15被浏览1,194分享邀请回答4添加评论分享收藏感谢收起2添加评论分享收藏感谢收起写回答　　摘 要：大数据和人工智能是今天计算机学科的两个重要的分支。近年来，有关大数据和人工智能这两个领域所进行的研究一直从未间" />
免费阅读期刊
论文发表、论文指导
周一至周五
9：00&22：00
大数据时代人工智能的创新与发展研究
　　摘 要：大数据和人工智能是今天计算机学科的两个重要的分支。近年来，有关大数据和人工智能这两个领域所进行的研究一直从未间断。其实，大数据和人工智能的联系千丝万缕。首先，大数据技术的发展依靠人工智能，因为它使用了许多人工智能的理论和方法。其次，人工智能的发展也必须依托大数据技术，需要大数据进行支撑。大数据时代背景下，未来人工智能会有哪些创新和发展，大家拭目以待。 中国论文网 http://www.xzbu.com/8/view-7265665.htm　　关键词：大数据 人工智能 云计算 数据挖掘 机器人 人工神经网络 　　中图分类号：TP18 文献标识码：A 文章编号：（2015）11（c）-0030-02 　　1 什么是大数据 　　1.1 大数据的定义 　　大数据是一个数据体量和数据类别都十分庞大的数据集。这个庞大的数据集，我们今天还无法用传统的数据库工具对它的内容进行获取和处理。整体概括起来，大数据具有数据类型多、数据规模大、数据真实性高、数据处理快等四大特征。 　　大数据的特征：第一，是指数据类型非常多，它的数据来自多种数据源，而非单一的一种数据源，数据的种类和数据的格式日渐丰富；第二，是指数据规模非常大，通常在10TB左右，规模非常庞大；第三，是指数据的真实性非常高，一些新的数据源渐渐兴起，打破了之前传统的数据源，今天的企业愈发需要这些有效的信息，以确保其真实性及安全性；第四，是指数据处理的速度非常快，能够做到数据的及时快速处理。 　　1.2 大数据的发展历程 　　“大数据”一词最早提出的是麦肯锡研究院于2011年发布的研究报告《大数据》。之后，经美国高德纳公司和美国一些科学家的宣传推广，渐渐地大数据概念开始流行起来。 　　大数据发展的萌芽期，是20世纪90年代至21世纪初，此时处于数据挖掘技术阶段。这一时期，随着数据挖掘理论和技术的一步步成熟，已开始有一些与商业相关的智能工具开始被人们所应用，如专家系统、数据仓库和知识管理系统等。 　　大数据发展的突破期，是年，此时处于自由探索非结构化数据阶段。这一时期，非结构化数据的迅猛发展带动了大数据技术的快速发展。此时，可以以2004年Facebook的创立为标志，此时是大数据发展的突破期。 　　大数据发展的成熟期，是年，此时大数据技术形成并行运算与分布式系统。 　　到了2010年，智能手机开始大量涌现，其应用日益广泛。此时，数据的碎片化、流媒体、分布式等特征更加凸显，移动数据开始急剧增长。 　　近年来，大数据技术的发展十分迅猛，开始不断向社会各行各业步步渗透，从而导致大数据的技术领域和行业边界越来越不明显，也越来越模糊，大数据的应用创新已经超越了大数据技术的本身，越来越受到各行各业的热捧和青睐。 　　今天，可以毫不夸张地说，大数据技术能够改变一个领域，为每一个领域带来变革性和创新。 　　2 什么是人工智能 　　2.1 人工智能的定义 　　人工智能是一门新的技术科学，它主要研究和开发用于模拟人类的智能的理论、方法和技术的应用系统，它同样也是计算机学科的一个重要分支。人工智能的终极目的是掌握智能的根本实质，从而生产出一种全新的能以人类智能相似和相近的方式快速做出反应的智能机器。可以说人工智能的发展与计算机科学与技术的发展紧密相连，密不可分。 　　2.2 人工智能的发展历程 　　“人工智能”一词最初是在1956年美国达特茅斯学院提出的。 　　人工智能的发展经历了半个多世纪，它的发展历程十分曲折，大致可分为三个发展阶段： 　　20世纪40年代中期到50年代中期为第一阶段，被称为人工智能启蒙探索时期。