|
人工智能的复兴 我其实是搞技术的，对金融倒也不是特别懂。但是通过刚刚的交流后发现知识图谱对金融有很大的价值。我其实有一个疑问，AlphaGo背后的科学真的是人工智能吗。真正做AI的人会懂，人工智能其实还是未来科学。人的智能是基于逻辑的，数理逻辑如何用符号表示，如何用符号去模拟大脑的逻辑推理模式，这个就是人工智能的符号主义。后来又诞生了连接主义，神经网络边缘化知识表示，我觉得最后还是要靠业界。还有一个是行为主义，也就是控制论。它强调的是人和环境的交互，强调的是一个反馈的过程。 知识图谱：链接碎片化的大数据 现在有几个热词，一个是深度学习，另一个就是知识图谱。知识图谱是谷歌搞出来的，十几年前就试了许多方法还是搞不出来，后来是谷歌推动的。其实有时候是业界在引领学科的发展，有时候又是反过来的。知识图谱的内在价值在于：我们怎么通过语义把碎片化的数据用规范化的方式关联起来。现在互联网上数据很多却各自分离，知识图谱用尽可能统一的方式把数据关联起来。知识图谱涉及的技术比较多，比如传统的知识表示等等。 知识图谱认为人真正的智能推理最后也是转变为一种向量去计算。我们现在也要把逻辑弱化，一种soft rule，不能做很强的推理。神经网络更多偏重计算，知识图谱更多偏重记忆，而真正的人工智能还得是二者结合起来才有更大的应用。 金融与语义 谈到金融与语义其实是今天的一个主题。我看到鲍捷也写过许多文章。金融数据的结构化也是很多年前就做了，从08、09年就开始做了。这些年很多人都在考虑一个问题：怎么才能把金融的数据更好结构化语义化。我觉得要做知识图谱，还是要从基本的金融数据开始，刚开始可能不能完全靠机器，还是要靠手工。我们要充分利用结构化的数据，实质性更好的其实还是来源于文本也就是研报，其中有很多有价值的数据。 最基本的是要有实体，其次要有更高级的知识结构。接下来我们来看知识图谱能不能够做到量化金融。现在有许多学者，很确信在量化金融领域机器可以打败人。现在百度在做概念选股，主题选股，语义就可以帮助做这个事情，辅助我们更好地进行选股。毕竟现在信息太离散。人和人之间的关系更加不用说了，涉及的数据会更多。 最后说一下为什么知识图谱还是能在金融领域发挥很大的作用。首先，金融领域的数据是开放性不错的，比如医疗领域很多病例的数据是拿不出来的。其次，数据端很基本，文本、数据的时间特征很强。现在关联数据的诉求是确实存在的。 其实我是带着问题来的——拿金融知识图谱具体做些什么。我对于金融领域也不是很懂，现在有一个钉子你去设计锤子会比较容易，那么没有钉子去设计锤子非常困难。我也希望能够用技术解决金融领域的问题。 陈华钧 浙江大学计算机科学与技术学院教授，浙江大学计算机博士。曾赴耶鲁大学、卡耐基梅隆大学做访问助理教授和访问学者。先后担任国际万维网会议、国际人工智能会议、亚洲语义Web国际会议的会议主席和协作主席，欧洲语义Web国际会议、第十二届国际商业信息系统会议的国际会议程序委员会委员，国际万维网联盟W3C邀请专家， 中国电子学会云计算专委会委员 。 新三板企业查询&在审企业周报申请 已经在首页菜单栏上线啦！ 关注本公众号即可通过菜单按钮 随时随地查询新三板企业信息 每周抢先知道更加全面的在审企业信息 |
|
|
