人工智能因果樹(shù)金融

今天非常高興能夠代表因果樹(shù)，給未央網(wǎng)的粉絲們做分享交流。今天我定的這個(gè)題目叫人工智能金融的未來(lái)。

實(shí)際上現在做人工智能和金融結合的公司有很多，但客觀(guān)的說(shuō)都不成熟，都沒(méi)有達到他們理想的目標。包括因果樹(shù)現在做的事情，實(shí)際上也代表著(zhù)未來(lái)的一種方向和趨勢。所以我們拿現在的案例，包括拿因果樹(shù)的案例，從具體的業(yè)務(wù)和技術(shù)方面來(lái)講講人工智能金融的未來(lái)。

何為人工智能？

那開(kāi)篇我們還是得落俗套，從定義開(kāi)始，談到人工智能現在大家應該都很熟了，甚至現在又大家發(fā)明了很多新的名字，比如說(shuō)，擬人智能、有情感的計算、有情感的機器人等等。實(shí)際上就是希望機器或者叫系統，能夠像人類(lèi)一樣思考。比如通過(guò)自然語(yǔ)言處理、通過(guò)圖靈測試，能夠很好的表達人類(lèi)的知識，自動(dòng)推理，像人類(lèi)一樣去學(xué)習，同時(shí)能夠表達人類(lèi)的理性的一面以及感性的一面。比如說(shuō)智能軟件來(lái)代理和嵌入式的機器人能夠通過(guò)感知和規劃推理學(xué)習及溝通和決策等等行動(dòng)，實(shí)現更多的類(lèi)似于人類(lèi)的目標。

而大家最早的接觸人工智能，我想很可能IBM當年研發(fā)的超級電腦——深藍。他在九七年的時(shí)候戰勝了國際象棋大師、世界冠軍卡斯·帕羅夫。而今年人工智能又火了一把，使這個(gè)概念基本上家喻戶(hù)曉，因為3月15號的時(shí)候谷歌的人工智能“AlphaGo”跟世界的冠軍李世石打了一場(chǎng)比賽，最終是四比一AlphaGo取勝。因為大家知道圍棋的計算量比國際象棋要高很多個(gè)level。所以也使得大家對人工智能有了更強的興趣、更深的理解以及更美好的對未來(lái)的憧憬，甚至出現了一些對未來(lái)的人工智能的恐慌。

現在世界上人工智能，有兩個(gè)強勢的國家，一個(gè)是美國，大家知道美國這么多年來(lái)包括從當年的星球計劃開(kāi)始，他在國防高級研究計劃局、國家的各種科學(xué)基金會(huì )，包括他的衛生研究部門(mén)，海軍、還有他們頂間的情報機構。都投入了大量的資源，做人工智能的研究。第二個(gè)就是日本，日本現在已經(jīng)是大家勿庸置疑的機器人大國。他們從八一年開(kāi)始就撥款八億五千萬(wàn)美金，研發(fā)人工智能的計算機。到現在在日本的機器人已經(jīng)幾乎涵蓋了機器人所能夠觸及到的每一個(gè)細分領(lǐng)域。

人工智能與金融的結合

而人工智能跟金融的結合實(shí)際上起步是相對晚一點(diǎn)的?，F在人工智能跟金融結合最好的方面應該是人工智能輔助量化交易。也就是說(shuō)，通過(guò)機器學(xué)習自然語(yǔ)言的處理。我們知道美國有家公司是李嘉誠投資的叫Sentient Technologies，這家公司就勵志與去做一個(gè)能夠取代投行分析師的投資機器人，叫Kensho，他可以運用自然語(yǔ)言的處理深度學(xué)習等AI技術(shù)建立量化交易模型。它可以在很短的時(shí)間內做高頻的數據分析和投資的交易決策。做這種產(chǎn)品或者說(shuō)實(shí)現這種業(yè)務(wù)功能，最重要的第一步是搭建知識圖譜，就是讓機器能夠像人一樣的，去處理這些數據或者說(shuō)結構化以及非結構化的信息，然后來(lái)滿(mǎn)足人類(lèi)的知識表達和業(yè)務(wù)需求。