1950年，英国数学家图灵发表了《计算的机器与智能》，提出了机器可以思维进而帮助人类的问题，直接推动了现代人工智能的发展。 　　20世纪50年代中期到80年代末期为第二阶段，被称为人工智能经典符号时期。人工智能与认知科学、认知心理学等三门学科开始了相依为命的发展历程。 　　20世纪80年代末期到现在为第三阶段，被称为人工智能联结主义时期。这一时期，主要采用分布处理的方法通过人工神经网络来模拟人脑的智力活动。 　　3 大数据与人工智能的关系 　　大数据和人工智能，近年来这两个领域的研究相互交叉促进，产生了很多新的方法、应用和价值。 　　今天，人类拥有了对数据规模大、数据类型多、数据流转快和数据真实性高的大数据进行存取、检索、分类和统计的能力，完全得益于大数据技术的发展。而且，人工智能领域的一些理论和方法，已经开始用于大数据分析方面，并取得了一定的效果。 　　研究发现，解决人工智能的扩展性和成长性问题，离不开大数据技术。 　　以前，人工智能技术还不能实现与人类相似的学习研究能力。原因在于，人工智能看似简单，实际上是一件非常繁琐和复杂的事情，产生人工智能的两个必要条件要有海量数据的支撑和对这些数据的极强处理能力，而以前的机器都不具备这两个条件。 　　人工智能其实就像人类一样，是需要拥有大量的知识和丰富的经验。在这些知识和经验的背后是需要大量的数据支撑。大数据技术的进一步发展，为储存、分析大量的数据提供了一定的技术支持，使机器得到的数据量和拥有的数据处理能力，与形成人工智能所需要的数据量和数据处理能力相匹配。只有这样，人工智能才能得到发展。人工智能的发展，反过来进一步推动大数据技术的向前发展，形成有效的相互推动作用。 　　与其说人工智能的发展依靠大数据，不如说大数据开启人工智能新篇章。人工智能领域的一些理论和方法，能够有效地提升大数据的使用价值。与此同时，大数据技术的发展也将在为人工智能提供一个用武之地。 　　4 未来人工智能的发展
　　随着大数据技术和计算机科学技术的不断发展，未来人工智能的发展主要会在以下几个方面：模式识别、专家系统、符号计算、人工神经网络和机器情感。 　　4.1 模式识别 　　模式识别，顾名思义，是指通过计算机采用数学计算的方法来研究模式的自动判读、处理等识别功能。 　　可以断定，随着计算机技术的不断向前发展，人类一定能对复杂的信息处理过程做深入的进一步的研究。与此同时，模式识别功能也为人类认识自身智能创造了可行的线索和提供了必要的帮助。 　　在现实生活中，对人类来说最重要的是对光学信息以及声学信息的判断和识别。大家知道，准确、高效是计算机识别的最大特点。例如，今天已经应用很广的指纹识别功能就是一个典型的案例。 　　人类每个人的指纹独一无二，具有唯一性。早在很多年前，我国有关专家就对数字图像的离散几何性质进行了深入的观察和研究，进而建立了从人类指纹的灰度图像精确计算纹线局部方向，从而提取了人类指纹特征信息的相关理论与算法。 　　这一研究发现，随后就被用于全自动指纹鉴定系统，从而开创了我国指纹自动识别系统应用的先河。 　　4.2 专家系统 　　专家系统，是未来人工智能发展的一个重要方向。专家系统在今天的生活中已被广泛应用。其实，专家系统是指一个具有大量的行业或领域专门的知识与经验的程序系统。它主要利用计算机科学技术和人工智能技术为基础，先根据某一行业或领域一些权威专家或多个专家所提供的一些相关知识和相关经验，再进行深入推理和判断，进而可以模拟人类专家的判断决策过程。通过这个过程，从而来帮助人们解决现实中一些需要人类专家来处理的一些复杂的问题。 　　实现专家系统必须要有两个条件：一是要拥有类似于该领域专家解决实际问题的推理机制，二是建立一个完善的存储有该领域中经过专家事先总结、分析并按某种模式表示的专家知识库。这两个条件缺一不可，否则无法进行专家识别。 　　研究发现，专家系统能对人类输入的信息进行快速处理，并运用相关的行业和领域知识进行推理判断，进而作出相应的判断和决策。 　　科学家们对专家系统的研究由来已久，一直以来被科学家们所重视。