人們對(duì)于這一波人工智能浪潮的期待更多的是在應(yīng)用層面,而對(duì)此,許多人都認(rèn)為,世界上沒(méi)有其他領(lǐng)域比金融業(yè)更適合運(yùn)用人工智能,金融業(yè)將成為人工智能最快、最容易入手的領(lǐng)域。
看一下人工智能應(yīng)用的三大前提,一是算力、二是算法、三是數(shù)據(jù)。算力方面,大量高性能硬件的出現(xiàn)正在為人工智能提供非常不錯(cuò)的計(jì)算能力;算法方面,當(dāng)下最熱的深度學(xué)習(xí),就是這一波人工智能發(fā)展中最大的突破之一,這成為人工智能得以商業(yè)化的重要前提;而數(shù)據(jù)將是驅(qū)動(dòng)人工智能取得超高識(shí)別率和精準(zhǔn)度的核心要素,這也決定了人工智能將在數(shù)據(jù)資源豐富、數(shù)據(jù)價(jià)值密度高的行業(yè)率先發(fā)展起來(lái),而這,也正是金融行業(yè)與其他傳統(tǒng)行業(yè)相比所具有的天然優(yōu)勢(shì),其高度信息化、數(shù)字化的特點(diǎn)更容易無(wú)疑更適于人工智能技術(shù)的應(yīng)用。
目前,人工智能在金融業(yè)的不同領(lǐng)域已有了非常多的應(yīng)用場(chǎng)景,如智能投顧、征信與風(fēng)控、反欺詐、投資決策、營(yíng)銷(xiāo)與客服、安防監(jiān)控、智能服務(wù)設(shè)備的使用等等。在美國(guó)的很多公司在金融方面已經(jīng)開(kāi)始有了一些動(dòng)作,包括花旗銀行、高盛集團(tuán)等,在自動(dòng)交易、理財(cái)、風(fēng)險(xiǎn)管理以及智能客服上都有應(yīng)用。此外,納斯達(dá)克也在利用人工智能進(jìn)行金融管理,檢測(cè)違規(guī)動(dòng)作等。
放眼全球,也早已有多家諸如曼集團(tuán)和溫頓資本這樣的大型對(duì)沖基金公司多年前就開(kāi)始應(yīng)用機(jī)器學(xué)習(xí)技術(shù)改善其自身的業(yè)務(wù),而緊跟他們的腳步,蘇格蘭一家擁有109年歷史的資產(chǎn)管理公司Baillie Gifford也在6個(gè)月前開(kāi)始了研究如何利用人工智能來(lái)提高其資金業(yè)績(jī)的項(xiàng)目,成為以對(duì)沖基金為主導(dǎo)業(yè)務(wù)的傳統(tǒng)投資公司中首批應(yīng)用人工智能技術(shù)的機(jī)構(gòu)之一。
為此,Baillie Gifford不僅聘請(qǐng)了一位數(shù)學(xué)家前來(lái)“助陣”,還安排了四位來(lái)自IT和投資團(tuán)隊(duì)的內(nèi)部員工專(zhuān)門(mén)負(fù)責(zé)這一項(xiàng)目。該項(xiàng)目的目標(biāo)是評(píng)估人工智能是否可以取代那些占用了基金經(jīng)理寶貴時(shí)間的普通,從而使他們能夠從那些繁瑣、低價(jià)值的工作中解脫出來(lái),而把更多的時(shí)間和精力放在具有更大市場(chǎng)潛力的投資項(xiàng)目的研究工作上。除此之外,Baillie Gifford還計(jì)劃在雇用更多的基金管理方面的專(zhuān)業(yè)人士之前,評(píng)估AI是否對(duì)基金的表現(xiàn)具有明顯影響。
盡管Baillie Gifford作為傳統(tǒng)的資產(chǎn)管理機(jī)構(gòu)在業(yè)界已經(jīng)有了非常高的聲譽(yù),但多年來(lái),它一直只專(zhuān)注投資于幾個(gè)尖端的科技公司,譬如阿里巴巴、百度、騰訊,以及Facebook和亞馬遜等。因此,借助于人工智能,或許將幫助它挖掘出更多高價(jià)值的投資機(jī)會(huì)。
作為該項(xiàng)目的負(fù)責(zé)人之一,同時(shí)也是一位基金投資分析師和前物理學(xué)家,凱爾·麥克奈尼(Kyle McEnery)表示,鑒于近年來(lái)全球范圍內(nèi)數(shù)據(jù)的爆炸式增長(zhǎng)以及數(shù)據(jù)處理能力的提升,公司越來(lái)越意識(shí)到探索AI所能帶來(lái)的潛在價(jià)值的必要性。
“考慮到我們需要用長(zhǎng)遠(yuǎn)目光看待事情,理解事物的未來(lái)的發(fā)展方向也是我們應(yīng)該做的。”他說(shuō),“目前,我們?cè)谶@個(gè)項(xiàng)目上的研究成果正在幫助基金經(jīng)理提高其辦事效率。通過(guò)分解整個(gè)投資相關(guān)的工作流程,人工智能可以幫助我們分析是否有計(jì)算機(jī)能幫助或取代人們工作的地方,比如發(fā)現(xiàn)人們是否正在浪費(fèi)原本可以花在其他更具價(jià)值工作上的時(shí)間。”