而人工智能和金融的這種結合，現在在美國也是一個(gè)非常熱非常前沿的領(lǐng)域。這家叫Palantir的公司現在是硅谷最牛的公司之一。他們現在的估值在兩百零二億美金左右。僅僅排在之前Uber和Airbnb之后。其實(shí)這家公司做的事情就是通過(guò)人工智能，做一些非常前沿的工作。比如說(shuō)他們著(zhù)幾個(gè)合伙人，以前都是替美國的各種高端機構跟俄羅斯的一些黑客作戰的技術(shù)精英。經(jīng)過(guò)他們在硅谷的多年的打拼，通過(guò)控股和間接的交叉任職也已經(jīng)影響和掌握了歸國大片的IT公司。

他們之前做過(guò)很多很奇妙的案例，比如說(shuō)他們曾經(jīng)利用人工智能快速的去比對和通過(guò)構建知識圖譜來(lái)挖掘美國每一個(gè)個(gè)體之間的人與人之間的關(guān)系，從而精準的定位出誰(shuí)是潛在的恐怖份子。而最終提交給美國情報機構的名單，也讓美國情報機構嚇了一跳，甚至懷疑他們本身就是恐怖分子，是恐怖分子的這個(gè)窩里的這種內斗。所以這家公司什么聲名鵲起之后他們主要服務(wù)于美國的CIA和FBI等等國家機關(guān)部門(mén)。他們也曾經(jīng)利用人工智能的技術(shù)推出過(guò)自己的金融數據分析平臺。

其實(shí)談到這家公司這四個(gè)合伙人，我想左邊第一個(gè)大家都會(huì )相對熟悉一些，這個(gè)Peter實(shí)際上是前段時(shí)間暢銷(xiāo)書(shū)《從零到一》的作者。而最近，美國川普競選的時(shí)候他知道整個(gè)硅谷的精英都是反對川普的。而只有這個(gè)Peter他站出來(lái)，出錢(qián)出力來(lái)幫川普站臺。大家也知道Peter，他在投資圈也非常的有名，他有一個(gè)投資信條就是我只投大家都不投的。所以他當年給facebook的那幾十萬(wàn)美金現在已經(jīng)翻了不知道多少倍了。所以，現在可以看到美國的頂尖的精英也已經(jīng)致力于人工智能以及人工智能跟金融的結合這個(gè)領(lǐng)域最說(shuō)這個(gè)領(lǐng)域在未來(lái)是非常有前途。

人工智能在金融領(lǐng)域的應用

目前能夠逐步實(shí)現的，或者說(shuō)有雛形的人工智能在金融領(lǐng)域的應用，我覺(jué)得有這么幾項，第一是智能投資顧問(wèn)、第二個(gè)是金融預測與反欺詐、然后再就是融資授信、安全監控預警、智能客服以及服務(wù)型的機器人。在后面我再給大家舉企業(yè)案例的時(shí)候也會(huì )再次可能提到其中的幾個(gè)點(diǎn)。其實(shí)大部分都很好理解，智能投資顧問(wèn)就包括像我們因果樹(shù)·圖靈產(chǎn)品。他可以三秒鐘回答投資圈的任何問(wèn)題，里面包括行業(yè)怎么樣、行業(yè)的周期、包括投資的所有的項目、投資人創(chuàng )業(yè)者包括他們的產(chǎn)品及競品的運營(yíng)數據、行業(yè)的公司數據、還有產(chǎn)品線(xiàn)的一些運營(yíng)層面的用戶(hù)畫(huà)像等等。

金融預測與反欺詐，這個(gè)很好理解，基本上大家可以理解成：利用機器對數據的大規模以及高頻率的處理能力。比如說(shuō)前面還有一個(gè)例子是說(shuō)美國一家公司她專(zhuān)門(mén)挖掘個(gè)人的隱私信息，但他用這項技術(shù)來(lái)做好事，他不去泄露你的隱私，而是他監測整個(gè)互聯(lián)網(wǎng)當發(fā)現有個(gè)人的隱私泄露的時(shí)候，他會(huì )幫你報警。那么這個(gè)也是現在在金融詐騙肆虐的今天也是很重要的一項應用。

