通讯周报

经济与管理学部《视野》第59期:人工智能如何助力计算社会科学发展

编者按

 

随着人工智能在各个行业的应用场景逐渐明朗,应用的行业与业务范围逐渐增加,在自动驾驶、医疗辅助诊断、金融交易风险防控等领域已有众多企业进行了布局。根据估算,人工智能带来最大影响的传统产业将会是金融、汽车、零售和医疗。比如在金融行业,通过人工智能技术在风险控制、资产配置、智能投顾等方向的应用,预计人工智能将带来约6000亿元人民币的降本增益效益。

未来发展,信息科学与社会科学将越来越深入融合,跨学科研究是学科发展的大趋势。其实在现实世界,自然、社会和人本身就是一个不可分割的整体,不管哪一门科学、哪一个学科,都只是对这一整体中局部现象的研究,单一学科自然也解决不了整体性问题。经管学部致力于搭建跨学科研究平台,促进跨学科研究不仅能在学科交叉地带发现新的研究领域和新的学科增长点,也有助于解决人类社会和科学技术领域的重大问题。

 

 

人工智能如何助力计算社会科学发展[1]

未来,人工智能的应用将率先在数据积累丰富的行业内发展,同时,在应用场景较为明确、应用价值较为直接的价值链环节(例如营销、服务等)将率先得到应用。虽然目前人工智能在各个行业的发展受到数据量等因素的一定制约,但随着大数据的普及和深入人心,整体处在蓄势待发的状态。我们结合各个行业目前人工智能的应用场景以及人工智能技术能够带来的效应,定性总结了各个行业中各类人工智能技术能够带来的降本与增益价值;其中又把人工智能技术分为感知、认知、执行三个层次。感知技术包括了机器视觉、语音识别等各类运用人工智能技术获取外部信息的应用,认知技术包括了机器学习技术,执行技术包括了人工智能与机器人结合的硬件技术以及以智能芯片与新型计算设施为基础的计算实施技术。

从定量的角度,至2030年,人工智能将在中国产生10万亿元的产业带动效益。

 

目前人工智能在各行业的发展基础分析

根据不同行业的企业在组织机构方面、数据与技术基础方面以及人工智能应用情况上的现状,我们设计了不同行业人工智能发展基础的评估体系,对各个行业应用人工智能的准备程度进行了评估。

通过在各个行业积累的项目经验以及与各个行业的专家访谈,我们对13个行业在组织文化基础、数据与技术基础、人工智能应用基础三大方面的17个子问题进行了定量评估。

从结果上来看,金融、零售、医疗与汽车行业发展基础最为夯实。金融行业拥有良好的数据积累,在自动化的工作流与相关技术的运用上也有不错的成型成效,在组织机构的创新文化与灵活性上处于中等优势地位。医疗行业拥有多年的医疗数据积累与流程化的数据使用过程,因此在数据与技术基础上有着很强的优势。汽车行业已经开始利用人工智能技术布局自动驾驶、辅助驾驶技术,因此在组织基础与人工智能应用基础上有着很好的优势。零售行业在组织结构、数据积累、人工智能应用方面有一定基础,处于一个比较均衡的发展状态。

同时,制造、教育、通信行业值得关注。制造行业、通信行业虽然在组织机构上的基础相对薄弱,但由于拥有大量高质量的数据积累以及自动化的工作流,为人工智能技术的介入提供了良好的技术铺垫。教育行业的数据积累虽然仍处于发展过程中,但组织整体对人工智能持重点关注的态度,同时开始在实际业务中结合或应用人工智能技术。

 

人工智能在各行业应用成熟度与潜力总览

根据各个行业的发展基础与应用市场规模潜力,我们描绘出了不同行业在发展基础与应用潜力矩阵上的分布。

在发展基础成熟且市场应用潜力大的汽车、消费品与零售、金融以及医疗行业内,人工智能正在清晰地发挥着重要作用。我们在价值链的研发、制造、营销、服务以及其他(包括物流等)环节上总结了这四个行业内人工智能的应用场景,并将在下文详细介绍这四个行业内人工智能的具体应用场景以及实际商业案例。

