人工智能（ai）經以雷霆萬鈞之勢從學術界潛入産業界的每一個角落，ai已經不是科技公司創新創業的專屬武器，因其價值之大，也成為了傳統行業變革求新、提高效益的利器。ai掘金志緻力于傳統行業ai應用的解讀，幫助從業人士尋找最有價值的模式與落地路徑，記錄ai浪潮之巅的時代變遷。 未來，我們還将舉辦相關教育訓練訓練營，以及行業首創的“首席資料官峰會”，搭建起資料科學家與首席資料官之間的橋梁。
ai掘金志本周關鍵詞：ai金融、華爾街、ai商業、認知醫療
華先勝，北京大學應用數學博士、ieee
fellow、acm2015年度傑出科學家、mit tr全球35位35歲以下的傑出青年創新人物，曾擔任acm
multimedia等大會程式委員會主席，是視覺識别和搜尋領域的國際級權威學者。于2016年7月加入阿裡雲人工智能研究機構idst科學家團隊，帶領阿裡雲視覺計算團隊的研發工作。
本文根據2月27日阿裡雲視覺計算團隊負責人華先勝的視訊采訪整理而來。
華先勝表示，一個成功的人工智能應用，應該具備五個條件：
第一個是算法。你要有好的算法，你的算法要有先進性，你的算法不行一切都沒有了基礎。（當然你也可以把算法這一個條件看做是科學家，因為人才和算法是緊密相連的）。 第二個是要有資料。資料本身就是一個很大的話題，裡面有資料的采集、搜集、清洗、有效的标注，甚至包括算法裡面資料怎麼使用。 第三個是使用者。你做的這個東西應該有使用者的，因為有很多問題是需要使用者參與才可以做得越來越好。當然你從商業的角度來講，沒有使用者的話也不能夠長久。使用者本身是資料的消費者，也是資料的提供者，這過去在搜尋引擎裡面有非常重要的展現，可以說搜尋引擎的技術能夠做那麼好，每個人都有contribution的。 第四個就是平台。這個就是涉及到你要有強大的計算能力和一套體系架構，能夠友善地去研發、部署和生産，這一套是必須要有的。當然現在因為有雲計算，是以這部分的瓶頸，對于很多企業來講已經沒有過去那麼困難了。 第五個就是有好的商業模式。如果沒有好的商業模式，就不可能長久。你做一個事情，低頻的事情沒有多少人用，或者不能給少量使用者帶來大的價值，最後産生的總體價值不夠的話，其實是很難長久的。這幾點，我個人覺得其實是都應該具備的。當然了，可能不同的商業應用，應該來說可能有不同的側重，但是我覺得都應該具備。
雷鋒網2月25日報道，人工智能在科技的角度來說可為科技金融提供強大的計算能力和背景的支撐。但是在科技金融方面，到底是如何應用的呢？在2月25日于廈門舉行的“2017首屆科技金融國際峰會”上，美國abundy科技公司創始人、ceo，清華大學講席教授，機器學習與量化金融專家鄒昊，介紹了中美科技金融行業的發展趨勢，以及人工智能在金融領域的深入應用。
據雷鋒網了解，鄒昊畢業于斯坦福大學，在三年内完成了電子工程博士和碩士、工商管理碩士mba、以及經濟學碩士等四個學位。曾任pimco全球投資經理和美洲投資委員會常務委員，管理政府債券、貨币、期貨和衍生品的全球戰略投資，2016年入選福布斯全球30位30歲以下青年領袖榜。
鄒昊表示，關于中美最大科技公司的統計，現在最大的科技金融行業基本上還是集中在中美兩國之間，最大的兩家——一個是螞蟻金服，一個是陸金所；接下來是美國支付和借貸的公司，最大的領域還是在支付和借貸，傳統金融企業的核心支柱行業裡面。是以盡管中國的gdp還沒有達到美國的成熟，但我們已經發覺，科技金融前兩家已經在中國了。
這是為什麼？我有我自己簡單的見解，我跟歐美的銀行高層他們交流會比較多，他們去年也有一個歐洲最大銀行的董事會邀請我去幫他們做了一下分析，就是看看他們作為一個傳統銀行怎麼在金融創新領域發揮。我們觀察下來，為什麼中國金融科技走得最好？