融資授信，這個(gè)現在像螞蟻金服、京東金融，都已經(jīng)在做和應用。安全監控預警，這個(gè)后面我會(huì )再次講到，包括對圖像的大數據的分析和語(yǔ)音大數據的分析來(lái)做到無(wú)縫的監控的天網(wǎng)和預警。智能客服這個(gè)后面在講科大訊飛的時(shí)候會(huì )著(zhù)重地強調一下。比如說(shuō)我們可以通過(guò)對人語(yǔ)音的這種挖掘可以判斷出對方來(lái)電的原因、對方來(lái)電的情緒、以及對方的內心訴求，然后將它轉交給相應的客服。比說(shuō)你是來(lái)投訴的，或者來(lái)咨詢(xún)某種業(yè)務(wù)的等等。服務(wù)型機器人這個(gè)也是通過(guò)讓機器人具備對人的語(yǔ)音。乃至于像一些表情和圖像的這種智能化理解來(lái)做出具備一定情感和推理決策能力的反應。這都是未來(lái)機器人所必須要攻克和實(shí)現的一些技術(shù)難點(diǎn)和功能。

而目前人工智能的金融結合的最主流的能夠變現的玩法，我覺(jué)得有幾種：

第一種就是自動(dòng)生成報告。現在我們正在開(kāi)發(fā)的就具備這樣功能，包括后面我們即將上線(xiàn)的新的產(chǎn)品。其實(shí)，這個(gè)也是我們說(shuō)像Kensho這種產(chǎn)品去取代投行的分析師，那所必須要實(shí)現的第一個(gè)功能：它可以快速的去挖掘定量和定性的信息?？梢詫?shí)現分析師差不多四十個(gè)小時(shí)這么大的工作量，基本上機器可能幾分鐘就能完成，然后自動(dòng)生成一份可用的有價(jià)值的報告。

第二是輔助量化交易。這個(gè)目前在中國的金融監管體系之下做的相對還慢一點(diǎn)，而在美國已經(jīng)應用得非常好了，包括在華爾街多年以前就已經(jīng)提出要用機器來(lái)取代這個(gè)分析師甚至交易員?，F在有幾家成熟的公司已經(jīng)可以做到用機器來(lái)同時(shí)監測、投資、決策出二百多種復雜的金融產(chǎn)品的組合來(lái)幫用戶(hù)做尤其是大型的基金，做投資理財。而他們所取得的業(yè)績(jì)也已經(jīng)趕超了像美國的這個(gè)彼得·林奇這種傳奇級的投資大師。所以說(shuō)這個(gè)應用是非常有前景的。

那么我們轉眼來(lái)看中國，中國現在在人工智能金融領(lǐng)域應用比較好的企業(yè)案例，其實(shí)有很多。前段時(shí)間我們剛給政府做過(guò)一個(gè)案例的研究報告，那么其中談到了大概有八到九家。我們這里我們舉四個(gè)案例。第一個(gè)是京東金融，然后螞蟻金服，然后是我們自己因果樹(shù)，然后是科大訊飛。而這里面實(shí)際上科大訊飛嚴格地講，我們不太方便把他定位在某一個(gè)細分領(lǐng)域里，因為我們知道現在很多的領(lǐng)域都要用到他們的一些基于語(yǔ)音的智能分析，所以這里我們也著(zhù)重的點(diǎn)一下科大訊飛。

