通联数据蒋龙:机器人分析师或成可能 人工智能存难点
2018-08-27 14:50:06爱云资讯阅读量：574
通联数据首席科学家蒋龙
蒋龙认为，人工智能在金融领域当今的运用是很多的，在投资领域中主要用于投资研究和服务两方面，现在依然存在难点。未来，他希望金融机构和科研机构更多合作，努力推动金融技术创新。
人工智能近十年发展飞快 未来机器人(16.690,0.32,1.95%)分析师或成可能
近十年来，人工智能发展飞快，在感知领域，如图像识别、语音识别等众多领域有了长远的发展。在信息抽取，机器翻译，阅读理解领域进步也较快，已经可以在特定场景下帮助人们提升工作和沟通效率。
在蒋龙看来，这些都是十分令人欣喜的，但另一方面，在认知领域，如文本语义理解、基于知识的推理等方面，人工智能的水平还是落后人类很远。
“目前美国在人工智能领域一直处在绝对的领先地位，中国起步晚，但是得益于互联网的快速普及和人才的积累，中国的人工智能发展很快，总体水平我认为目前仅次于美国，这点在学术界的产出方面已经体现得很明显。”蒋龙称。
与此同时，人工智能在金融领域的应用场景很多，比如信贷领域的信用评估，自动反欺诈，保险领域的个性化保险定价，智能车险出险定损；资管领域的智能投研，算法交易，智能投顾等。
对于金融机构而言，智能营销，智能客服等较通用的人工智能技术也可以大大提升机构的运营和服务效率。蒋龙表示，未来，当人工智能技术进一步发展的时候，机器人分析师，机器人基金经理等都将成为可能。
投资领域主要用于投资研究和服务 存在难点
跟其他领域的人工智能运用相比，人工智能在金融领域运用最大的不同是对大规模跨领域知识的依赖。另外，“预测和决策的对错，有时候并不存在及时且简单的衡量标准，这对于人工智能学习也带来很大挑战”蒋龙称。
现阶段在投资领域，人工智能主要应用在投资研究和投资服务两方面，前者主要是辅助投资或交易决策的形成，包括对海量文本、图像信息的理解，各种信息的关联聚合，对信息的理解和影响面推理，对经济指标和资本市场核心变量的预测等。投资服务方面的应用主要是智能投顾，智能客服，个性化推荐等技术。
而至于难点，投资研究方面主要是投资决策的形成需要深度的语义理解，并结合人类知识进行周密的推理，而在知识的理解和推理方面，人工智能目前的技术水平还相对落后很多。此外，很多投资决策的对错通常没有非常及时量化的标准衡量，所以人工智能的反馈学习方法得不到最大程度的发挥。
智能投顾方面的难点在于一方面对用户需求难以准确理解，目前用户投资需求画像缺乏大规模高质量的数据用以训练人工智能模型。另外，智能投顾的顾问效果也依赖于智能投研的结论。
希望金融机构和科研机构更多合作 推动创新
而谈到未来，蒋龙有着自己的看法，“如果金融机构和科研机构有更多的合作，开发真实的数据和场景，我相信对于推动金融技术创新是大有作用的”。
金融对国计民生影响甚大，一方面金融领域的一小点进步就会给国家和人民带来巨大的福利因此，他鼓励金融机构及其从业人员勇于创新，但另一方面，因为金融创新影响重大，所以也需要格外强调稳健。“金融领域的创新需要更加严格测试检验，不能像其他某些领域那样一边试错一边普及。”他说。
同时，随着低智力附加值工作越来越多被机器所替代，更多的人会从事高附加值工作，金融领域，尤其是投资领域提供了大量的此类工作。他建议教育机构可以提前规划，为未来培养更多的分析人才。
嘉宾简介
蒋龙，通联数据首席科学家，毕业于北京大学，曾任微软亚洲研究院副研究员、阿里巴巴高级算法专家，曾负责阿里妈妈技术部机器学习、NLP、推荐及Rank模型团队。
专注于机器学习、自然语言处理、搜索算法、广告投放算法等研究领域，在AAAI、KDD、ACL、SIGIR等国际顶级会议，IEEE Trans． Knowl． Data． Eng．、ACM． Trans． Inf． Syst．等国际顶级期刊上发表过十余篇论文，拥有多项中美发明专利。
