人工智能技術(shù)目前得到了全球范圍內(nèi)前所未有的矚目，已在多個(gè)行業(yè)內(nèi)落地，幫助企業(yè)構(gòu)建了在大數(shù)據(jù)和人工智能時(shí)代下的核心競(jìng)爭(zhēng)力與商業(yè)壁壘。那在新的機(jī)器革命時(shí)代，我們?nèi)绾螒?yīng)對(duì)機(jī)遇和挑戰(zhàn)？

本期我們很榮幸邀請(qǐng)到清華校友、清華數(shù)據(jù)創(chuàng)新基地首席金融大數(shù)據(jù)專家袁征女士，為大家展開題為《人工智能在金融領(lǐng)域的發(fā)展和展望》的分享。講座通過對(duì)最新的人工智能發(fā)展動(dòng)態(tài)，豐富的音頻視頻展示和企業(yè)實(shí)踐案例解讀，希望幫助大家了解人工智能給傳統(tǒng)行業(yè)帶來的新機(jī)遇。

?講座完整視頻

▼

class="video_iframe" data-vidtype="2" allowfullscreen="" frameborder="0" data-ratio="1.7647058823529411" data-w="480" data-src="http://v.qq.com/iframe/player.html?vid=l0604go79xm&width=670&height=376.875&auto=0" style="display: block; width: 670px !important; height: 376.875px !important;" width="670" height="376.875" data-vh="376.875" data-vw="670" src="http://v.qq.com/iframe/player.html?vid=l0604go79xm&width=670&height=376.875&auto=0"/>

在公眾號(hào)對(duì)話框回復(fù)關(guān)鍵詞“AI金融”，下載完整版講座PPT。

清華數(shù)據(jù)創(chuàng)新基地首席金融大數(shù)據(jù)專家袁征

?

以下是部分講座內(nèi)容整理：

今天和大家分享三個(gè)部分，一是另類視角的人工智能起源和發(fā)展歷史；二是當(dāng)前人工智能發(fā)展的條件、爆點(diǎn)和一些工業(yè)界的用例；三是其在金融領(lǐng)域的應(yīng)用現(xiàn)狀。這個(gè)課件來自于我和我的清華同學(xué)俞凱（上海交通大學(xué)人工智能方向教授、博士生導(dǎo)師）的合作。

2015年，國家發(fā)改委、科技部、工信部、中央網(wǎng)信辦制定《“互聯(lián)網(wǎng)+”人工智能三年行動(dòng)實(shí)施方案》，計(jì)劃到2018年，基本建立人工智能的產(chǎn)業(yè)、服務(wù)和標(biāo)準(zhǔn)化體系，實(shí)現(xiàn)核心技術(shù)突破，培育若干全球領(lǐng)先的人工智能骨干企業(yè)，形成千億級(jí)的人工智能市場(chǎng)應(yīng)用規(guī)模。結(jié)果如何，我們?nèi)允媚恳源?/span>

涉及人工智能的歷史，圖靈是其中最早的開創(chuàng)性人物。接下來將從人物的八卦中復(fù)盤一下當(dāng)時(shí)的歷史脈絡(luò)。圖靈，生于1912年，他相當(dāng)聰明，用自己的人腦實(shí)現(xiàn)了后來用電腦才能做的事。他小時(shí)候曾經(jīng)在給母親的一封信里寫到，“我總想從最普通的物質(zhì)創(chuàng)造出新的物質(zhì)，并且是以最小的能量”。在很年輕的時(shí)候他就預(yù)測(cè)到計(jì)算機(jī)的產(chǎn)生，設(shè)計(jì)了一種名為“imitationgame”的游戲，其測(cè)試標(biāo)準(zhǔn)就跟計(jì)算機(jī)和人工智能最早的一些idea一致，所以特別聰明的人能夠在相當(dāng)早的時(shí)候看到未來幾十年甚至上百年的社會(huì)發(fā)展脈絡(luò)。

