的技術，核心是將電腦計算的二進製結果轉化為人類可以快速方便理解的語音/文字交互的載體。
機器學習是人工智能的核心技術，指從數據中自動分析獲得規律，並利用規律對未知數據進行預測的技術，是計算機具有智能的根本途徑。機器學習中一個重要分支就是深度學習技術，其已經遍及人工智能的各個領域，它的工作流程表現為利用感知層產生大數據，進而進行數據分析處理，處理後數據最後反哺給前台應用係統，使得係統做出相應的反應。
機器學習的常用方法與分類
機器學習往往遵循一些基本的流程，主要步驟包括：數據獲取、特征提取、數據轉換、模型訓練、模型選擇和模型預測。數據獲取可以通過數據庫以及網絡爬蟲技術，途徑日趨多元化。特征提取基於人的經驗和探索，優質的特征能夠起到事半功倍的效果。數據轉換包括缺失值填充、標準化和降維。機器學習模型可分為監督學習和非監督學習。模型選擇通常借助交互驗證和一係列評價指標。
下期您將看到
《場景為王+行業應用：“人工智能+財資”，重塑財務與金融的服務方式和生態》
人工智能正迅速應用於諸多行業，其影響從語音識別、自動駕駛汽車遍布到金融交易、智能財務領域。機器學習算法如今被普遍嵌入到網絡協同工作和智能客戶中；數字化設備和聯網傳感器的數據處理和數據流傳輸能力已大幅提升，持續改善人工智能的表現；機器基本上能夠識別特定的語音和圖像，可以大致理解人類的溝通。機器通過破解語言和視覺，已進入到現實世界中。
你可能還喜歡
關注財資一家（微信號：TreasuryChina），在線訂閱《財資中國|財富風尚》雜誌，獲取更多公司金融、資金管理、現金管理、支付結算、企業理財、風險管理、資產管理、企業財富管理等方麵的原創幹貨。加財資君微信：treasury-westlake，進微信群與CFO、財務總監交流。
覺得本文不錯，請分享並點讚！
最後更新：2017-10-31 22:42:31