今天，各种各样的专家系统已遍布了各行各业的不同领域，并且取得巨大的成功。 　　目前，专家系统可以分为十种类型：教育型、预测型、解释型、维修型、规划型、诊断型、调试型、设计型、控制型等。 　　4.3 符号计算 　　科学计算是计算机发明以来最基本和主要的用途之一。科学计算可分为两类：一类是纯数值的计算，另一类是符号计算。符号计算与传统的纯数值计算不同，它是一种智能化的计算，主要通过处理相应的符号来进行的计算。 　　在符号计算中，符号可以代表的种类非常非常多，如实数、复数、整数、有理数等，还可以用符号来代表函数、多项式、集合等。 　　很久以前，人类就希望能有一个可以进行符号计算的计算机软件系统来帮助人们进行计算。可以追溯到20世纪50年代末，人们就开始对此进行研究。今天，随着计算机科学技术和人工智能技术的进一步发展，已相继出现了多种可以进行符号计算的计算机系统软件。 　　这些符号计算软件功能齐全，且具有共同的特点：一是人机界面友好，命令输入方便灵活，反应快捷，操作便捷；二是在操作界面上，一般都支持交互式处理，人通过键盘输入命令，计算机处理后即显示结果。 　　虽然计算机只是在执行人给它的指令，具有一定的局限性，但是在符号计算中已经有了相当大的突破，相信在未来的符号计算领域会有更大的进步和发展。 　　4.4 人工神经网络和机器情感 　　计算机技术发展到今天，人工智能的基本思想已经在许多领域中得到应用。未来人工智能应用最重要的一个新领域就是人工神经网络。 　　研究表明，情感属于智能的一部分，而并不是与智能相分离的。因此，可以断言人工智能未来发展的下一个突破就是要赋予计算机情感能力，让智能情感化。 　　人工智能进入21世纪的今天，正酝酿着新的突破，创造新的奇迹。 　　未来人工智能的应用将会为人类创造出更多更高级的智能“产品”来服务人类自身，而且人工智能将会在越来越多的领域会超越人类智能。 　　大数据时代背景下，相信人工智能将会得到长足的发展，更多的发现、发明和成果将会出现在大家面前。仿佛可以看到，与人类水平相同甚至超越人类自身智能就快要实现。 　　相信这一刻就在不远的将来，让大家拭目以待。 　　参考文献 　　[1] 蔡自兴，徐光?v.人工智能及其应用[M].4版.清华大学出版社，2010. 　　[2] （加）海金.神经网络与机器学习[M].3版.北京：机械工业出版社，2011. 　　[3] （美）库兹韦尔.奇点临近[M].北京：机械工业出版社，2011. 　　[4] （英）迈尔-舍恩伯格.大数据时代[M].杭州：浙江人民出版社，2013. 　　[5] 涂子沛.数据之巅[M].北京：中信出版社，2014.
转载请注明来源。原文地址：
【xzbu】郑重声明：本网站资源、信息来源于网络，完全免费共享，仅供学习和研究使用，版权和著作权归原作者所有，如有不愿意被转载的情况，请通知我们删除已转载的信息。
xzbu发布此信息目的在于传播更多信息，与本网站立场无关。xzbu不保证该信息（包括但不限于文字、数据及图表）准确性、真实性、完整性等。豆丁微信公众号
君，已阅读到文档的结尾了呢~~
人工智能的研究领域第一，具有自学习功能第二，具有联想存储功能第三，具有高速寻找优化解的能力。2、六个基本特征人工神经网络的特点和优越性
扫扫二维码，随身浏览文档
手机或平板扫扫即可继续访问
人工智能的研究领域
举报该文档为侵权文档。
举报该文档含有违规或不良信息。
反馈该文档无法正常浏览。
举报该文档为重复文档。
推荐理由：
将文档分享至：
分享完整地址
文档地址：
粘贴到BBS或博客
flash地址：
支持嵌入FLASH地址的网站使用
html代码：
&embed src='http://www.docin.com/DocinViewer-4.swf' width='100%' height='600' type=application/x-shockwave-flash ALLOWFULLSCREEN='true' ALLOWSCRIPTACCESS='always'&&/embed&