具体采访实录如下：
新浪财经：人工智能的发展，到了一个什么阶段？您重点研究哪个领域，发展状况如何？ 中美欧日等国，人工智能发展有何特点？中国的水平，在国际上看，处于什么地位？
通联数据首席科学家蒋龙：人工智能最近十年发展很快，在感知领域，如图像识别、语音识别等领域的多种场景中，已经超过人类的平均水平，在类似围棋式的依赖大量计算且问题清晰定义的计算场景，人工智能也已经超过人类水平。但是在认知领域，如文本语义理解、基于知识的推理等方面，人工智能的水平还是落后人类很远。
我主要研究自然语言处理、机器学习技术及应用。自然语言处理领域，在信息抽取，机器翻译，阅读理解领域，最近人工智能进步较快，已经可以在特定场景下帮助人们提升工作和沟通效率。
美国在人工智能领域一直处在绝对的领先地位，中国起步晚，但是得益于互联网的快速普及和人才的积累，中国的人工智能发展很快，总体水平我认为目前仅次于美国，这点在学术界的产出方面已经体现得很明显。
新浪财经： 当前，人工智能在金融领域的应用场景有哪些？未来还有那些新的场景有待挖掘？人工智能在金融领域的运用，与在其他方面的应用，最大的不同是什么？（例如，与阿尔法狗、无人驾驶等相比较）
通联数据首席科学家蒋龙：人工智能在金融领域的应用场景很多，比如信贷领域的信用评估，自动反欺诈，保险领域的个性化保险定价，智能车险出险定损；资管领域的智能投研，算法交易，智能投顾等；这些都是人工智能技术和金融特有场景结合的案例。除此以外，对于金融机构而言，智能营销，智能客服等较通用的人工智能技术也可以大大提升机构的运营和服务效率。
未来，当人工智能技术进一步发展的时候，机器人分析师，机器人基金经理等都将成为可能。
人工智能在金融领域的应用主要围绕预测和决策两个问题在推进，这里的预测既包括宏观经济和社会发展趋势的判断，又包括人们生活消费方式的变化，甚至个人的偏好。预测和决策都需要综合考虑各种信息，依赖大量的人类知识来完成。跟其他领域的人工智能运用相比，最大的不同是对大规模跨领域知识的依赖。另外，预测和决策的对错，有时候并不存在及时且简单的衡量标准，这对于人工智能学习也带来很大挑战；
新浪财经：投资领域，人工智能有哪些应用？难点在哪里？
通联数据首席科学家蒋龙：投资领域，人工智能主要应用在投资研究和投资服务两方面，前者主要是辅助投资或交易决策的形成，包括对海量文本、图像信息的理解，各种信息的关联聚合，对信息的理解和影响面推理，对经济指标和资本市场核心变量的预测等。
难点主要是投资决策的形成需要深度的语义理解，并结合人类知识进行周密的推理，而在知识的理解和推理方面，人工智能目前的技术水平还相对落后很多。此外，很多投资决策的对错通常没有非常及时量化的标准衡量，所以人工智能的反馈学习方法得不到最大程度的发挥。
投资服务方面的应用主要是智能投顾，智能客服，个性化推荐等技术。智能投顾的难点在于一方面对用户需求难以准确理解，目前用户投资需求画像缺乏大规模高质量的数据用以训练人工智能模型。另外，智能投顾的顾问效果也依赖于智能投研的结论。
智能客服和个性化推荐的难点跟这两个技术在其他领域的应用类似。
新浪财经： 此次全球智能投资大赛您有什么感触？意义何在？最吸引您的地方是什么？
通联数据首席科学家蒋龙：选手报名参赛的热情让我感触最深。我没想到短短两个月内，大赛就吸引到来自22个国家，超过4800名选手参与。
我猜测选手报名的热情主要是人工智能和真实投资场景结合的赛题非常有吸引力，我知道很多工程师都对投资预测非常感兴趣，但之前却很少有利用真实资本市场数据进行投资场景的人工智能技术比赛，所以这次的比赛算得上是一个里程碑。
通过这次大赛，很多对投资和人工智能技术感兴趣的人，可以利用真实数据，真切体验投资分析和预测的难度，有利于他们判断自己是否未来可以把职业生涯定位在投资科技领域，对于投资行业来讲，来自全球各地各个不同背景的技术人才的解题思路，也会给这个行业的技术创新带来新的启发。
