AI:FromSubroutinetoRevolution

文章主题：AI, 机器学习, 深度学习

前言

近年来，人工智能的飞速发展已经远远超越了我们的预期，它的应用范围也越来越广泛。人工智能不仅能够取代部分人类工作，提升工作效率，还能增强人类的技能，为我们的生活带来更多的便利和创新。然而，这个现象是如何产生的呢？其实，这一系列力量的偶然汇聚，使得人工智能的快速发展得以应用到金融服务领域，从而推动了金融科技的进步。在深入了解这些力量之前，我们首先需要了解一下什么是人工智能，以及它在何种形式下应用于金融领域。特别是在金融领域中，哪些研究领域对人工智能的应用充满了吸引力，值得我们深入探索。

AI是什么？

AI是基于机器的智能：机器可以记忆、思考、决策、运行，无需人类干预。AI可以被分为三个阶段，即：

弱人工智能：发展着重于单个任务的机器智能，举例：搜索引擎、Siri和智能顾问。通用人工智能：机器智能能够覆盖大范围的功能，与人类智能类似。这种形式的例子还未实现，专家预测这种水平的AI将在30-60年内实现。超级AI：有感情的智能，将会指数级别地超越人类智力。这种类型的例子还未见到（专家预测这种AI会在通用人工智能实现的2天之内出现）。

AI的子集

在当今科技发展日新月异的背景下，弱人工智能逐渐开始被应用，虽然它在名称上略显不起眼，但这并不能成为我们嘲笑它的理由。实际上，弱人工智能所提供的金融世界杠杆是前所未有的，它已经为那些有效利用这一技术的公司带来了巨大的投资回报。为了更好地理解这篇文章，我们需要重点关注人工智能的子集，并在此基础上深入学习。

机器学习（ML）

作为人工智能的一个分支，机器学习（ML）依赖算法和计算机程序，以类似于人类的独立方式处理和理解随机数据。根据人类参与的程度，我们可以将机器学习划分为有监督学习、无监督学习和强化学习三种类型。其中，有监督学习旨在实现数据分类以进行预测，主要依赖于人工设定的标签或输入特征。无监督学习则不依赖于明确的标签，而是让计算机自行探索数据中的模式和结构。而强化学习则是让计算机在与环境的交互中不断优化自身行为策略。在金融服务领域，机器学习的作用尤为突出。这个领域充满了大量的有价值数据，仅凭人类的力量很难有效处理和利用这些数据。而机器学习却能通过智能算法，高效地对这些数据进行分析和理解，从而揭示出隐藏在这些数据背后的规律和趋势。借助于这种能力，机器学习为金融服务领域带来了许多新的机遇和可能。深度学习（Deep Learning）是机器学习的一个重要分支，它通过模拟人脑神经网络的结构和原理，进一步提高了机器学习的理解和预测能力。深度学习模型能够在处理大量复杂数据时，自动提取重要的特征并进行深层次的分析。这使得它在图像识别、语音识别、自然语言处理等领域取得了显著的成果。总的来说，机器学习和深度学习作为一种强大的工具，正在改变着金融服务领域的运营方式和业务模式，为金融服务提供了更多的可能性。

DL是ML的一个子集，是指在数据中发现隐藏层并使用深层神经网进行组织的算法，这与我们大脑运转方式有很多相似之处。深度学习成为数据科学、大数据和人工智能之间的最佳领域，是一个令人兴奋的AI领域，正由于多种因素引起大量关注。

AI崭露头角的六个原因：

1. ML的突破（2012）

在2012年，一场颠覆性的变革在ImageNet大型计算机视觉竞赛（ILSVRC）上发生，标志着深度学习时代的来临。这一时代的引领者，是一支来自多伦多大学的团队，他们由 Ge Geoff Hinton（被公认为深度学习的奠基人），Alex Krizhevsky和IIya Sutskever组成。他们在比赛中运用了一种大型深层卷积神经网络，这种网络在竞争中脱颖而出，以其卓越的表现赢得了比赛。这个事件极大地激发了人们对人工智能领域的热情，使得AI的知名度迅速提升，如同火箭一般飞速发展。

2. 大数据

在当今这个信息爆炸的时代，我们无法忽视大数据的重要性，它是推动人工智能（AI）发展的关键因素。AI系统的进步程度与其所依赖的海量数据的可获得性和可访问性密切相关。由于数据资源的限制，许多研究人员在过去数十年中一直止步不前。然而，随着物联网设备的迅速增长，预计未来十年内将有1500亿个网络传感器投入使用，这将相当于当时全球人类总数的20倍。在这种情况下，机器学习将借鉴人类与设备之间互动的理解速度和方式，实现类似的增长。

3. CPU to GPU

简而言之，本文主要关注的是速度与性能这两个方面。大部分机器学习（ML）算法都是分布式运作的，这要求它们能够同时处理多个并行数据流。相较于传统的中央处理器（CPU），图形处理器（GPU）拥有更多的处理器核心，因此，它更适用于并行计算。 Andrew Ng 是 AI 发展史上的重要人物，他推动了从 CPU 大规模迁移到 GPU 的过程。作为 GPU 领域的领军企业，NVIDIA 最初以游戏为主业，然而他们应该感激 Andrew Ng 对 AI 解决方案的需求的推动。从 2012 年至今，NVIDIA 的股价走势清晰地展示了 GPU 技术与 AI 解决方案需求之间的并提供关系。

4. 云计算

在大数据的时代背景下，人工智能对于处理能力的需求同样十分迫切。自上世纪50年代初以来，由于缺乏大量计算资源，人工智能的研究受到了很大的限制。然而，随着云计算时代的到来，AWS、IBM和Google等公司提供了丰富的计算资源，使得人工智能得以摆脱束缚，迎来新的发展机遇。

5. 开源软件

开源运动为人工智能领域带来了惊人的变革，该领域的科研和技术共享性使得进步速度显著提升，似乎由机器自我驱动一般。这种发展趋势正推动我们朝着构建具有情感的人工智能迈进。

6. MOOCs

与开源运动类似的是大规模开放在线课程（Massive Open Online Course）运动。MOOCs帮助提供教育培训基础设施和简单免费的渠道，帮助大家连接一些不错的教育机构，如此以来，人们可以获取多种优质的珍贵的在线教育。

原文:Six Reasons Why AI Has Emerged in Finance

Author: Brennan Wright

相关文章推荐：

相关文章