450px*300px480px*400px650px*490px
支持嵌入HTML代码的网站使用
您的内容已经提交成功
您所提交的内容需要审核后才能发布，请您等待！
3秒自动关闭窗口【原创研究】人工智能系列报告：人工智能在金融领域的应用
注：本文节选自集团近期即将出版的《人工智能行业报告及投资建议》特别报告，作者系集团旗下天堂硅谷金融研究院以及多个聚焦人工智能领域的投资团队。
近一两年来，Fintech成为了炙手可热的创业和投资的领域。按照国际金融稳定理事会（FSB）的定义，Fintech是指通过互联网、大数据、云计算、人工智能、区块链等技术在金融领域的应用，重塑传统金融的业务运作模式和流程，并衍生出新的产品及服务，最终形成供给能力更充沛、经营成本更低廉、风控能力更强大、客户获取更便利、运转效率更便捷的全新的金融生态。
目前，国内Fintech领域最为活跃的三个技术方向是人工智能、大数据和区块链。其中人工智能技术是核心，人工智能通过强大的深度学习能力可以对大量的数据进行处理，寻找其中的关联性，从而发现完全靠人类的思维方式不能完全发现的数据价值，结合区块链等技术，可以大大防范风险，提高金融运营的效率；大数据技术是基础，只有通过大量数据的积累，才能为人工智能的应用提供源源不断的分析及学习的素材。
从某种角度来看，金融系统是最能够与人工智能进行结合并产生价值的领域。金融领域已经被充分的数据化，为人工智能的应用提供了充分的数据基础；同时，金融体系内各个分支领域界限相对明确，银行、证券、保险等业务相对独立，便得人工智能在垂直领域中进行应用（图1）；另外，金融领域的生产环节相对抽象简单，相对于工业生产领域，能够较少受到上下游变化、生产管理等因素的直接影响。
图1 人工智能应用于金融行业的各个环节
数据来源：罗兰贝格-中国人工智能创新应用白皮书
目前，将人工智能应用到金融领域最为炙手可热的领域包括了智能客服、智能征信及反欺诈以及智能投顾这三个领域，在各个领域中也已经出现了一批代表性的企业。
AI + 金融智能客服
客服目前在各个行业中都扮演者越来越重要的角色，尤其是金融行业，是金融企业提升客户满意度，展示企业形象非常重要的部门。随着微信公众号、APP、网页等沟通渠道的发展，以及客户交付习惯的改变，客户不再局限于通过呼叫中心与企业进行交互，而是可以通过更加便捷的在线交互的方式与企业之间进行交互，从而使得交互数量大大增加，为维持客户服务的满意度，各个企业都要投入大量的成本。对于企业来说，客服部门往往又是重要的成本中心，较难直接产生收益，已成为金融行业的一大痛点。
据了解，目前仅招商银行信用卡中心，每天除呼叫中心以外的在线客服交互量就达到了200万次左右，如果采用人工客服来提供服务，每年可能需要增加数亿元的成本。而将人工智能应用在智能客服领域的智能客服机器人可以很好地解决金融机构在客服方面的痛点，大大节省成本、提高客户服务效率及满意度。基于人工智能在自然语言理解以及智能知识库方面的技术，智能客服机器人可以理解客户通过各种交互渠道以平常口语化的表达提出的客服问题，并基于智能知识库对客户的问题进行及时准确的答案搜索，并通过自然语言的方式进行回复（图2）。由于智能客服机器人的知识库相较于人工客服更加强大，而且不会存在遗忘、情绪等问题，所以会给客户更加高效、准确、专业的客服体验。
图2：小i智能客服机器人的逻辑结构
数据来源：智臻智能企业宣传资料
以小i机器人为例，目前招行信用卡中心，每天在线交互的200万次客户交互中，通过小i提供的智能客服系统可以直接回复其中95%的问题，问题的解决率可以超过99%。大大提升了招行的客户服务效率，节省了大量的成本。越来越多的金融企业也开始选择使用智能客服解决方案，来作为原有人工客服系统的补充或部分替代原有的人工客服系统。