我們先看京東金融。實(shí)際上京東金融很早就已經(jīng)關(guān)注到智能投顧的這個(gè)領(lǐng)域，但是一直沒(méi)有很好的落地。他們主要是基于基金的這種代銷(xiāo)牌照，來(lái)推出他們的產(chǎn)品，基于人工智能和大數據等等技術(shù)，把理財顧問(wèn)的這種能力和服務(wù)，來(lái)固化或者說(shuō)在系統里去模型化，從而用廉價(jià)的在線(xiàn)的種方式為用戶(hù)提供，比如說(shuō)小額理財這些服務(wù)，甚至一些消費金融，然后在線(xiàn)推薦和投機給她們的消費者。京東金融他們首先規劃過(guò)用戶(hù)的需求，除了投資需求以外，還包括用戶(hù)的財務(wù)診斷，比如資產(chǎn)負債、財務(wù)自由度、儲蓄率等等。他們診斷用戶(hù)當前財務(wù)狀況是否健康，通過(guò)數字化的方式，來(lái)標準和精細化到的線(xiàn)上。

京東借助于他們自己擁有相對完整的用戶(hù)消費端的畫(huà)像、數據，來(lái)綜合用戶(hù)消費和理財的全流程的場(chǎng)景，來(lái)刻畫(huà)一個(gè)比較完整的用戶(hù)畫(huà)像，完善他們這種理財環(huán)節。其次是進(jìn)行場(chǎng)景化的包裝升級，京東金融的產(chǎn)品是以引擎為內涵，場(chǎng)景化為外延來(lái)與用戶(hù)交互。甚至跟消費打通。他們會(huì )考慮用戶(hù)投資之后有什么樣的衍生行為，比如說(shuō)：去旅游、去消費、買(mǎi)車(chē)買(mǎi)房等等。這時(shí)候產(chǎn)品不僅僅是一個(gè)工具性的東西，還具有某種引導用戶(hù)進(jìn)行健康理財的作用，更適合于普通大眾層面的理財規劃。目前進(jìn)入金融利用人工智能。逐步優(yōu)化他們的人機交互體驗采取文字乃至語(yǔ)音的方式，使得產(chǎn)品用戶(hù)體驗更好。

而基于以上這些也導致京東金融在從京東集團脫離出來(lái)以后，市場(chǎng)給予了更高的預期和可能更高的估值。這與他未來(lái)的一些發(fā)展方向和前景以及帶給投資人的希望當然是分不開(kāi)的。

然后是螞蟻金服，螞蟻金服實(shí)際上設立了一個(gè)特殊的科學(xué)家團隊。專(zhuān)門(mén)從事繼續學(xué)習與深度學(xué)習等等人工智能領(lǐng)域的前沿的研究和應用。他們的業(yè)務(wù)場(chǎng)景非常的完整，應該說(shuō)是目前是國內業(yè)務(wù)場(chǎng)景最廣同時(shí)又最深的企業(yè)案例他們進(jìn)行了一系列的創(chuàng )新。比如說(shuō)互聯(lián)網(wǎng)小貸、保險、征信、智能投顧、顧客服務(wù)等諸多的領(lǐng)域。根據他們自己公布的數據，網(wǎng)上銀行的花唄和微貸業(yè)務(wù)，使用機器學(xué)習把虛假交易率降低了近十倍，為支付寶的證件審核系統開(kāi)發(fā)的基于深入學(xué)習的OCR系統能使得他們證件校驗核查的時(shí)間從一天縮小到一秒，同時(shí)提升了百分之三十的通過(guò)率。

而以智能客服為例的話(huà)，2015年雙十一期間，螞蟻金服百分之九十五的遠程客戶(hù)服務(wù)都已經(jīng)由大數據智能機器人來(lái)完成，同時(shí)實(shí)現了百分之百的自動(dòng)語(yǔ)音識別。當用戶(hù)通過(guò)支付寶客戶(hù)端進(jìn)入我的客服以后人工智能就開(kāi)始發(fā)揮作用。我的客服會(huì )自動(dòng)猜出用戶(hù)可能會(huì )有的疑問(wèn)和提問(wèn)方式供其選擇。這里一部分是所有用戶(hù)常見(jiàn)的問(wèn)題，更精準的是基于用戶(hù)使用的服務(wù)市場(chǎng)，最近的行為變量抽取出的一些個(gè)性化的疑問(wèn)點(diǎn)。在教育過(guò)程當中也通過(guò)深入學(xué)習和語(yǔ)義分析，給出自動(dòng)的回答。問(wèn)題識別的模型、點(diǎn)擊準確率也有大幅的提升，在花唄業(yè)務(wù)上機器人的問(wèn)答準確率已經(jīng)從百分之六十七提升到大概超過(guò)百分之八十。