1936年，他的論文《論可計(jì)算數(shù)及其在判定問題上的應(yīng)用》，開創(chuàng)了計(jì)算機(jī)時(shí)代。他不僅提出了可進(jìn)行數(shù)字計(jì)算的電子計(jì)算機(jī)的最早理論設(shè)計(jì)，而且預(yù)言大約50年后將會(huì)出現(xiàn)會(huì)思維的機(jī)器，因此他被公認(rèn)為計(jì)算機(jī)早期歷史上最偉大的理論家之一。正是在這個(gè)時(shí)期他構(gòu)思出所謂的理想計(jì)算機(jī)，即圖靈機(jī)的原始模式。機(jī)器本身的智能難以準(zhǔn)確地定義，怎么樣去判斷機(jī)器是智能的？首先要認(rèn)為人類是智能的，機(jī)器如果像人類的行為模式差不多，就認(rèn)為這個(gè)機(jī)器是智能的。但這個(gè)奇才與當(dāng)時(shí)主流社會(huì)格格不入，年僅42歲就自殺結(jié)束了自己的生命，沒能親眼看到人工智能的誕生。

圖靈

人工智能涉及的內(nèi)容有視覺的，聽覺的，還有觸覺等各個(gè)維度的，其中最深的是像人一樣思考，是最難的，也是研究最多的。

?

涉及人工智能的產(chǎn)生，它的代表人物為人工智能之父John McCarchy，他于1955年到1956年發(fā)表了相關(guān)論文。他在DartmouthCollege組織了名為“Dartmouth Conference”的會(huì)議，參加會(huì)議的幾個(gè)人就被大家公認(rèn)為人工智能之父。他們最早提出來人工智能這個(gè)idea實(shí)際上有七個(gè)維度，到今天，這些維度幾乎是和我們所看到的已經(jīng)發(fā)展的樣子，或者和未來想要發(fā)展的方向完全一致。這也是為什么偉人之所以為偉人。

第一個(gè)是人工智能，智能就是所謂的腦，為什么大家管計(jì)算機(jī)叫電腦，就是它在一定程度上相當(dāng)于人腦。

第二個(gè)是Programming a computer to use general language，在我小的時(shí)候，我的父親是航天部的水下彈道設(shè)計(jì)工程師，他們已經(jīng)可以用電腦做一些設(shè)計(jì)工作，感覺就像莫爾斯電碼似的，機(jī)器打出來好多點(diǎn)，然后人工翻譯出這些點(diǎn)的含義；在我們上學(xué)的時(shí)候，最早也學(xué)編譯語言，都是相對(duì)比較原始的計(jì)算機(jī)語言；當(dāng)時(shí)的人就篤信我們未來會(huì)慢慢的讓計(jì)算機(jī)能夠理解普通人說話的語言，隨后就有了C++、Java；等我讀研究生比較普遍的是Matlab、S-Plus、Python等等，這些languages叫做Scriptlanguage，就像寫稿子一樣，我們寫出來人腦想的語言（很接近人和人交流的語言了），計(jì)算機(jī)就可以去執(zhí)行；再往后發(fā)展，最普遍的日常生活的對(duì)話，計(jì)算機(jī)也可以聽懂了，這就是語音識(shí)別、人機(jī)交互。

第三個(gè)是Arranging hypothetical neurons on a manner so that they can formconcepts，即早期的神經(jīng)網(wǎng)絡(luò)。現(xiàn)在的深度學(xué)習(xí)是基于深度的神經(jīng)網(wǎng)絡(luò)，那神經(jīng)網(wǎng)絡(luò)是怎么來的呢？電腦的神經(jīng)網(wǎng)絡(luò)是受人的神經(jīng)網(wǎng)絡(luò)啟發(fā)而來的，既然人能夠有這么復(fù)雜的語言、思考等各個(gè)方面的行為，電腦是不是也能夠通過這樣一種模式來實(shí)現(xiàn)它最終的功能？這就有了最早的神經(jīng)網(wǎng)絡(luò)的雛形。

第四個(gè)是A way to determine and measure problem complexity，要先識(shí)別問題，尤其是特別復(fù)雜的問題，才有可能去解決它。