 

人工智能在金融行业的应用场景举例介绍

1、预测性风控

基于大数据与机器学习模型的风控打通了跨行业业务场景数据,如金融机构数据、征信机构数据、政府部门数据、大型企业数据等以联防联控。通过模型综合量化评价客户风险,识别特定模式,预测客户申请、交易、回款过程中的欺诈和坏账可能性,形成审批决策,及时预测风险并采取干预措施。在银行业主要应用于贷前准入、贷后跟踪、坏账预测等;证券业主要应用于合规、识别垃圾注册、异常交易监测等;保险业主要应用于反欺诈。

预测性风控已成为人工智能技术在金融行业应用最为广泛的场景,众多银行、信用卡中心、P2P交易平台等都在运用这项技术降低逾期与坏账风险。

2、智能交易策略

人工智能为量化交易带来了新的机遇,与程序化交易、高频交易有所区别,智能交易的关键在于自主学习、推理和决策。除了传统交易数据外,人工智能引入了自然语言处理分析、深度学习、神经演化、分布式计算用于预测市场趋势。AI机器决策具有一致性和逻辑性,获取和处理投研信息范围广、内容全,可减少人为疏漏和失误,避免决策中心理性波动的影响,利用不断自我改进的模型和全市场内的产品充分分散风险。

香港人工智能投资机构Aidyia开发的交易机器人从新闻、政策、社交网络在内的多渠道获取数据,借鉴了多种AI形式(如受遗传演化启发的计算、基于概率逻辑的形式、深度学习、神经演化等),分析之后转化为买卖决策,能够完全自动识别和执行交易。

3、智能客服

智能客服可以进行简单问题的直接回复、复杂问题转人工支持,人机交互解答用户有关产品与服务的问题,使客服人员能够集中精力应对高净值业务。结合语义理解,用户直接说出服务需求,系统识别后即可转接相应模块,大幅节省选择菜单时间。同时结合客户以往业务数据,智能精准地识别客户特质和需求,探索增值服务和交叉销售机会,精准推介产品。

例如,中国农业银行、中信银行、中国邮政储蓄银行、兰州银行、太平洋保险、广发基金、工银瑞信等银行及金融机构已经开始应用智能系统开展24小时客户服务。

4、智能投顾

智能投顾是根据客户理财需求和资质信息、市场状况、投资品信息、资产配置经验等数据,基于大数据的产品模拟和模型预测分析等人工智能技术,输出符合客户风险偏好和收益预期的投资理财建议。国内智能投顾的参与者众多,包括如银行系(如广发智投、招商摩羯智投)、基金系(如南方基金超级智投宝、广发基金基智理财、天弘基金犇跑篮子)、大型互联网公司系(如百度金融、京东智投、同花顺)和第三方创业公司系(如弥财、蓝海财富、拿铁财经)等。在理想的世界里,科学的概念与发展不受地域限制,但实际上科学发展势必与当地的自然环境、社会文化息息相关。

 

(学部办公室选编)

 

 

《视野》通讯周报主要选编和交流有关人才培养、学术研究、学科建设、跨域发展等方面的前沿信息、理念、规则、机制等新见解、新做法,以便相互激励,开阔视野,启发思路,促进工作。

看完本期《视野》,若有一些想法看法,可在学部网群中进行交流。各位老师如有符合《视野》定位的文章,也欢迎推荐给学部办公室,发送至经管学部邮箱[email protected]

(注:学部网群有:学部学术委员会微信群、邮件群、经管学部部务会成员邮件群、经管学部邮箱[email protected])。

 

[1] 摘录自公众号大数据实验室的文章,2017-12-24期。题目为编者后加,部分内容经编者编辑。

我们学部内部参考,若公开引用发表,须经上述文章版权所有者的同意。


返回