然后科大訊飛在智能語(yǔ)音的挖掘上有很多的專(zhuān)利和技術(shù)應用，那么我們就不一一贅述，我們可以單獨點(diǎn)下他們的機器人，比如說(shuō)：科大訊飛現在一直是基于業(yè)界領(lǐng)先的這種語(yǔ)音的處理技術(shù)，他們研制了一款“小曼”的智能機器人?！靶÷钡臄M人化程度是非常高的。不僅賦予他人的形象相對應的感情動(dòng)作，同時(shí)具有一定的可交互性，而且是顯得比較自然。在技術(shù)上它首先是解決了客服機器人在大廳環(huán)境下的這種混淆背景噪聲、人聲干擾、回聲等等一系列的噪音問(wèn)題。通過(guò)先進(jìn)的麥克風(fēng)和語(yǔ)音序列，以及定位，以及嘈雜環(huán)境下的喚醒率的問(wèn)題，都可以使用戶(hù)體驗非常的完美。

因果樹(shù)“圖靈”：用人工智能解投融資問(wèn)題

那么下面給大家簡(jiǎn)單介紹下因果樹(shù)。我們現在是一個(gè)做大數據的人工智能的股權投融資服務(wù)平臺。實(shí)際上，我們現在主要分幾個(gè)板塊，首先，如果說(shuō)因果樹(shù)是一顆樹(shù)的話(huà)，那么它的根那自然就是大數據，那我們的數據跟別人有什么不一樣？我們知道現在市場(chǎng)上，搜集數據并且分析數據形成產(chǎn)品，然后往外賣(mài)的機構，他的數據來(lái)源無(wú)非有幾種。

一種是，結果機構內部的那這個(gè)當然非常局限。哪怕你是BAT的巨頭之一，你也只有自家的數據。

那么第二種就是網(wǎng)絡(luò )的spider去抓的數據，那這個(gè)數據也是非常有限，因為現在對端口的監控非常嚴密。

第三就是通過(guò)SDK的接入，而這種SDK接入我們知道，像有一些頭部應用可能都會(huì )不太愿意來(lái)讓第三方去嵌入內部的這個(gè)SDK。那這樣的話(huà)，他們的很多數據都是靠少量的應用來(lái)去反向推測。而這個(gè)樣本量可能就是百萬(wàn)頂多是千萬(wàn)級的，然后去推測全網(wǎng)幾億甚至十幾億的用戶(hù)，那這個(gè)準確度大家可想而知。很多在數數量級上具有很大的偏差。而我們因果樹(shù)現在主要是依托運營(yíng)商的數據，我們知道現在移動(dòng)終端的普及率已經(jīng)超過(guò)了百分之百，所以應該說(shuō)最全的數據，肯定是掌握在運營(yíng)商的手里。

所以因果樹(shù)歷盡千辛萬(wàn)苦和九牛二虎之力，拿到了聯(lián)通全國和電信全國的整個(gè)的用戶(hù)端的行為數據，以及網(wǎng)信等等網(wǎng)絡(luò )端和固網(wǎng)的數據。而從這些數據里我們可以挖出大量的寶藏，當然現在我們知道運營(yíng)商的數據回傳量很大。一天的回傳量，可能以我們現在的挖掘速度兩天都挖不完。但是現在我們采取的戰略就是根據市場(chǎng)的需求，市場(chǎng)上最迫切需要的數據優(yōu)先排期。先把這部分數據?？梢源_保是精準的，可以確保我們的合作伙伴拿到以后讓他來(lái)發(fā)揮價(jià)值，尤其是可以知道我們的投融資市場(chǎng)以及運營(yíng)方的決策。

目前因果樹(shù)是一家B輪的公司，所以需要非常注重明確我們的業(yè)務(wù)戰略，現在我們的業(yè)務(wù)主要是服務(wù)于投融資的投前投中投后各個(gè)階段。