第五個(gè)是Self-improvement。怎么實(shí)現(xiàn)呢？self?learning。自己學(xué)習(xí)，自己挑戰(zhàn)自己。這就是deep learning的核心驅(qū)動(dòng)。

第六個(gè)是具備抽象的能力。從一些idea把它抽象出來，抽象成電腦可以理解的東西。

第七個(gè)是Randomness和creativity，人現(xiàn)在這個(gè)階段的creativity創(chuàng)造力還是很難被機(jī)器獲取的。如果有一天電腦也有了隨機(jī)性和創(chuàng)造力，那真的就和人腦非常接近了。

說到深度學(xué)習(xí)，就要講第三個(gè)人物的八卦：Geoffrey Hinton，他被公認(rèn)是深度學(xué)習(xí)之父。人工智能里面核心的部分，或者說現(xiàn)在應(yīng)用的最廣泛和深入的部分就是深度學(xué)習(xí)的算法。在70年代左右，Hinton于卡內(nèi)基梅隴大學(xué)開始執(zhí)著研究深度的神經(jīng)網(wǎng)絡(luò)、深度學(xué)習(xí)。他當(dāng)時(shí)的導(dǎo)師一開始還支持他，后來因?yàn)橛X得他這個(gè)想法太瘋狂，他的導(dǎo)師就不支持，不給經(jīng)費(fèi)，他之后去到加拿大多倫多大學(xué)，繼續(xù)執(zhí)迷于深度神經(jīng)網(wǎng)絡(luò)的研究。終于有一天他做出了“驚世駭俗”的成果，可惜當(dāng)年反對(duì)他的導(dǎo)師已經(jīng)去世了。最早期看到的DeepBlue，近期出現(xiàn)的AlphaGo涉及到的深度學(xué)習(xí)的算法，實(shí)際上都有他非常大的功勞，而他現(xiàn)在擔(dān)任Google Brain的首席科學(xué)家，依然繼續(xù)做著這個(gè)領(lǐng)域更加深入的研究和探索。???

以下圖展現(xiàn)了人工智能發(fā)展的主要脈絡(luò)。大家普遍認(rèn)為在人工智能發(fā)展的道路上，巔峰與谷底并存。

為什么在很早的時(shí)候人工智能的某些方面就比較成熟了，卻到前幾年才能有更加突破性的發(fā)展呢？原因就是有一些條件不夠成熟，或者是歷史的機(jī)緣未到，或者沒有特別厲害的人物出現(xiàn)。就像我們經(jīng)常說的“木桶原理”，水總是會(huì)從最短的那根木板處流出來，不能盛更多。

那為什么有些時(shí)候發(fā)展不下去了？其實(shí)需要有四個(gè)大方面的基礎(chǔ)技術(shù)支撐，使得人工智能有更加深入和長(zhǎng)足的發(fā)展。

第一個(gè)是數(shù)據(jù)的儲(chǔ)存分析，即大數(shù)據(jù)。從05年到10年到2015年，大數(shù)據(jù)在呈級(jí)數(shù)增長(zhǎng)，目前全球90%以上的數(shù)據(jù)是最近幾年才產(chǎn)生的，但是不是真的是最近幾年才產(chǎn)生的？不是，只不過之前我們沒有把它給記錄下來。移動(dòng)互聯(lián)網(wǎng)高速發(fā)展的這段時(shí)間，互聯(lián)網(wǎng)上的數(shù)據(jù)每年增長(zhǎng)50%，據(jù)IDC2012年發(fā)布的研究報(bào)告，接下來的八年中我們所產(chǎn)生的數(shù)據(jù)量將超過40ZB，1ZB相當(dāng)于2的30次方TB，相當(dāng)于地球上每個(gè)人產(chǎn)生5200GB的數(shù)據(jù)。

