
人們對于這一波人工智能浪潮的期待更多的是在應用層面,而對此,許多人都認為,世界上沒有其他領域比金融業(yè)更適合運用人工智能,金融業(yè)將成為人工智能最快、最容易入手的領域。
看一下人工智能應用的三大前提,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的計算能力;算法方面,當下最熱的深度學習,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)動人工智能取得超高識別率和精準度的核心要素,這也決定了人工智能將在數(shù)據(jù)資源豐富、數(shù)據(jù)價值密度高的行業(yè)率先發(fā)展起來,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,其高度信息化、數(shù)字化的特點更容易無疑更適于人工智能技術的應用。
目前,人工智能在金融業(yè)的不同領域已有了非常多的應用場景,如智能投顧、征信與風控、反欺詐、投資決策、營銷與客服、安防監(jiān)控、智能服務設備的使用等等。在美國的很多公司在金融方面已經(jīng)開始有了一些動作,包括花旗銀行、高盛集團等,在自動交易、理財、風險管理以及智能客服上都有應用。此外,納斯達克也在利用人工智能進行金融管理,檢測違規(guī)動作等。
放眼全球,也早已有多家諸如曼集團和溫頓資本這樣的大型對沖基金公司多年前就開始應用機器學習技術改善其自身的業(yè)務,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個月前開始了研究如何利用人工智能來提高其資金業(yè)績的項目,成為以對沖基金為主導業(yè)務的傳統(tǒng)投資公司中首批應用人工智能技術的機構之一。
為此,Baillie Gifford不僅聘請了一位數(shù)學家前來“助陣”,還安排了四位來自IT和投資團隊的內(nèi)部員工專門負責這一項目。該項目的目標是評估人工智能是否可以取代那些占用了基金經(jīng)理寶貴時間的普通,從而使他們能夠從那些繁瑣、低價值的工作中解脫出來,而把更多的時間和精力放在具有更大市場潛力的投資項目的研究工作上。除此之外,Baillie Gifford還計劃在雇用更多的基金管理方面的專業(yè)人士之前,評估AI是否對基金的表現(xiàn)具有明顯影響。
盡管Baillie Gifford作為傳統(tǒng)的資產(chǎn)管理機構在業(yè)界已經(jīng)有了非常高的聲譽,但多年來,它一直只專注投資于幾個尖端的科技公司,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值的投資機會。
作為該項目的負責人之一,同時也是一位基金投資分析師和前物理學家,凱爾·麥克奈尼(Kyle McEnery)表示,鑒于近年來全球范圍內(nèi)數(shù)據(jù)的爆炸式增長以及數(shù)據(jù)處理能力的提升,公司越來越意識到探索AI所能帶來的潛在價值的必要性。
“考慮到我們需要用長遠目光看待事情,理解事物的未來的發(fā)展方向也是我們應該做的。”他說,“目前,我們在這個項目上的研究成果正在幫助基金經(jīng)理提高其辦事效率。通過分解整個投資相關的工作流程,人工智能可以幫助我們分析是否有計算機能幫助或取代人們工作的地方,比如發(fā)現(xiàn)人們是否正在浪費原本可以花在其他更具價值工作上的時間。”
與此同時,這家管理著1450億美元資產(chǎn)的公司還在通過算法的不斷調(diào)優(yōu),測試如何通過掃描股票,從而判斷總結出一種更合適的特定投資風格。幫助覆蓋全球業(yè)務的股權團隊找出具有一定銷售收入或毛利潤的公司,并在符合其他額外標準的前提下?lián)碛袃?nèi)部所有權。
“機器學習技術允許你在電腦輸入五個以上的標準,并允許計算機對你所輸入的數(shù)據(jù)自主進行優(yōu)先級排列。這樣的算法可以為研究團隊提供源源不斷的研究思路,使他們更具競爭力,便于進行更深入的盡職調(diào)查和討論。”McEnery先生說。
除了資產(chǎn)管理公司,包括法國巴黎銀行、德意志銀行等在內(nèi)的幾家銀行和保險公司的資產(chǎn)管理部門也在不斷探索如何利用人工智能技術使投資和銷售團隊從中受益。
專業(yè)服務公司普華永道國際會計事務所的AI負責人Aldous Birchall認為,越來越多的主流資產(chǎn)管理公司正在考慮采用AI來提升其業(yè)績。“其實專業(yè)的定量基金領域在應用AI技術方面已經(jīng)有很長的時間了。而s我們現(xiàn)在看到的是AI技術在傳統(tǒng)資產(chǎn)管理行業(yè)中更為廣泛的應用,”他說,“這將使得這些公司能夠在使用與原來同等的資源的前提下,創(chuàng)造更大的效益。換句話說,就是用同樣的資源覆蓋比原來更多的公司,評估更多的機會。”
好文章,需要你的鼓勵
浙江大學團隊提出動態(tài)專家搜索方法,讓AI能根據(jù)不同問題靈活調(diào)整內(nèi)部專家配置。該方法在數(shù)學、編程等任務上顯著提升推理準確率,且不增加計算成本。研究發(fā)現(xiàn)不同類型問題偏愛不同專家配置,為AI推理優(yōu)化開辟新路徑。
清華大學研究團隊提出SIRI方法,通過"壓縮-擴張"交替訓練策略,成功解決了大型推理模型"話多且準確率低"的問題。實驗顯示,該方法在數(shù)學競賽題上將模型準確率提升43.2%的同時,輸出長度減少46.9%,真正實現(xiàn)了效率與性能的雙重優(yōu)化,為AI模型訓練提供了新思路。
南洋理工大學與騰訊聯(lián)合研究團隊開發(fā)出Rolling Forcing技術,實現(xiàn)AI視頻實時流式生成的重大突破。該技術通過滾動窗口聯(lián)合去噪、注意力錨點機制和高效訓練算法三項創(chuàng)新,解決了長視頻生成中的錯誤累積問題,可在單GPU上以16fps速度生成多分鐘高質(zhì)量視頻,延遲僅0.76秒,質(zhì)量漂移指標從傳統(tǒng)方法的1.66降至0.01,為交互式媒體和內(nèi)容創(chuàng)作開辟新可能。
華中科技大學研究團隊發(fā)現(xiàn),通過讓AI模型學習解決幾何問題,能夠顯著提升其空間理解能力。他們構建了包含約30000個幾何題目的Euclid30K數(shù)據(jù)集,使用強化學習方法訓練多個AI模型。實驗結果顯示,幾何訓練在四個空間智能測試基準上都帶來顯著提升,其中最佳模型達到49.6%準確率,超越此前最好成績。這項研究揭示了基礎幾何知識對培養(yǎng)AI空間智能的重要價值。