第一點，傳統金融業在體量和業務上的薄弱，是在科技能力，自己核心技術上相對美國來說有一點薄弱。中國科技金融行業過去幾年非常蓬勃的發展也是非常得益于非常寬松的監管環境，到目前為止，網際網路科技或者是科技金融的企業他們監管的成本相對于傳統金融企業來說是非常低的，但是在美國和歐洲它的監管層對科技企業限制會更加強烈，無論你是做小額貸款公司還是做什麼公司，可能你的資金，你押的保證金都是一樣的。但是在目前為止還是比較偏向于科技型企業。前幾年出現的p2p借貸事件，可能今後監管會逐漸的加強。我相信，至少在過去幾年之内，大的趨勢還是環境非常适合科技公司的發展。
第二點，美國因為其結構基本上偏中老年化，有錢人年齡非常大，但是在中國，中國作為一個開發中國家，其移動網際網路的滲透率是在高端的人群當中，結構相對比較平衡一點，是以很多新興的20，30歲，甚至40歲的人，包括我們現在年齡更大的一點的使用網際網路的滲透率比美國要高很多。是以很友善的發展很多在網上借貸，網上支付的業務。
支付
傳統金融業在過去二三十年受到的挑戰，第一波最先進行的挑戰是在支付方面，因為最先也是發源于美國。在美國，每個人手持一張信用卡，但是通過一些手段在成本和效率上也成功地挑戰了一些美國的傳統的公司。像中國的支付寶和微信支付，條件會比美國更好一點，因為美國每個人都有信用卡，但是在中國銀行卡和信用卡不是他們主要的支付方式，是以這個是第一波的挑戰。
雖然中國是後起者，但是在中國的應用已經超過了美國。
對資金和資本管理的模式挑戰
相對于資金管理和資本管理行業一個比較大的挑戰就是網際網路基金銷售和網際網路的基金管理模式，包括自動化和人工智能的模式有一些挑戰。
我們現在要面對的一個非常大的挑戰就是人工智能和大資料怎樣挑戰傳統的銀行業。我也在傳統的銀行業工作了多年，但沒有在科技公司工作過，也有很多應對的方法。像今天聽到了興業銀行的陶行長非常好的見解，也對我啟發非常大。
巨大的挑戰，我做了一個簡單的統計，整個格局的變化有多麼迅速？中國最大的銀行工商銀行創立于1984年，有着幾十年的曆史。而中國最大的科技公司，螞蟻金服才十多年的曆史，但是比較一下，一個是有非常多的門店，一個是沒有門店，一個是員工46萬人，還有一個是員工6000多人，接下來的市值金融公司也是非常快的發展。
是以像我這樣在傳統行業的從業者現在又在科技金融的從業者，怎麼在趨勢中保持自己的優勢，這也是我時刻在思考的問題。
最大的金融公司的業務基本包括了所有銀行的業務，比如付款，消費貸款，中小企業貸款，還有财富管理。我舉的例子是螞蟻金服，可以看到，基本上已經是一個銀行了，而且它有着比銀行更多的優勢——它有技術上的優勢，還有使用者的資料和管道的優勢。這也是為什麼包括中國的銀行，歐洲和美國的銀行都相對比較緊張的原因。
在美國銀行業迎接這一波浪潮當中還是準備得相對比較充分，因為在美國最大的銀行像投資銀行高盛，摩根斯坦利等銀行，科技實力是非常強的，一方面收購并購公司，一方面從文化上來改變結構，包括設立科技金融和科技金融子公司，也是一個方向。從幾年開始設立分公司，調整模激勵的模式。
之前李稻葵老師也講過，中國發展科技的優勢就是程式員相對便宜，是美國的1/10，在矽谷地區的确是這樣，像矽谷金融科技公司，收入都超過50萬美金了。在科技公司裡，程式員的地位和收入會遠遠高于傳統銀行的收入，但是傳統銀行這麼大一個機構如果不設立子公司，改變它的架構，一個高管才拿50萬人民币，但招一個程式員發100萬人民币，這個在傳統銀行不大可能，是以隻能做一個子公司或者體制外的機構才可以跟科技公司抗衡。