第二個(gè)是硬件的發(fā)展。與串型架構(gòu)的CPU不同，后來發(fā)展的GPU有巨大的飛躍,從原來的靜態(tài)的緩存發(fā)展到用動(dòng)態(tài)的緩存，導(dǎo)致它會(huì)產(chǎn)生一個(gè)很大的計(jì)算速度上和儲(chǔ)存能力上的差別。舉一個(gè)例子，英偉達(dá)和寒武紀(jì)兩家公司他們?cè)诙潭倘陜?nèi)使得訓(xùn)練速度，神經(jīng)網(wǎng)絡(luò)的速度提升了50倍。寒武紀(jì)研究小組的結(jié)果顯示，GPU能夠提供平均58.82倍于CPU的速度，這兩年又發(fā)展出了TPU，即Tensor Processing Unit。TPU產(chǎn)生以后，支持深度神經(jīng)網(wǎng)絡(luò)有了更大發(fā)展的前提。

第三個(gè)是云計(jì)算對(duì)計(jì)算資源的充分利用，使得計(jì)算成本和存儲(chǔ)成本在過去二十年內(nèi)逐漸下降。根據(jù)KPCD的統(tǒng)計(jì)報(bào)告顯示，年均下降幅度高達(dá)33%，阿里云降價(jià)就是一個(gè)佐證，在2014年的時(shí)候阿里云的價(jià)格連續(xù)四次下調(diào)。由于這樣一些廉價(jià)的算力提升，人工智能就得以在相對(duì)廉價(jià)的基礎(chǔ)上發(fā)展。

第四個(gè)是深度學(xué)習(xí)。舉一個(gè)圖象識(shí)別的小例子，從最早的象素的特征，一點(diǎn)點(diǎn)上升到邊緣，然后把它抽象成眼睛、嘴、鼻子等器官，這些器官長(zhǎng)成不同的樣子，它就是不同的動(dòng)物，或者是不同的人。在現(xiàn)在人臉識(shí)別的很多項(xiàng)目中，最底層的框架實(shí)際上就是這樣一步一步來做的。

深度學(xué)習(xí)怎么做呢？底層的象素可以想象為10億甚至幾十億或者上百億的數(shù)量級(jí)，實(shí)際上就是一張臉的數(shù)據(jù)。深度學(xué)習(xí)，大數(shù)據(jù)把它喂進(jìn)去，它就會(huì)慢慢自己學(xué)習(xí)。這個(gè)邊緣是什么樣的，就會(huì)是什么樣的輸出，它可能是什么樣的動(dòng)物等等，這樣一步一步去做人腦模擬。

在目前的應(yīng)用中，大家可以看到人工智能在語音、圖像、觸感或手勢(shì)、合成、運(yùn)動(dòng)、語言理解或生成、翻譯、博弈、問答等方面已經(jīng)有很好的發(fā)展，神奇得令人瞠目結(jié)舌。

人工智能發(fā)展史上有兩件特別重要的事：一個(gè)是國際象棋手深藍(lán)的事，一個(gè)是圍棋手AlphaGo的事。1997年，IBM做電腦的棋手深藍(lán)“DeepBlue”，擊敗了當(dāng)時(shí)的世界冠軍卡斯特羅夫。1996年卡斯特羅夫還打敗了深藍(lán)，但是經(jīng)過算法不斷的進(jìn)化，僅僅一年時(shí)間它就擊敗了卡斯特羅夫，當(dāng)時(shí)用的是C語言。算法是最重要的，它的算法根本思路是Exhaustive，即窮舉，就是要把所有的可能性都列舉出來。從97年之后為什么經(jīng)過了二十年才會(huì)有新的發(fā)展，主要就是因?yàn)楫?dāng)時(shí)采用窮舉法的局限。??