從投前的項目挖掘，我們每周都會(huì )通過(guò)機器自動(dòng)來(lái)甄選優(yōu)質(zhì)項目推出我們的超新星。而我們知道現在超新星的這種命中率也就是說(shuō)，我們推出的超新星企業(yè)在未來(lái)六月以?xún)?，可以順利拿到下一輪融資的這種概率，已經(jīng)達到了百分之二十多將近百分之三十。而在投前，我們的很多數據集成和數據端的bd，也可以由機器來(lái)完成，也可以解決現在投資人面對項目太多沒(méi)有時(shí)間做盡調，或者說(shuō)假數據滿(mǎn)天飛的現狀。在投中，我們知道如果投資人可以提前快速的命中某個(gè)跑道的優(yōu)勢企業(yè)，那么他現在去接觸的時(shí)候，他需要相對的一個(gè)合理的市場(chǎng)估值。而現在我們通過(guò)機器模型，通過(guò)過(guò)往的投資案例，以及運營(yíng)端的數據以及團隊的個(gè)人評估。我們做大批量的機器估值的工作，而這個(gè)是如果未來(lái)做的更加精準的話(huà)，這是市場(chǎng)上的一個(gè)定價(jià)的權威性。而在投后，我們也做項目的監測與長(cháng)期的審查與管理來(lái)披露項目的的信息進(jìn)行風(fēng)險提示，以及幫助做賽道的評估和競爭對手的評估。

我們數據源有五個(gè)大的方面。第一個(gè)是全網(wǎng)的公開(kāi)數據。這個(gè)目前相對占比較小，它包括了這些項目的官網(wǎng)、媒體報道、社交平臺、招聘平臺、各種網(wǎng)站論壇以及評論。第二類(lèi)就是我們國內外的運營(yíng)商，這個(gè)是我們最重要的數據也是我們的寶藏。包括了聯(lián)通電信移動(dòng)以及美國電信。第三類(lèi)就是二級市場(chǎng)的數據，包括一些著(zhù)名的券商經(jīng)常使用的一些數據庫。那么第四類(lèi)就是我們定點(diǎn)的行業(yè)數據，包括各個(gè)行業(yè)，包括行業(yè)協(xié)會(huì )和工商等國家的行政單位。再就是知識產(chǎn)權的數據，包括國家知識產(chǎn)權局。

因果樹(shù)特別強調我們的三級分類(lèi)。大家看上去可能覺(jué)得很簡(jiǎn)單，但實(shí)際上把這么多的企業(yè)，精準的劃分出來(lái)他的層級架構、上下游的關(guān)系以及他的合作伙伴，和尤其是巨頭的這種賽道布局，還是一個(gè)比較艱苦的工作，所以這工作我們做了很長(cháng)時(shí)間。而實(shí)際上這是一個(gè)基礎，有了它我們才可以去做合理的估值?？梢悦鞔_我們某一個(gè)標的、某一個(gè)項目需要跟哪些公司去做對比。所以說(shuō)在這個(gè)是我們知識圖譜里面最重要的一個(gè)部分。

搭建了這個(gè)體系以后，我們因果樹(shù)·圖靈就可以改變我們過(guò)往單純利用財務(wù)指標來(lái)衡量公司價(jià)值的現狀。我們可以結合行業(yè)的具體數據，比如行業(yè)周期發(fā)展、行業(yè)新公司、新產(chǎn)品以及行業(yè)的招聘和傳播等等一系列的數據。制定每一個(gè)行業(yè)和企業(yè)的KPI。然后從注入市場(chǎng)規模、商業(yè)模式、核心競爭力等等很多的維度去評估一家公司，并且知道公司發(fā)展過(guò)程當中，應該注重哪一個(gè)點(diǎn)。也可以使得投融資市場(chǎng)更有序更理智。

