9月6日，2018《財富》CEO峰會在太原洲際酒店隆重舉辦。大會以“科學引領，創新發展”為主題，三百多位來自英國怡和集團、摩根斯坦利、海爾、中國電子科技集團、中化集團、中國化工集團、泛太平洋集團、軟銀中國、民生銀行、第四范式、華大基因等《財富》世界500強企業及最具發展潛力企業CEO分享了“科研促增長”、“國際化2.0”、“產融互動”、“人工智能世界”等議題。 第四范式戴文淵出席人工智能論壇，論壇針對于人工智能的“能”與“不能”做出深刻探討。作為人工智能企業家及人工智能專家學者，戴文淵表示，人工智能都是基于數據來做的，并且該數據通常呈成長尾分布。過去的大數據分析方法一般都是抓大放小，再分析其中幾個至幾百個核心變量，最后得出結論來指導經營，而長尾部分的數據因為太亂太多，無法分析，所以只能忽略處理。 過去認為這種細枝末節的信息是沒有價值的，但是放在機器上，因為沒有精力的限制，不需要抓大放小。比方說一家大銀行一年有幾百億交易，過去主要看一些城市的交易分布，或者行業的交易分布，但是往往不會去分析一家店或者一個pos機的交易情況。但是當數據量大到一定的程度，我們發現哪怕你看一個pos機，一年數據量也是成千上萬的，你完全可以分析細到一個pos機的情況，針對一個pos機的行為，甚至一個pos在某一個時間段，比如七點到八點之間的行為，給設計不一樣的決策，這是AI能夠做到。 在和某大型商業銀行的合作中，第四范式曾經分析出來一個pose機上刷過卡的客群，后來辦汽車貸款的概率比較高，最后發現該Pose機屬于一個母嬰店，原來是有小孩后需要買車，所以需要貸款。像這類信息，過去可能因為太細了而沒有精力去分析，現在可以交給機器去分析，就會充分發揮出數據的價值。 戴文淵總結說，人在目前來說做這個事情不是智商不夠，而是精力不夠，AI能在精力上補充人很大的一部分能力。所以現在這個階段我們要做一個AI系統，去作為人的補充。很重要的是我們要開發人覆蓋不到的細枝末節的部分，而這部分我們認為是大數據里面80%以上的信息。過去人做分析的時候只看到了20%的頭部信息，這在銀行具體業務場景中會遇到什么問題。假設說某大型銀行A有幾千萬用戶， 某小銀行B有十萬用戶。我們會發現，對于頭部數據的分析，用十萬樣本和用千萬樣本分析，最終結論差別不大。但對長尾部分，差別卻是巨大的。假設說一類客群在銀行A有100人，基于這100人，我們可以分析出來他們的一些偏好。但對于銀行B，它只有10萬客戶，按照比例來說，這個客群在那個小銀行的客戶中可能根本不存在，或者只有1至2個，根本不足以去分析。所以如果客戶數不夠多，就無法觸達潛在客戶。 依托國際領先的人工智能技術，第四范式在AI+金融領域的發展勢頭向來強勁，目前國內重要的國有銀行和全國性股份制銀行，超過半數都是第四范式的客戶，其服務的金融客戶資產規模已超過中國金融總資產的50%。不久前，這家人工智能獨角獸企業還獲得了中國工商銀行、中國銀行、中國建設銀行三家國有銀行的聯合投資，這也是國有銀行首次大規模集團投資一家科技公司。 --------------------------------------------------------- 免責聲明： 1.本文援引自互聯網，旨在傳遞更多網絡信息，僅代表作者本人觀點，與本網站無關。 2.本文僅供讀者參考，本網站未對該內容進行證實，對其原創性、真實性、完整性、及時性不作任何保證。