當(dāng)我們當(dāng)時(shí)還在用深藍(lán)去窮舉的時(shí)候，我們發(fā)現(xiàn)我們?cè)僭趺慈ジF舉，再大的計(jì)算機(jī)能力可能都沒有辦法把圍棋的問題解決了，然后就需要一個(gè)全新的，完全不同的理論框架來解決這個(gè)問題。是什么呢？深度學(xué)習(xí)，或者說自主學(xué)習(xí)算法。它就會(huì)摒棄掉很多的可能性，可能是99.99%的可能性，但是那些可能性都是幾乎不可能發(fā)生的，這樣就可以實(shí)現(xiàn)它能贏，但是它怎么摒棄呢？它通過機(jī)器一開始跟人或者跟其他的機(jī)器去對(duì)弈，來讓機(jī)器自己學(xué)習(xí)，做自主選擇，然后慢慢去學(xué)會(huì)這些東西。

AlphaGo最早的叫AlphaGoMaster在2015年以5：0擊敗了職業(yè)圍棋二段選手樊麾，16年3月4：1擊敗了李世石九段、17年以2：1擊敗了當(dāng)時(shí)世界排名第一的柯杰。后來又出現(xiàn)了更神奇AlphaGoZero，AlphaGo Zero變成了AlphaGo Master的進(jìn)化版。經(jīng)過三天的訓(xùn)練，不是用人的棋譜，而是自己和自己對(duì)陣，三天訓(xùn)練之后它以100：0的成績(jī)擊敗了AlphaGoMaster。

那么問題來了， AlphaGo Zero有沒有可能輸給人類呢？AlphaGo Master都打敗了人類，AlphaGo Zero打敗了Master，那我們的邏輯是AlphaGoZero一定應(yīng)該能夠打敗人類。但是這個(gè)邏輯的前提條件是什么？所有其他條件因素的背景全都一樣。理論上講AlphaGo Zero是有可能反而輸給人類的，尤其是它也許恰恰會(huì)偶爾輸給一個(gè)半調(diào)子的棋手。為什么？因?yàn)檫@個(gè)半調(diào)子的棋手有可能特別不按常理出牌，突破了AlphaGoZero之前學(xué)到的所有套路。因?yàn)樗皇歉F舉的，所以從統(tǒng)計(jì)學(xué)上來講，這種可能性一定存在，雖然很小很小。所以我想和大家說的是，要想在一些技術(shù)或者領(lǐng)域有創(chuàng)新的話，一定要突破我們的邊框，突破傳統(tǒng)的邏輯思維，有一些很開放的想法，不要怕腦洞太大，不要怕別人說你異想天開，一定要敢想。

小結(jié)一下，人工智能發(fā)展從計(jì)算智能（存儲(chǔ)、計(jì)算）到認(rèn)知智能（聽、說、看觸、聞，理解、思考、反饋、適應(yīng)等），再到抽象知識(shí)處理智能（分析、推理、演義、歸納）。

這幾年的移動(dòng)互聯(lián)網(wǎng)和互聯(lián)網(wǎng)的發(fā)展的迅速發(fā)展導(dǎo)致的智能手機(jī)和智能移動(dòng)設(shè)備的發(fā)展也同樣迅猛，為人工智能的發(fā)展提供了新的契機(jī)。

物聯(lián)網(wǎng)為萬物溝通提供了平臺(tái)，涵蓋了智能醫(yī)療、智能電網(wǎng)、智能教育多個(gè)熱點(diǎn)行業(yè)的應(yīng)用，還與云計(jì)算、大數(shù)據(jù)、移動(dòng)互聯(lián)網(wǎng)等息息相關(guān)，擁有廣泛的市場(chǎng)前景。物聯(lián)網(wǎng)被認(rèn)為是繼房地產(chǎn)、互聯(lián)網(wǎng)之后下一個(gè)經(jīng)濟(jì)增長(zhǎng)點(diǎn)。我們生活周邊同樣有諸多應(yīng)用，如智能家具、車載設(shè)備、穿戴式設(shè)備，機(jī)器人也是一個(gè)比較典型的應(yīng)用形態(tài)。

這里稍微提及Gartner技術(shù)發(fā)展曲線，如下圖。在研究新技術(shù)的時(shí)候，這個(gè)曲線是非常重要的一個(gè)參考。Gartner網(wǎng)站每年都會(huì)去更新曲線，它的發(fā)展有一個(gè)起伏的過程，尤其在今后發(fā)展再更新更細(xì)的新技術(shù)的時(shí)候，都會(huì)遇到瓶頸，這些瓶頸都是類似的，所以這是為什么它會(huì)有特別大的凹陷，由于它是一個(gè)系統(tǒng)工程，在這個(gè)系統(tǒng)工程上有些地方是短板，它就在一個(gè)時(shí)期內(nèi)很難得到長(zhǎng)足的或者是迅速的發(fā)展。