傳統行業裡面出來，公司的架構上程式員的收入或者是科技人員的收入薪酬會比較低，而且不是特别受重視，這也是為什麼在科技金融浪潮裡面，如果是傳統行業，跟科技公司競争（不包括矽谷，矽谷已經是非常高的，就是跟國内競争）的話，可能也需要相應文化上進行相應的變通。
另外一點，行長和董事長是不是重視。
如果特别重視，會設立一些資料首席官或者是大資料首席官放在核心的執行委員會裡面，這些都是對金融機構能夠戰勝這一波科技技術浪潮非常重要的方面。
雷鋒網(公衆号：雷鋒網)2月26日報道，在2月20日的himss17上，ibm ceo ginni rometty 發表了演講，主題是：認知計算驅動的未來醫療遠景。
雷鋒網對演講原文進行編譯，并且做了不改變原意的删減：
5年前，我成為ibm的ceo。在《jeopardy》上，我向公衆們介紹了watson，我說這将成為我們下一個moonshot。我不會傲慢到認為我們可以改變醫療行業本身，但是我們可以改變這個體系中的一些小部分。
百度百科：“moonshot”是一個瘋狂的想法或者不大可能實作的項目，它被解決的科學幾率可能隻有一百萬分之一。
2年前，在himss
conference上，我的ibm同僚們宣布了watson
health的首次亮相，這是一個有重要意義的時刻，不僅對于ibm而言，對整個醫療領域來說同樣如此。這與政府和監管部門釋出的規章、平價醫療法案和收購等是同樣重要的時刻，目前，美國的醫療保健政策與未來的業務圖景尚未定型，但是我對未來充滿希望。我們處在一個能大幅改變醫療的時刻，并且我們也擁有這樣的能力。
如今是這樣的時代：認知計算在醫療領域快速發展。
我希望向你們傳達三點：認知計算是真實存在的、它在這裡，目前處于主流地位，它可以改變醫療。
我認為在未來2到3年，我們将做出三個關鍵的決策，他們将改變世界，尤其在醫療領域變革程度更大。如果認知計算被合理應用，它将引領醫療領域走向一個黃金時代。
認知醫療／人工智能目前是主流，并且他們真實存在。
如今，有一大片領域亟待人工智能發展，我說的不是搜尋引擎前沿領域的語音轉化，我指的是在醫療、金融服務、零售等領域的落地應用，是以我将分享我在将人工智能應用到醫療行業過程中，總結出的5點體會。
人工智能專家最終的落腳點還是在認知服務。
你必須公開透明。誰訓練了你的人工智能？用的是什麼樣的資料？你必須對你做的事情有充分的信心。
這個領域将會變得愈加細分，這意味着你的人工智能必須由醫療領域的專家訓練。
為了安全，它必須基于混合雲的。你必須與不同領域的人合作。
這必須由一個生态系統中的參與者合作完成的大事業。
認知計算的實際應用案例已經遍地開花了。
最近，
菲律賓的巴羅神經學研究所的研究人員做出了突破性成就。研究人員利用ibm
watson的超級計算能力，發現了緻命的肌肉痙攣與肌萎縮性側索硬化症之間潛在的遺傳性聯系。巴羅官員稱道，研究人員通過ibm
watson發現了與als有關的新基因，此前兩者之間被認為沒有關系。
許多國家的許多公立醫療系統，包括中國、印度、泰國和芬蘭，已經在護理患者過程中逐漸使用watson health為臨床研究和診斷提供支援。這極大縮減了醫生在臨床決策支撐工具的協助下做出診斷的時間，其中也包括癌症。
在這樣的場景中，我看到了診斷與精準醫療融合的時代正在來臨，我也看到了精準醫療與可穿戴裝置之間的廣泛融合。
我們希望每個人都能了解這件事的目标：我們的技術是增強人類的技能，而不是替代人類智能。我們的技術将對醫生、護士、it工作者産生極大的幫助，并且增強他們的技能，而不是取代他們。這是我想讓你們知道的幾個關鍵原則中最重要的。
