螃蟹蒸几分钟人工智能大热，各大互联网公司都争先投入大量资源，但也有人持怀疑的态度，这会不会又是一次被吹大的泡沫？的确，人工智能的概念曾经火过很多次，但这次大热，背后是大数据时代的崛起，而且过去产生了大量数据，这为人工智能的发展奠定了殷实的基础，人工智能将会是未来最大的机会。

　　人工智能是一个更好的数据处理和利用数据来建立模型的技术手段。它的产生是因为三大趋势的汇聚：第一，计算能力。计算能力在过去几十年按照摩尔定律在增长，也就是18个月翻一倍，通过分布式计算、并行计算，我们过去无法进行的计算现在都可以计算了。第二，大量数据的产生。随着大数据时代的到来，互联网、金融甚至是制造业都产生了大量数据，包括大量联网的系统产生的数据以及线下数据线上化，人工智能可以汇聚大量数据样本得到学习。第三，机器学习算法的更新。在面对人工智能这波浪潮，基于现有的资源，我们应该做出怎么的应对？由于本人主要的工作是数据，我结合推动人工智能发展的三个方面，从数据处理出发做了以下几点应用场景的思考。

　　人工智能时代已开启，但目前的人工智能大部分应用主要集中在大数据技术层面，通过对数据分析，洞察数据的潜在价值，得出相应的规律，从而指导决策，而真正的人工智能是机器自身具备数据收集、处理和分析，并对算法不断自我优化的能力，如何通过大数据应用实现人工智能还需走一段很长的路，而我们目前要做的则是不断提高大数据技术能力，为人工智能打下基础。机器学习是建立在大数据之上的方法论或者模型，那么数据质量和数据全面性则很大程度决定了学习的准确度。数据质量控制是大数据平台建设必不可少的一环，而数据全面性则需要在大数据建设过程中下功夫丰富我们的数据获取手段。我们内部数据和市场数据可以理解为数字，这部分数据是结构化的，基于数字建立的模型存在一定的局限性，而引入新闻、政策、语音、社交网络等文本信息，并将这些非结构化数据结构化，把握市场动态，相信可以使得模型更加准确。所以在人工智能背景下的大数据必须具备文本数据挖掘、网络爬虫、自然语言处理和高性能并行计算的能力。

　　机器擅长数据整合和生产报表，而且可靠性、准确性和速度要远大于人。报表需求沟通和报表输出都非常耗时耗力，而且都是事后数据报表。基于大数据平台，可建立一套数据报表、数据分析、数据挖掘的报表工具。在报表工具背后可整合各独立系统的数据，多维度分析、挖掘和获取任何历史数据，设计规则将各种指标起来，组成指标关系网。而这层关系网不是由开发人员去设计，而是工具提供基础指标或者基础信息，让公司高管、基金经理或者研究员根据自己敏感的投资或者风险嗅觉建立自己的规则，可以是投资组合的逻辑规则，也可以是风控绩效评估的规则等，并通过结果反馈不断优化。规则运算后，通过多样化直观的报表输出，在事前事后做好风控的把握。

　　基于大数台的计算和数据收集能力，将海量数据融合，并在之上建立业务规则，将各个信息孤岛串联，组合一个庞大的数据地图，市场信息、证券信息、公司信息、零售机构客户信息等等，彼此之间的关系在这个地图下一目了然，同时关联的财务、新闻等数据不断发散。通过一个简单的搜索栏，便能让你在夹杂着大量噪声的海量数据中寻找到有价值的数据。对于研究员，智能助手可以分析研究报告，将大篇幅的报告浓缩成精华，同时还可以自动生成研究报告，大大提高工作效率。而对于基金销售，智能助手则提供全面的用户画像，大大提供营销准确性，降低营销成本。

　　数据几何式增长，资产管理规模不断突破，市场讯息万变。人工智能可凭借自身强大的数据存储能力和处理能力，快速对海量数据进行分析、拟合和预测，并抓住稍众即逝的交易机会。交易模型建立在所以历史行情走势、经济形势数据的基础上，制定合适的交易策略，并通过深度学习，不断对市场的变化进行修正，通过适当试错来识别震荡的市场形态，结合大数据分析做出正确的投资决策。另外，人工智能也可以通过大数据计算各种风险指标，根据投资者的投资风险偏好，为投资者提供个性化的资产配置方案。

　　借助大数据强大的数据整合能力以及深度机器学习分析，高管驾驶舱可为管理层提供决策辅助。大数据平台对公司底层的经营数据和外部结构化非结构化数据进行清洗，而人工智能则在数据之上建立数据分析引擎，并借助大数据平台的计算能力对分析模型进行计算，为管理层提供管理报表、决策分析、风险控制和绩效考核，目标是给管理层提供一站式的决策支持。

　　以上是我的几点思考，人工智能既是机遇也是挑战，激流勇进，不进则退，为不能落后于同行，我们需要积极拥抱人工智能。返回搜狐，查看更多