當然現在圖靈還是迭代的比較早期的一個(gè)版本。我們致力于通過(guò)他來(lái)三秒鐘回答任何投融資的問(wèn)題，比如說(shuō)如果現在你到百度去問(wèn)某家企業(yè)怎么樣和某一個(gè)行業(yè)怎么樣？可能給出答案是碎片化的或者更多的新聞報道，甚至更多的是企業(yè)的一些公關(guān)稿，那么這些數據和行業(yè)觀(guān)點(diǎn)，很多都是非常水的。而因果樹(shù)給出的這種答案就包括了詳實(shí)的數據，可能后面還要接入更多的券商研究的一些行業(yè)觀(guān)點(diǎn)。當然還有整個(gè)競品之間的數據對比，還有投資機構的投資情況的對比等等。

所以說(shuō)因果樹(shù)·圖靈在入口這個(gè)層面，可以解決傳統過(guò)于碎片化和有效信息非常少的問(wèn)題，可以使它更加的結構化、可視化，同時(shí)是基于知識圖譜的，而不是冰冷的數據而是有觀(guān)點(diǎn)和結論的。

人工智能的未來(lái)在哪里？

最后我們看一下未來(lái)的展望。實(shí)際上人工智能在切入金融這個(gè)領(lǐng)域以后肯定會(huì )給金融行業(yè)帶來(lái)很大的變革。我們看提到他包括有新的體系，整個(gè)的行業(yè)可能出現很多的這個(gè)玩家，新的人員架構，可能數據的科學(xué)家在金融圈會(huì )占據越來(lái)越重要的位置，包括新的利益分配。那既然在產(chǎn)業(yè)鏈上出現了新的科技金融公司，而且扮演了重要的角色，那么現在的產(chǎn)業(yè)鏈以及利益分配，也肯定會(huì )被重新的定義，對于現在的金融體系會(huì )形成革命的挑戰。挑戰其實(shí)現在就已經(jīng)有很多，比如說(shuō)現在我們大家看到，有些技術(shù)人員比如說(shuō)淘寶的員工通過(guò)一些手段來(lái)秒殺內部提供的福利然后受到處分，比如說(shuō)很多網(wǎng)站都要防止機器人過(guò)多的采集和刷單。

而現在馬上春節了，大家也都非常痛恨這個(gè)12306上面也為了防止機器人的過(guò)度搶票，來(lái)采取了非常復雜的，不受歡迎的這種驗證技術(shù)等等。而未來(lái)，有專(zhuān)家也也講金融領(lǐng)域會(huì )不會(huì )有一天由于監管跟不上技術(shù)的發(fā)展。如法炮制出一個(gè)本質(zhì)上相當于“人工智能與狗不得入內”這種新的行業(yè)的游戲規則，這個(gè)也是非常有可能的。

互動(dòng)問(wèn)答

1、用大數據和人工智能對股票市場(chǎng)進(jìn)行預測是否可行？

這個(gè)問(wèn)題非常的具體。實(shí)際上毋庸諱言，大數據和人工智能能不能用在股票市場(chǎng)，這個(gè)首先取決于這個(gè)股票市場(chǎng)是不是一個(gè)價(jià)值投資為主導的市場(chǎng)。更具體點(diǎn)可能用在美國會(huì )更加的有效，而實(shí)際上現在美國的二級市場(chǎng)，各種基金對于大數據和人工智能的利用已經(jīng)非常成熟了。就是做這種高頻的交易去賺這種利差也好，波動(dòng)的收益也好。同時(shí)可以采取多種衍生金融產(chǎn)品的組合多的真的可以同時(shí)操作同時(shí)拼湊二百多個(gè)金融產(chǎn)品。而且收益率非常高，效果非常好。但是如果拿到中國來(lái)講的話(huà)，中國的股票市場(chǎng)，我們也不太方便做太多的點(diǎn)評?？赡苣澄?，所謂的，這幾大有良知的經(jīng)濟學(xué)家之一。曾經(jīng)講過(guò)是中國的這個(gè)股市可能是一個(gè)可以看你底牌的賭場(chǎng)。那么這么一個(gè)價(jià)值投資不占主流的股票市場(chǎng)，同時(shí)監管又相對落后，不成熟的市場(chǎng)，大數據和人工智能，當然也可以進(jìn)，但是不要對它寄予太多的期望。