第二，關于透明性，當你或你們的客戶與人工智能接觸的時候，你們将會被告知工作的過程、誰在運作它、整個業務模型、訓練和算法等。
第三，每個新時代，都會産生大量的新工作。并且我們有責任為這些工作提前做準備，我們建立了一個術語——“新領”，不是白領或藍領。新領表示在新興技術時代裡，将要出現的新的工作和職業經理。
現在到這樣一個曆史性的時刻，之前是這樣的世界：一些力量在我們能夠掌控，另一些則無能為力。但是不要猶豫，現在是反擊的時候了，你可以建設這個世界，認知世界将變得更健康，更安全，更少浪費，更有成效，并且最終是一個更公平、公正的世界。
雷鋒網了解到，近日ibm推出了第一個認知影像産品——ibm
watson imaging clinical review，并宣布将 watson health 醫學影像合作計劃擴大到全球 24
家組織，為處理眼部、腦部、胸部、心髒和相關病情的全球計劃增添行業專家和臨床經驗。
ibm watson imaging clinical review的主要作用有：
可檢查包括圖像在内的醫療資料，在危急情況時，發送預警給醫務工作者。
通過認知文本分析讀取心髒病科醫師病曆中的結構化和非結構化資訊，與其他來源的資料相結合，驗證其病曆中的關鍵資料（包括診斷結果）是否準确。
醫院管理人員可識别應跟進治療的病情，確定其記錄在病曆中。
該産品的第一個應用對象是心血管疾病中的一種常見病as ——aortic stenosis(主動脈瓣狹窄)。據了解as 影響着 150 萬美國人，會在心髒的主動脈瓣變窄時發生，阻礙血液流向身體的其餘部位，導緻氣促、疲倦和胸痛。
研究發現，watson clinical imaging review 能幫助醫務人員識别潛在 as 患者。
據了解，ibm 将為這一版本補充 9 種額外的心血管疾病，比如心肌梗塞（心力衰竭）、心髒瓣膜病變、心肌病（心髒肌肉上的疾病）和深靜脈血栓。
對此，frost & sullivan 的醫學影像和資訊學分析師 nadim michel daher 說道：
watson imaging clinical review 是一種由 ai 驅動的工具，醫療組織可通過其規範治療過程，并搜集患者的大量重要資料，在此過程中，幫助醫務人員實施一種基于人群的個性化治療方案。
根據ibm官方消息，本次合作的組織包括：university of michigan、radiology associates of south florida、university of miami health system和merge等24家。
據了解，watson health醫學影像合作計劃由領先的健康系統、學術醫療中心、私營放射科實踐機構、流動放射學服務提供商和影像技術公司構成，他們共同的目标是：尋找各種方式讓醫學影像技術識别和預測可能發生癌症、糖尿病、眼部、大腦和心髒疾病及相關病患的風險。
對此，watson health 影像部門副總裁 anne le grand 說：
watson 要想持續訓練并開發認知影像解決方案來應對全球的緊迫健康挑戰，影像成像合作對其至關重要。
創新源于跨界融合。如今，人工智能已經不是科技公司創新創業的專屬武器。随着時代和社會科技基礎的進步，ai已經以雷霆萬鈞之勢從學術界潛入産業界的每一個角落，成為了傳統行業變革求新、提高效益的利器。而在可高度量化的金融投資領域，ai的介入誕生了新的産品——智能投顧。
然而，智能投顧隻是數字智能技術與金融行業結合的部分産物。當金融遇上ai，潛力并不止成為一個投資顧問。那麼，對比從古到今，國内到國外，不同的金融投資發展階段，ai都起到了怎樣的作用？當下ai在金融投資領域應用都有哪些優勢與不足？未來金融投資領域的各個分支方向可能會發展為什麼模樣？
