神经网络的应用 国泰君安 俞枫：人机同行 证券行业人工智能探索与实践(2)

人工智能面临诸多挑战，人机同行是现阶段的理性选择

人工智能各项技术目前正面临诸多挑战，第一是机器学习、神经网络方面，机器在特定领域逻辑思维和分析推理能力已趋近或超过人类思维，但机器的自主认知、情感体验、灵感和形象思维等仍有巨大差距。

第二是模式识别方面，计算机视觉、生物特征识别(人脸、声纹、指纹、虹膜)应用日益广泛，但机器统筹视觉、听觉、触觉、嗅觉等的综合感知、推理能力不足。

第三是知识图谱方面，已出现基于知识图谱的智能搜索、风险管理等应用，但数据噪声、知识推理、模型自优化等难点仍需解决。

第四是自然语言处理方面，聊天机器人、智能客服、机器翻译已比较成熟，但仍存在上下文理解、推理、不规范发音处理等方面的问题。

目前来看，人工智能技术还有许多没有解决的技术问题，比较理性的选择正是用机器辅助人，通过人机同行的方式降低门槛、提升效能，例如原先客户服务的人员每天可以沟通和服务100位客户，在人工智能的辅助下，每天可以服务3000位客户。原来对于复杂工作的理解和掌握依赖于专家的经验和技能，而在人工智能的辅助下，普通员工即可完成高难度工作。原先只能分析处理少量数据，有了人工智能后可以从海量数据中进行回测和分析;之前的预测基于人的经验，人工智能则基于量化分析进行预测。人工智能降低门槛、提升效能满足了证券行业、以及券商每一个业务和管理板块的诉求，券商可以将机器学习、神经网络、知识图谱、虚拟现实等人工智能技术灵活应用于零售业务、机构业务、信用业务、交易投资业务、国际业务等企业的各条业务线，以及中后台的运作管理，实现无处不在的人工智能。神经网络的应用

证券行业人工智能六大应用场景

券商应用人工智能主要可以分为以下六个方向: 一是智能风控，将人工智能技术运用于风控领域，构建券商的智能风控大脑;二是把人工智能融入业务运营，从用户、渠道、平台、活动这几个维度出发全方位实现精准运营;三是利用人工智能重塑以用户为中心的O2O服务体系，以心有灵犀的线上线下服务将价值传递给用户;四是智能投研，基于人工智能技术建设投研工具，降低投资研究的门槛、提升投研工作效能;五是企业数字化，以数字化、智能化手段驱动企业运作方式(包括财务、法律、合规、办公等)变得更加高效;六是智慧运维，即以人工智能颠覆依赖于大量人工操作的传统运维模式。

第一， 智能风控。

智能风控最大的核心是通过风控数据湖把所有数据进行规整和一体化。通过风控数据湖规整交易、用户，以及舆情和安全情报等数据，突破原有竖井式风控系统间的数据壁垒，构成智能风控的数据基础。以机器学习引擎、风控知识图谱等构成的智能分析模块作为企业智能风控的大脑，将AI能力输出到传统的信用风险、操作风险、市场风险、流动性风险等模型中，实现风控的三大转变：从竖井式、领域化风控向全面风控转变，从事后为主的风控向实时、事中、事前风控转变，从静态、被动式风控向动态、自适应风控转变，以满足券商对风险准确识别、全面评估、动态监控、及时应对的要求。

国泰君安长期以来将风控作为公司的核心竞争力，目前已经完成了风控系统的一体化整合，打破了各化风控系统之间的数据壁垒，建立了跨母公司、子公司的集团级风控数据湖，并完成了子公司风控数据并表和风控全景视图展)实融服务提供自优化信用风险模型。

本文来自电脑杂谈，转载请注明本文网址：
http://www.pc-fly.com/a/jisuanjixue/article-64421-2.html