全球知名咨询机构Gartner预计，在2020年，将有85%的客户服务工作将由人工智能来完成，这将是以极快速爆发的市场领域。未来智能客服将成为人工智能企业与B端客户建立的切入点，成为B端客户人工智能技术的综合方案提供商。我们看好人工智能企业通过智能客服作为业务的切入口，基于与客户形成的粘性，未来为客户提供包括内部员工智能服务、内部企业管理以及客服过程中营销等可能的多种新的业务模式的发展空间。
AI + 金融风控
金融体系是以信用体系为基础的。但是由于中国传统的征信体系主要由政府主导，所以征信数据的覆盖范围相对有限。据报道，央行的征信数据仅覆盖3.8亿人，主要来自于信用卡数据、车贷、房贷信息等，还有大量的人口没有征信数据，这大大影响了他们享受传统的金融机构提供的服务。同时，中国还有大量的小微企业没有征信数据。这部分的个人和小微企业意味着巨大的金融业务市场空间，但是如何解决对这部分个人和小微企业的征信成为打开这部分市场的关键。
而随着互联网、移动互联网以及电商的发展，为获取小微企业和个人的多维度数据提供了可能，运用人工智能的技术手段和工具对这些大数据分析就可以获得对于小微企业和个人较为全面的数字画像，并按照一定的规则计算出该主体的信用评分，作为传统金融机构和小贷公司、消费金融公司开展业务的重要依据，从而可以让之前无法享受金融服务的主体同样享受到普惠金融带来的便利。
此类智能风控领域的公司核心竞争力在与场景、数据及算法的结合。在智能风控领域的人工智能创业公司都在努力开辟独特的数据获取渠道，尽可能合规而全面地获取目标对象的数据，并利用深度学习、机器学习等人工智能技术，对相关的数据进行分析，发现对确认目标对象有价值的数据信息，并按照一定的规则进行计算，确定该目标对象的综合信用评分。可能收集的信用数据的领域非常广泛，包括了电商、运营商、社交媒体、金融机构、公积金管理部门、社保、工商登记信息、司法信息等渠道。对于社交关系的数据将收集包括目标对象关注的社交媒体主体、粉丝数、口碑情况以及所在的社交圈的综合情况等。通过分析收集的大量信息，能够给目标对象一个全面的信用评分。而且随着数据量的积累，这种评分更为全面真实，比传统的征信评分更能符合目标对象的真实信用情况，可以作为金融机构项目标客户提供金融服务的重要依据。同时，通过将大数据、人工智能与风险管理深度结合，打破信息的孤岛，深度挖掘数据之间的关联，可以同时解决信贷反欺诈的风险。
目前该领域的公司主要的业务模式分为To B和To C两类。其中To B是指为B端客户，主要是中小银行、小额贷款公司和消费信贷公司提供目标对象的信用评分，根据出具的信用评分的数量收取费用。如国内领先的第三方智能风控服务商同盾科技，目前已经向超过7000家机构提供智能风控管理服务，客户覆盖银行、保险、券商、理财、电商、游戏、社交网络等领域，形成了数据的生态体系；To C业务是直接基于对目标对象的信用评分为客户提供消费贷款和小额贷款，获取利息及服务费收入。对于拥有独特的信息收集维度，拥有先进算法能够对大数据处理，而且已经获得B端客户认可的智能投顾企业，具有较高的投资价值。
AI + 智能投顾
智能投顾是将人工智能与金融结合的另一个火热的领域。智能投顾作为一种新兴投资模式，近年来在美国市场快速崛起，世界知名咨询公司A.T. Kearney预测，美国智能投顾行业的资产管理规模将从2016年的3000亿美元增长至2020年的2.2万亿美元，年均复合增长率将达到68%。全球涌现出不少知名的智能投顾平台，如Wealthfront、Betterment、Personal Capital、Schwab Intelligent Portfolio等。
智能投顾将人工智能具备的强大的数据分析能力、深度学习及分析能力应用于投资分析领域，基于强大的自然语言理解能力、数据分析能力，大量地、不知疲惫地分析投资市场的公司定期报告、财务数据、市场传闻等信息，其信息获取和分析的效率和范围远远超过人类投资顾问的能力。通过大量数据分析基础上做出的投资决策，其准确性超越人类投资顾问丝毫也不应该惊奇。据报道，10月18日，EquBot LLC、ETF Managers Group共同推出的全球第一只应用人工智能、机器学习进行投资的ETF： AI Powered Equity ETF设立短短几天就已经展现出超越指数跟踪性ETF基金和人类选股基金的投资收，全球投资管理行业一片震惊。