這個(gè)問(wèn)題就回答這么多。

2、金融行業(yè)如果想要和科技巨頭們PK人工智能就必須擁有大數據壁壘，您認為銀行能夠享受的數據優(yōu)勢是什么？

銀行的數據太有價(jià)值了！目前我們在談但是還沒(méi)有真正拿到銀行業(yè)巨頭的數據，但是銀行也在拼命的希望跟我們合作來(lái)拿我們的數據。直接采購原始的挖掘數據，可見(jiàn)雙方都對彼此非常的覬覦。然后其實(shí)金融圈尤其是銀行的數據，他這個(gè)作用就太多了！比如保險公司就每天都得盯著(zhù)，對吧？很多金融詐騙的也在盯著(zhù)。那很多機構直接就是跟錢(qián)直接相關(guān)的賬戶(hù)，和用戶(hù)的精準的消費畫(huà)像。那這個(gè)東西你可以用來(lái)做很多事情。

而實(shí)際上人工智能跟金融結合，未來(lái)的圖景就說(shuō)可能是十年以后。因果樹(shù)也希望我們能夠產(chǎn)生出新的產(chǎn)品，比如說(shuō)現在中國的金融市場(chǎng)比較缺乏適合未來(lái)新興中產(chǎn)階級的理財產(chǎn)品。就是說(shuō)中等金額的。未來(lái)如果說(shuō)，中產(chǎn)階級想接觸一級的優(yōu)質(zhì)的股權投資，現在是沒(méi)有入口的，是投資無(wú)門(mén)的，就是說(shuō)不能帶你個(gè)人玩兒。未來(lái)我們希望能夠通過(guò)技術(shù)的發(fā)展，我們把優(yōu)秀的，一二級市場(chǎng)的標的做一些金融上的處理，形成一些良好的可供個(gè)人參與的新型的綠色理財產(chǎn)品。

3、對于互聯(lián)網(wǎng)金融公司而言，如何合理的布局人工智能領(lǐng)域，進(jìn)入門(mén)檻和時(shí)機是否具有關(guān)鍵性影響？

當然現在做的都是一些很初級的事情，就是幫著(zhù)一些交易所做一些工作，當然我們不說(shuō)的太詳細。再就是幫一些投資機構，當然跟銀行的數據的交換，甚至是有可能打通，因為未來(lái)可能也是要走的一步戰略上的路。

這個(gè)進(jìn)入門(mén)檻和時(shí)機，門(mén)檻肯定是有的，時(shí)機肯定是很關(guān)鍵的。但這個(gè)門(mén)檻可能我們自己公司內部討論也不認為，大家所講的數據源是核心門(mén)檻，核心壁壘，我不這么認為?？赡軙r(shí)機很重要然后商業(yè)化重要，然后業(yè)務(wù)邏輯，知識圖譜這些是我們的門(mén)檻，是我們的壁壘。再就是我們早期積攢了一些經(jīng)驗，那這些也是門(mén)檻。而時(shí)機當然很重要，我們知道很多創(chuàng )業(yè)公司不是做的不好而是做早了。所以時(shí)機很關(guān)鍵，那么現在我們也不斷的根據市場(chǎng)的需求變化來(lái)調整我們的產(chǎn)出物，然后調整我們的服務(wù)和產(chǎn)品的質(zhì)量。

再一個(gè)互聯(lián)網(wǎng)公司的布局，那這個(gè)布局也分兩個(gè)層次，第一個(gè)層次是，要不要自己做，第二個(gè)是要不要去投。我想如果你要自己做的話(huà)那最好是單獨成立公司。然后剝離原公司的人，就是說(shuō)不要讓原公司的人去領(lǐng)導這家公司，然后單獨去招聘新的這個(gè)技術(shù)基因、互聯(lián)網(wǎng)基因、數據基因以及金融基因。然后布局，如果你有這個(gè)實(shí)力的話(huà)當然布局是非常好的，其實(shí)現在BAT也有一定的布局。尤其是百度和阿里。