金融科技知识图谱：人工智能与AI

关联词：量化投资、智能投顾、信用评分、监管科技、反洗钱、生物识别、身份验证、欺诈检测、大数据、云计算

人工智能指一系列可以执行感知、学习、推理和决策任务的计算机技术，目的是让机器能像人一样解决问题。人工智能系统通过正确解释外部数据，从外部数据中学习，并获取解决任务的能力，从而实现特定的目标。

人工智能是一个综合性、跨学科的技术概念，侧重于感知、分析、预测和决策，涵盖机器学习等学科。在过去十几年中，得益于大数据技术、算法和计算能力的提升，人工智能在金融科技、互联网、物联网等行业取得长足发展。

阿尔法围棋（AlphaGo）所代表的人工智能在2015年大放异彩，所展示出的机器深度学习能力让大数据处理有了新的方向。科技界人士对于人工智能在金融行业的应用充满了期待，希望机器人通过大量学习现有的金融数据、策略、研报等，成为一个脑容量巨大、计算力超群的投资大师。

目前，业界普遍应用的人工智能方面的算法和技术包括自然语言处理（Natural Language Processing，NLP）、计算机视觉（Computer Vision）和机器人（Robotic）等。

自然语言处理研究的是能实现人与计算机之间用自然语言进行有效通信的各种理论和方法。自然语言处理广义上被定义为通过软件自动识别和处理自然语言（语音和文本）。借助自然语言处理，通过文本分析，可以进行垃圾邮件检测（EmailSpam Detection）。在金融领域，自然语言处理可以用来构建金融知识图谱和进行舆情分析。自然语言处理也是智能客服应用的重要支撑。

计算机视觉是指使用计算机及相关设备对生物视觉功能进行模拟，从而使机器具备视觉功能。机器视觉（Machine Vision）是指使用摄像机等图像摄取装置将被摄取目标转换成图像信号，然后传送给专用的图像处理系统，图像处理系统将图像信号转换为数字信号，进行数字信号处理，从而捕获并分析视觉信息。计算机视觉和机器视觉都可用于金融身份识别和欺诈检测。(www.xing528.com)

机器人通常被用于执行人类难以执行或难以持续执行的任务。机器人技术是一个专注于设计和制造的工程领域。例如，配置到汽车装配线、在医院办公室清洁、在旅馆提供食物和准备食物、在农场巡逻甚至完成警察的功能。在金融科技领域，机器人可用于智能客服应用和机器人流程自动化。

商业银行应用人工智能的历史可以追溯到1987年。当时，美国平安太平洋国际银行（Security Pacific National Bank，SPNB）成立了一个防欺诈小组来打击未经授权使用借记卡的行为。诸如Kasisto和MoneyStream之类的程序在金融服务中使用了人工智能。

现在，人工智能在金融行业的应用主要涉及基于生物识别的身份验证（例如人脸识别和语音识别）、自动量化投资和聊天机器人等。

案例　一家新兴对冲基金Aidyia开发了自动交易机器人，该智能系统可以分析出大量数据中蕴含的人们不能轻易发现的模式和规律。计算机辅助交易虽不是什么新鲜事，但是该公司希望可以开发智能软件，在没有人工指导或干预的情况下，这些智能软件可以自行适应快速变化的交易市场。除了价格数据和技术图形分析，该智能系统充分研究了现有数据，集合不同语言的新闻报道、基本因素和经济数据，以及其他多个市场的价格和成交量，综合各种资料，经过复杂验算，最终组合成模型，就个股在未来一个星期或一个月将出现的价格走势做出预测。1

案例　Kensho是美国一家基于大数据和人工智能技术的金融科技公司，专注于就各类事件对金融市场的影响进行智能分析。该公司在2014年获得了高盛的投资。Kensho研发了一种针对专业投资者的大规模数据处理分析平台。该平台将取代现有各大投行分析师们的工作，可以快速、大量地进行各种数据处理分析并能实时回答投资者所提出的复杂的金融问题，如各种数据、股票走向等，有望成为金融领域的虚拟市场研究助手。如对于“当油价高于100美元一桶时，中东政局动荡会对能源公司的股价产生怎样的影响”等问题，即使对冲基金的分析师能找到所有数据，也要花数天的时间才能得出答案。但Kensho的软件可以通过扫描药物审批、经济报告、货币政策变更、政治事件以及这些事件对全球几乎所有金融资产的影响等9万余份资料，立刻为6500万个问题找到答案。2

现在，脑科学的发展程度还远远不够，甚至可以说人们对人类大脑的运行过程知之甚少。从这个角度看，说人工智能可以理解大数据还为时尚早。人类对于大数据的应用仍处于数据收集和基本分析的发展阶段。因此，智能金融在一些重要的交易环节还不能完全实现自动化。可以预见，未来一段时间内，智能金融仍会以“人工智能+专业经验”的形式提供金融决策支持。3