新浪财经：本次活动期间，众多的参赛队伍和参赛作品中，有没有让您“耳目一新”的作品？
通联数据首席科学家蒋龙：这次大赛选手参与的积极性超过了我的预期，在参赛作品方面，选手充分发挥自己的才能和天赋，很多选手在数据处理、模型构建上面都别具匠心，比如有位选手把机器学习模型和时间序列模型进行结合，基于机器学习模型（GBDT）做特征提取，再用多元时间序列模型进行预测，这样充分发挥各个模型的特色，做出的结果也比较好。
新浪财经：在您看来，本次大赛中，国内参赛机构与国外参赛机构对比，学术机构（学生、教职工）与公司职员对比，在理念、作品等方面，分别有什么优势劣势？
通联数据首席科学家蒋龙：1）国内vs国外：从数据来看，国内参赛选手占大多数（85%），可能与他们更了解国内股票市场、更熟悉数据有关，作品在表现上也更严谨，排名靠前的选手主要也是国内选手。2）学术机构vs公司职员：学术机构里面主要是学生参赛比例较高，普遍的感觉是大家所用的模型和方法各异，由于业务场景接触的少，提出的问题也比较多；公司职员使用的模型相对单一，在数据处理上逻辑也相对比较清晰。
新浪财经：关于人工智能在金融领域的发展，您对相关的教育机构、科研机构、企业、以及政策制定等，分别有什么意见与建议？
通联数据首席科学家蒋龙：金融领域相对来说是比较封闭，金融领域的很多核心问题外界都不了解，也没有真实的数据可以实验，如果金融机构和科研机构有更多的合作，开发真实的数据和场景，我相信对于推动金融技术创新是大有作用的。
金融对国计民生影响甚大，一方面金融领域的一小点进步就会给国家和人民带来巨大的福利，所以作为金融机构及其从业人员，大家要勇于创新，努力进取。但另一方面，因为金融创新影响重大，所以也需要格外强调稳健。金融领域的创新需要更加严格测试检验，不能像其他某些领域那样一边试错一边普及。
随着低智力附加值工作越来越多被机器所替代，更多的人会从事高附加值工作，金融领域，尤其是投资领域提供了大量的此类工作。所以我建议教育机构可以提前规划，为未来培养更多的分析人才。
新浪财经：贵司与彭博数据、wind、东财choice等定位有何异同？金融科技的发展过程中，数据起到了什么样的作用？
通联数据首席科学家蒋龙：数据是做投资的原料，也是人工智能发展的前提，有了大数据才有人工智能技术的发展。
通联数据是一家金融科技公司，而不是传统的数据供应商。我们在数据基础之上运用前沿的技术建立了智能投资管理服务平台，将人工智能应用于投资领域，促进人和机器之间的协作，来大幅度提高投资管理行业的效率。
不同于传统的金融数据库，通联数据的数据来源也更加多样化，不仅有交易所数据等传统数据，也和拥有数据的企业、行业协会合作，引入他们的私有化数据。此外，互联网上有大量的数据，网站、论坛、微信、微博等，我们用自然语言处理的方式采集这些数据，通过机器学习、自然语言处理，对数据进行处理分析，提取我们需要的信息。
新浪财经：贵司的人工智能、金融科技发展状况如何？
通联数据首席科学家蒋龙：通联数据一直致力于将人工智能、大数据、云计算等信息技术和专业的投资理念相结合，打造国际领先的金融服务平台。我们正在尝试将人工智能嵌入投资管理的各个环节，用技术帮助投资者做信息处理、数据分析，提升工作效率；教机器学习，帮助投资者构建知识图谱和模型；帮助金融机构高效、精准、智能的服务千万级用户等等。
这些探索是具备开创性和领先性的，获得了行业的广泛认可。目前，通联数据已为两千余家海内外金融机构提供服务。
新浪财经：当前市场上有许多公司打着金融科技的招牌，如何辨别真假虚实？
金融科技涵盖很多领域，简单的来说，就是看这些公司是否在尝试用最新的技术解决金融领域的核心问题，如投资管理、信用评估，资产定价，风险控制等。
