浅析是什么意思(浅论或浅析是什么意思)

微博实时号养成 2022年08月19日 16:12 255 admin

人工智能的概念目前在金融领域炒得很火爆，但凡和科技金融有点关联的创新都被冠以人工智能的标签，如一些简单的数据过滤、跟踪，又或是创新的数据呈现。这些功能在一定程度上解决了重复工作问题，并大大提高了工作的效率，但这种程度的创新，更加强调的是提高智能化的“能”，而非“智”。所谓的智能化，应该更关注的是机器学习和数据决策，更多的是像人一样在工作过程中能让自身的能力不断提升和多样化，真正地进行预测、分类、聚类、策略等等，提供深度的洞察，这些都需要长期深入的训练才有可能得到的技能，而非固定了一个功能机械性的不断重复。

即便我们定义了人工智能的范围，智能化在金融领域可以用到的场景也非常的多，就如同金融领域可以提供给人的工作内容一样多。而以当前的人工智能科研能力，能专注在一两个点上就已经需要耗费非常多的人力和物力了，不可能做到广撒网。所以在行业内对这个概念炒得很热，且人人都要智能化的非常时期，我觉得我们更多的是需要一个冷静的思考，主要需要考虑两个问题：

浅析是什么意思(浅论或浅析是什么意思)

为了智能而智能，而不是“为了服务好用户、创造高的利润采用了智能方法”。当我们一心只投入到了过程中，却忘记了最终的目的与投入产出，很可能我们就迷失了。

是否所有功能都需要智能。智能的目标首先是『服务』而其次是『产品』。如果把智能做成了金融产品，很可能会和传统的理财产品一样，无法获得所有用户的认可。

明确了上面两个问题，关于未来智能化要做的事情，可以更多的从当前的实际智能化水平和业务来出发，让目标可量化，让过程更简单，同时让结果可预期。

当前我司正在构建的大数据平台，正是人工智能的基础，通过对数据模型的提炼来满足业务的实际需求，对数据的处理，可以使用很基础的知识图谱理论来进行，知识图谱可以分为四大块：

知识提取

这一块主要是从自然语言处理的角度来看的。比如说，我们现在有股转书或者研报，研报里面有很多表格。把这些表格的数据提取出来，就叫自然语言处理的技术。我们从非结构化的数据里，把数据信息结构化，也就是知识提取。

知识表现

我们拿到了一些数据之后，怎么进行有效处理。尤其是背后有意义的数据，像股权关系网络里面，股东A和股东B之间有亲属关系，他的兄弟们、同学们，这些关系是什么意思？这是一种知识，我们要有一种方法，让机器更方便地进行自动处理，这一部分就叫知识表现。

知识存储

刚才提到了图数据库。图数据库是知识存储的一个分支，还有很多其他数据库，比如RDF数据库，还有混合的结构化和非结构化数据的管理。

知识检索

有时候也叫语义检索。即对某个词组的长尾关联检索。

这个分析过程可以应用到当前很多业务的行为过程中，比如投研的分析过程就可以套用这个分析理论来建模：

搜索。比如说百度搜索。有时候可能是通过线下聊天或者微信，听说这个行业不错。大家看看这个行业有哪些公司，比如说珠宝这个行业，我在搜索里去搜珠宝，绕过了前面若干个不该点击的链接之后，找到了一个正确的链接。然后在这个链接里头，我们找到了一篇文章说珠宝行业里面有8家公司可以看。

找数据。这8家企业的数据在哪儿呢？打开一个金融终端，把里面的数据提取出来。可能一年的数据不够，那么把过去几年的都拎出来，然后一年一年地给筛出来。

把这些数据扔到EXCEL表格里。有些表头，还有一些公式也都是事先定义好的，他们每天都要做这件事。我们之前还遇到了一个人，他每周一都要发布一个新的EXCEL，里面包含股转中心中的新三板在审企业。这些企业有1000多个，每周一下午三点的时候发布。他每周一下载下来之后，把数据调出来，用以前定义好的模板把EXCEL表格填出来。每一个周一要花三个小时做这个事情。他怎么过滤数据，都是他自己的世界观。

呈现。他拿到了数据，要写PPT、做报告、画图、画表，然后看风险点，各种进一步分析。

当然这只是非常简化的一个过程，实际的研究过程可能会比这复杂很多，而且是迭代的过程。这里也没有包括那些非案头的工作，如打电话和现场调研。

在这四步里，其实每一步都能看到，人80%的时间在做的是在把一些文字、数字从一些地方挪到另外一个地方。这些事情可以用机器来智能替换。这就是人工智能在上面能够起到的作用。每一个层面上，我们可以用语义联想来做搜索，做行业对标简化发现细分行业的问题。我们可以用微信机器人，在微信里快速寻找数据。有报道的摘要、产业链的分析、数据的集成等等。一系列的算法，可以在每一个细节上面提高分析师的效率。这个就是人工智能在初期可以实际提高工作效率的一个过程。

浅析是什么意思(浅论或浅析是什么意思)