本次ai金融評論欄目公開課ai金融專場之第二期，我們邀請到了财鲸智能投顧聯合創始人王蓁博士分享見解。對于每一個細分領域的應用實踐，王博士都從“案例與要點對比”、“中美對比”以及“未來發展模樣預測”三個層面展開講述。
以下是公開課完整視訊：
<a href="http://www.leiphone.com/news/201703/hoxtcl8r9ixv1mwy.html">摩根大通用ai輔助律師，36萬小時的人力工作縮至秒級</a>
彭博社報道稱，摩根大通開發了一款金融合同解析軟體coin。這款軟體上線半年多，經測試，原先律師和貸款人員每年需要360000小時才能完成的工作，coin隻需幾秒就能完成。而且，不僅錯誤率大大降低，它還不用放假。
據雷鋒網了解，盡管金融業一直吹噓其技術創新，但随着顧客流失、成本高昂等問題的凸顯，銀行高官們也不得不為此擔憂。摩根大通最近為專門從事大資料，機器人和雲計算基礎設施的團隊設立了技術中心，以找到新的營收增長點，同時降低費用和風險。coin隻是這家美國最大的銀行的技術化開端。
事實上，不僅僅是華爾街的法律事務，傳統律師事務所也不乏開始采用人工智能來處理一些案頭工作的案例。比如，2016年6月，英國年利達律師事務所研發了計算機程式verifi，用于業務中對14家英國及歐洲監管登記機構的材料的篩查，幫助銀行稽核客戶姓名。
2016年5月，美國最大的律師事務所之一——baker
&
hostetler，引進了ibm的超級機器人律師ross。據介紹，事務所對ross進行了一年零10個月的法律知識訓練後，ross一定程度識别人類提出的問題，并挖掘非結構化資料，根據參考文獻和案例分析，并提供決策建議，幫助提高法律研究的效率。
ai已經在許多領域産生了深遠的影響，包括法律實踐。ai改變了合同、電子披露和綜合法律研究，同時，計算機的處理能力在不斷增加，其表現出非凡智能行為。
雖然傳統上，法律界适應技術變革緩慢，但ai是個例外。例如，利用人工智能，律師可以近乎實時地跟上法規的變化和判例法。據ai科學家所稱，在現實中，最大的收獲是，ai使得法律研究的某些階段更有效，而不是通過機器大量取代律師。
“這樣一來，律師着重在更高層次解決和防止法律問題，同時把日常任務留給計算機，”商标的解決方案供應商trademarknow的首席科學家anna
ronkainen說， “這項工作、産品不僅更快地被完成，并以更低的成本，而且品質更好，因為機器犯錯的幾率比較小。”
ronkainen還指出，目前ai在法律行業的應用仍然是集中在檔案審查領域。其中電子披露與預測編碼在過去十年保持不變，即使是人工審查，有時甚至不被法院承認并受理。此外，ai進軍了其他法律行為。例如，ai商标的工具，其中包括來自trademarknow——現在由谷歌、roche公司和general
mills使用。
“商标檢索客戶的報告時間已經減半，決定是否繼續的訓示僅需要不到一分鐘，”ronkainen說， “營銷團隊通過使用這些工具，商标團隊不再需要處理很長的候選人名單，可以專心關注入圍者。”
此外，據雷鋒網此前報道，ai系統可以平衡律師行業公平的競争環境。例如，使用ai平台一個初級律師可以智能地接觸到30年的法律知識，而擁有30年經驗的律師可能不會向技術求助。
總的來說，在越來越依靠資料驅動的世界，生活在其中的專業人士，包括律師，需要轉向通過大量的資料來掘金。ai解決方案将在所有律師和公司的日常實踐中發揮越來越大的作用。
本文作者：溫曉桦