智能投顾与传统投资顾问在服务内容和服务的主体都有所不同，传统投资顾问仅针对高净值人群进行全方位的投资咨询服务，服务成本较高。而智能投顾在降低服务成本的同时，扩大服务人群（图3）。智能投顾相较于传统投资顾问最大的优势是降低咨询顾问个人因素的影响，对于数据的分析更为客观、全面，且比较注重风险，能够根据收益率设置止盈止损。另一方面，智能投顾也有一定的劣势，智能投顾软件是人为编写，或遭遇恶意代码等安全威胁。智能投顾还具有法律方面的风险，由于目前这块领域的监管仍然空白，产品会存在一定的道德风险。
图3：传统智能投顾与人工智能智能投顾对比
数据来源：艾媒咨询-2017年中国智能投顾市场专题研究报告
目前我国的智能投顾还属于发展的早期，而且由于我国特有的一些市场情况，造成我国的智能投顾能够发挥的作用相对有限。在智能投顾的企业中需要重点关注未经注册并取得相应的业务牌照，而违规开展公募基金募集销售活动的违规行为。8月19日，证监会新闻发言人张晓军明确表示，发现互联网平台未经注册、以智能投顾等名义擅自开展公募证券投资基金销售活动的，证监会将依法查处。
目前市场上主要有三类智能投顾公司：一类是弥财、蓝海智投等创业公司，这类企业在起步时往往希望以开拓C端客户开拓一片蓝海，但是在实际业务拓展过程中会遇到中国证券市场投资人投资习惯以及获客等方面的难题，目前都将业务模式逐步从To C转向To B，以通过向B端客户提供智能投资意见收取服务费；另一类是宜信、积木盒子等以前主营P2P的互联网金融公司，他们依托智能投顾为客户提供多元化的投资选择；还有一类是传统金融机构，通过向特定客户提供智能投顾服务或者人工投资与智能投顾结合的方式为客户提供服务。
对于智能投资类的企业，其核心的能力是在我国特定的金融市场环境下，获得持续稳定收益的能力。
首先，智能投顾平台需要有很强的投资能力与资产配置能力。无论是人工投顾还是智能投顾，能够为客户降低投资风险，稳定获取投资收益都是其核心竞争力。其次，智能投顾平台也需要有强大的运用人工智能（机器学习）、大数据、云计算等高新信息技术的能力。智能投顾必将成为未来市场投资顾问的主力，并将大大改变现有的资产管理产业格局。具有核心的技术能力，能够在中国特定市场条件下，通过一定时间的检验，持续为客户获取稳定投资收益的智能投顾将成为最终的胜利者。
AI + 金融投资逻辑
我们认为，在筛选AI+金融领域的投资标的时，要综合技术、数据来源、应用场景以及客户满意度等角度进行综合的判断。
首先，标的公司要拥有综合的人工智能算法技术能力和密切跟踪人工智能技术演进方向的能力。无论是聚焦在金融领域的自然语言处理和人机交互、大数据风控还是智能投顾领域，都需要标的公司拥有能够满足将人工智能应用在各个垂直场景中的算法能力，需要能够紧跟人工智能技术发展的趋势，并将最新的技术成果应用到具体的应用场景当中。
其次，相对于算法来说，丰富的数据和多维度的数据，是AI+金融领域标的企业更加核心的竞争壁垒，仅仅具备算法的能力，但没有足够的数据对模型进行训练和调优，是无法解决现实应用场景中的问题的。比如，只有积累足够多的交互数据，智能客服的语言理解能力才会越来越强；只有拥有大量的多维度的征信数据，才能发现传统方式下无法发现的信贷风险和欺诈风险。
最后，企业的技术应该已经获得客户的认可，并且在客户迫切需求的商业场景中获得应用并带来明确的效益。能够为金融领域的B端和C端客户创造真实的收益，并且能够获得客户的持续付费，是判断AI+金融类企业技术实力与业务模式可持续性的重要标准。
我们相信人工智能赋能的金融系统会能够为更多的客户群体提供更加优质、高效、低成本的金融服务，降低交易风险和交易成本，为我们打开普惠金融的新篇章。
责任编辑：
声明：本文由入驻搜狐号的作者撰写，除搜狐官方账号外，观点仅代表作者本人，不代表搜狐立场。
今日搜狐热点