接下來我們花一點(diǎn)時(shí)間稍微深入地講一下人機(jī)交互。

人們把人工智能比喻成電能，有發(fā)電的，有用電的，也有輸電環(huán)節(jié)。人機(jī)交互就像是輸電環(huán)節(jié)。人機(jī)交互的歷史變遷從80年代、90年代開始。從組織到90年代的瀏覽，00年代的搜索，到10年代的處理，互聯(lián)網(wǎng)時(shí)代的需求正在向處理任務(wù)變遷。人機(jī)交互是人工智能的典型應(yīng)用。

人機(jī)交互的本質(zhì)屬性-狀態(tài)模型和決策模型。用戶想干什么，曾經(jīng)表達(dá)過什么，機(jī)器做了什么，是它的狀態(tài)模型。而決策模型指機(jī)器應(yīng)該回答什么。

還有其他的未來人工智能的方向，比如說情感。現(xiàn)在的機(jī)器人是沒有感情的，可能慢慢的有些機(jī)器人比如在語音交互的過程中就可以把人們的語氣、情緒解析出來，由此賦予了機(jī)器情感。

接下來講一些AI在金融領(lǐng)域的應(yīng)用案例。這個(gè)得益于幾個(gè)會(huì)員單位如元素征信、法海風(fēng)控、百融金服、銀聯(lián)智策等的提供，具體的底層技術(shù)不便于太多公開，以下列舉幾例。

我們的會(huì)員單位擁有各大部委，各個(gè)企業(yè)還有個(gè)人的數(shù)據(jù)，根據(jù)這些做了企業(yè)的風(fēng)險(xiǎn)關(guān)聯(lián)分析，企業(yè)族群探索，對(duì)于分析一些大型的企業(yè)十分有益。

第二個(gè)應(yīng)用案例是基于自然語言處理的輿情分析，用于對(duì)公業(yè)務(wù)的貸前貸中風(fēng)險(xiǎn)預(yù)警。自然語言處理是人工智能領(lǐng)域比較明確的分支。這個(gè)是來自于另外一個(gè)會(huì)員單位，他是專門做法院的文案分析，判決書非常冗長(zhǎng)，他用自然語言處理，把它進(jìn)行解析，包括一些法律相關(guān)的新聞。基于這樣一些算法做的風(fēng)險(xiǎn)預(yù)警管理系統(tǒng)，涉及到反欺詐，輿情分析。

第三個(gè)是基于機(jī)器學(xué)習(xí)的企業(yè)畫像，用于對(duì)公業(yè)務(wù)精準(zhǔn)營(yíng)銷和風(fēng)險(xiǎn)監(jiān)測(cè)。這個(gè)是各個(gè)維度的，工商數(shù)據(jù)、稅務(wù)數(shù)據(jù)、海關(guān)數(shù)據(jù)，進(jìn)出口，各種質(zhì)監(jiān)數(shù)據(jù)，包括公司的個(gè)人數(shù)據(jù)，一起來分析整個(gè)企業(yè)的全景畫像。結(jié)果可以用于風(fēng)險(xiǎn)監(jiān)測(cè)和精準(zhǔn)營(yíng)銷。

此外，人工智能也在量化投資和智能投顧等方面有著全新的嘗試。

?