與此同時(shí),這家管理著1450億美元資產(chǎn)的公司還在通過(guò)算法的不斷調(diào)優(yōu),測(cè)試如何通過(guò)掃描股票,從而判斷總結(jié)出一種更合適的特定投資風(fēng)格。幫助覆蓋全球業(yè)務(wù)的股權(quán)團(tuán)隊(duì)找出具有一定銷(xiāo)售收入或毛利潤(rùn)的公司,并在符合其他額外標(biāo)準(zhǔn)的前提下?lián)碛袃?nèi)部所有權(quán)。
“機(jī)器學(xué)習(xí)技術(shù)允許你在電腦輸入五個(gè)以上的標(biāo)準(zhǔn),并允許計(jì)算機(jī)對(duì)你所輸入的數(shù)據(jù)自主進(jìn)行優(yōu)先級(jí)排列。這樣的算法可以為研究團(tuán)隊(duì)提供源源不斷的研究思路,使他們更具競(jìng)爭(zhēng)力,便于進(jìn)行更深入的盡職調(diào)查和討論。”McEnery先生說(shuō)。
除了資產(chǎn)管理公司,包括法國(guó)巴黎銀行、德意志銀行等在內(nèi)的幾家銀行和保險(xiǎn)公司的資產(chǎn)管理部門(mén)也在不斷探索如何利用人工智能技術(shù)使投資和銷(xiāo)售團(tuán)隊(duì)從中受益。
專(zhuān)業(yè)服務(wù)公司普華永道國(guó)際會(huì)計(jì)事務(wù)所的AI負(fù)責(zé)人Aldous Birchall認(rèn)為,越來(lái)越多的主流資產(chǎn)管理公司正在考慮采用AI來(lái)提升其業(yè)績(jī)。“其實(shí)專(zhuān)業(yè)的定量基金領(lǐng)域在應(yīng)用AI技術(shù)方面已經(jīng)有很長(zhǎng)的時(shí)間了。而s我們現(xiàn)在看到的是AI技術(shù)在傳統(tǒng)資產(chǎn)管理行業(yè)中更為廣泛的應(yīng)用,”他說(shuō),“這將使得這些公司能夠在使用與原來(lái)同等的資源的前提下,創(chuàng)造更大的效益。換句話說(shuō),就是用同樣的資源覆蓋比原來(lái)更多的公司,評(píng)估更多的機(jī)會(huì)。”
好文章,需要你的鼓勵(lì)
新加坡國(guó)立大學(xué)研究團(tuán)隊(duì)開(kāi)發(fā)了SPIRAL框架,通過(guò)讓AI與自己對(duì)弈零和游戲來(lái)提升推理能力。實(shí)驗(yàn)顯示,僅訓(xùn)練AI玩簡(jiǎn)單撲克游戲就能讓其數(shù)學(xué)推理能力提升8.6%,通用推理提升8.4%,且無(wú)需任何數(shù)學(xué)題目作為訓(xùn)練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉(zhuǎn)移到數(shù)學(xué)解題中,為AI訓(xùn)練提供了新思路。
同濟(jì)大學(xué)團(tuán)隊(duì)開(kāi)發(fā)的GIGA-ToF技術(shù)通過(guò)融合多幀圖像的"圖結(jié)構(gòu)"信息,創(chuàng)新性地解決了3D相機(jī)噪聲問(wèn)題。該技術(shù)利用圖像間的不變幾何關(guān)系,結(jié)合深度學(xué)習(xí)和數(shù)學(xué)優(yōu)化方法,在合成數(shù)據(jù)集上實(shí)現(xiàn)37.9%的精度提升,并在真實(shí)設(shè)備上展現(xiàn)出色泛化能力,為機(jī)器人、AR和自動(dòng)駕駛等領(lǐng)域提供更可靠的3D視覺(jué)解決方案。
伊利諾伊大學(xué)研究團(tuán)隊(duì)通過(guò)對(duì)比實(shí)驗(yàn)發(fā)現(xiàn),經(jīng)過(guò)強(qiáng)化學(xué)習(xí)訓(xùn)練的視覺(jué)語(yǔ)言模型雖然表現(xiàn)出"頓悟時(shí)刻"現(xiàn)象,但這些自我糾錯(cuò)行為并不能實(shí)際提升推理準(zhǔn)確率。研究揭示了AI模型存在"生成-驗(yàn)證差距",即生成答案的能力強(qiáng)于驗(yàn)證答案質(zhì)量的能力,且模型在自我驗(yàn)證時(shí)無(wú)法有效利用視覺(jué)信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機(jī)構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過(guò)動(dòng)態(tài)稀疏性實(shí)現(xiàn)大語(yǔ)言模型訓(xùn)練加速1.6倍,計(jì)算成本降低2.2倍。該方法使用SVD稀疏性估計(jì)器智能選擇重要計(jì)算部分,在保持模型性能的同時(shí)顯著提升訓(xùn)練效率,已在多個(gè)任務(wù)上驗(yàn)證有效性。