現(xiàn)場(chǎng)提問精選：

問：在現(xiàn)階段，每個(gè)人買金融產(chǎn)品的時(shí)候大部分是隨機(jī)的。您剛剛提到智能投顧在銀行里的推廣，我們作為企業(yè)方推薦一個(gè)產(chǎn)品給小白用戶，那么銀行應(yīng)該通過這個(gè)給用戶最大收益，還是通過這個(gè)把銀行的贏利作為出發(fā)點(diǎn)？

袁征：這是一個(gè)很好又很現(xiàn)實(shí)的問題。我到底是為了我的終端客戶來服務(wù)，還是為了自身的贏利？這是大家都感覺非常矛盾的一件事，一方面銀行都想賣自己的產(chǎn)品，我在美國的時(shí)候先接觸資產(chǎn)配置，那個(gè)時(shí)候做財(cái)富管理的人都是獨(dú)立機(jī)構(gòu)，因?yàn)樗麄儾荒艽砣魏我粋€(gè)機(jī)構(gòu)去賣產(chǎn)品，不然就會(huì)讓人覺得不是對(duì)我個(gè)體的優(yōu)化，而是對(duì)你公司的優(yōu)化。我們現(xiàn)在想要讓廣大客戶去接受，就是希望能夠說服銀行在兩個(gè)利益上有一定的平衡，一方面我們會(huì)選擇全市場(chǎng)可以投資的東西，放到庫里面；另外一方面我們?cè)诒容^類似的產(chǎn)品上，對(duì)銀行自身的產(chǎn)品有一定的推薦，希望做成這樣一種配置，能夠最大化滿足雙方共同的利益，盡量做到能夠在不影響個(gè)體投資人利益的情況下去賣銀行的產(chǎn)品。是否能做到，這就是個(gè)體差異了，首先是不是愿意去做，還是動(dòng)力全都來自于為銀行購買產(chǎn)品，相信大家慢慢都會(huì)有感覺他這個(gè)產(chǎn)品是在專門推銷理財(cái)和基金，還是在為我們終端客戶提供更多的服務(wù)。

剛才提到了理想的配置，它其實(shí)有很多種，在前面我們需要做個(gè)性化的客戶畫像，包括風(fēng)險(xiǎn)偏好、資產(chǎn)水平以及各個(gè)維度的信息。你的配置模型可能跟我的模型跑出來的結(jié)果不一樣，因?yàn)槲覀儌z的風(fēng)險(xiǎn)偏好和其他的參數(shù)不一樣，所以應(yīng)該是根據(jù)每個(gè)人的不同而有一定的私人定制。

在公眾號(hào)對(duì)話框回復(fù)關(guān)鍵詞“AI金融”，下載完整版講座PPT。

“應(yīng)用·創(chuàng)新”系列講座

清華-青島數(shù)據(jù)科學(xué)研究院“應(yīng)用·創(chuàng)新”系列講座，分享大數(shù)據(jù)新應(yīng)用與創(chuàng)新性商業(yè)模式；旨在介紹大數(shù)據(jù)在各行業(yè)的最新應(yīng)用，激發(fā)校內(nèi)利用大數(shù)據(jù)機(jī)遇進(jìn)行創(chuàng)新的熱情。更多精彩干貨及線下活動(dòng)，敬請(qǐng)關(guān)注THU數(shù)據(jù)派（ID：datapi）及姐妹號(hào)數(shù)據(jù)派THU(ID:DatapiTHU)。?????

整理：王志蒙

校對(duì)：龔力

為保證發(fā)文質(zhì)量、樹立口碑，數(shù)據(jù)派現(xiàn)設(shè)立“錯(cuò)別字基金”，鼓勵(lì)讀者積極糾錯(cuò)。

若您在閱讀文章過程中發(fā)現(xiàn)任何錯(cuò)誤，請(qǐng)?jiān)?/span>文末留言，或到后臺(tái)反饋，經(jīng)小編確認(rèn)后，數(shù)據(jù)派將向檢舉讀者發(fā)8.8元紅包。

同一位讀者指出同一篇文章多處錯(cuò)誤，獎(jiǎng)金不變。不同讀者指出同一處錯(cuò)誤，獎(jiǎng)勵(lì)第一位讀者。

感謝一直以來您的關(guān)注和支持，希望您能夠監(jiān)督數(shù)據(jù)派產(chǎn)出更加高質(zhì)的內(nèi)容。

總結(jié)

以上是生活随笔為你收集整理的AI的发展：在金融行业的应用与机遇（附视频PPT）的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。