上交所前總工白碩：如何破解AI金融領域裡「人智義盡」的困局？

雷鋒網AI金融了解到，伴隨著人工智慧應用於金融行業的熱潮，「高度同質化」問題愈加凸顯：一方面很多公司推出的產品定位都很相似，另一方面風投們對創業公司的技術期待也大同小異。人工智慧在金融領域似乎已經「人智義盡」——人工智慧的語義處理、創意都走到了盡頭。

「這不是一個好事情」，在近期舉辦的「2018恒生技術開放日」，上海證券交易所前總工程師、中科院博士生導師、區塊鏈及人工智慧領域專家白碩這樣說道。在他看來，正是種種思維誤區導致了這種「高度同質化」。對此，白碩從大數據、自然語義、知識圖譜三方面，詳解了當下行業內存在的同質化思維誤區，並逐一提出了不同見解。

雷鋒網AI金融對其演講內容做了不改變原意的精編：

大數據：共享誤區

現在一提到大數據就是要匯聚、要共享，如果數據不從小規模變成大規模，不進行匯聚，都不好意思說自己在做大數據和人工智慧。這其實是有誤區的。

其實很多應用單位並不情願把數據拿出來共享，可能是因為共享的收益有限，甚至沒什麼好處。不敢共享，因為這些數據一旦共享出去，便不再為你所掌控。不能共享，因為會有監管、政策、法律等方面的考慮。

這就在事實上形成了一些由邊界圍出來的數據藩籬，再者隨著中國人數據主權意識的覺醒，數據完全共享面臨的障礙短期內較難消除。

這裡有三種解決方案思路：

第一，交換模型。把自己一方數據訓練出來的模型交換給另外一方，另外一方把原始數據訓練出來的模型交換給我，不傳原始數據，而是傳模型，在傳模型的迭代過程中逐漸地實現聯合學習。

第二，同態加密。神經網涉及到線性組合，裡面有加有乘，一種還不夠，需要兩種，有一種全同態，這兩種運算放在一起是否可以模擬成一個神經網路？也不夠，因為還有非線性，這個非線性不能用加和乘來做，就要用多項式逼近，一逼近就產生誤差，誤差會有怎樣的傳播和累計這個問題沒有得到解決。需要注意的是，同態的方式只能加密輸入，不能加密輸出，輸出必須是公開的。

第三，傳假數據。把自己一方的數據訓練出模型，利用自己一方的模型生成同類型模型的假數據，把假數據傳給對方。在這方面，我參與了中科院計算所研究的工作，這項研究叫做「合作學習」，本身數據不是很複雜，就是數字的識別。

左邊是樣本，不交叉的，標籤互相不交叉，學習結果都會有提升，一方是100%，一方是0%，這邊是一方是90%是0、1、2、3、4，10%是5、6、7、8、9，傳假樣本的方式傳遞數據的量非常小，要達到接近95%以上的指標，傳輸很少的數據就可以達到，我們用傳模型的方法和每次迭代升級假樣本的全集方法量非常大，現在用樣本池非常小。

自然語言：端對端學習存在四大問題

目前的主流是端到端嵌入學習，把詞嵌入到項鏈，到把整個句子和整個符號串嵌入到項鏈。而端到端存在四方面的問題：

首先，對語言的複雜結構和承載能力還是未知數。

第二，如果單位用戶的需求複雜，靠這種學習能否應變、馬上就改，尤其是涉及到客服、涉及到對外窗口，這個話明顯已經錯了，想改對，靠學習改對是非常困難的。

第三，對領域知識和領域專家作用的輕視，總覺得數據是完整的，覺得專家的知識經驗好像可以繞開。這是不正確的，凡是自己有演算法找你要數據，有數據就可以很好地合作，就可以解決痛點，這樣的思路是錯的。

第四，與結構化的知識怎樣對接，這也是端到端嵌入方式的難點，不是說不可能，是有難點。

我現在回歸符號來做，（上圖）左邊說「這隻股票買過的都說太爛」，右邊說「這隻股票買過的都說太虧」，誰虧？誰爛？，說虧了是指買過股票的人，說爛指向股票，這樣一個指向怎樣通過符號解析的方式做出來？在這方面我們做了很大的改進，有一個新的方法，能夠非常精準地解析。

知識圖譜：過程性、動態性不夠

知識圖譜的問題是橫向共同面對的問題，大家都說知識圖譜可以做很多事情，但是同樣是知識圖譜，對知識圖譜這個概念的把握和應用的時候使用的技術是千差萬別的。

（上圖）左邊是知識圖譜發展的歷史，從描述語義的動機開始到為整個互聯網上的資源進行體系化的標註，再到本體，再到目前這樣一種很豐富的技術站形態，而且這個技術站沒有其他的技術路線可以替代的，這是不容易的，但是不夠。

來看一下我們想要做的事情，目前我們把語義要素分成第一層實體、第二層屬性或/狀態，第三層關係、第四層事件，第五層時空，第六層場景，第七層主觀認知。知識圖譜能夠做上面三層和底下四層，我們把這些語義分成本體性、過程性、輔助性，最關鍵的是過程性，目前好多研究工作都沒有往這個方向去做，這是不正常的。

最近我看哈工大發布了知識圖譜的版本，叫做「事理圖譜」，把剛才那個圖從上面三層向第四層推進了一步，這是事理圖譜在哈工大版本的呈現，就是事件和事件的推理關係、順承關係有了基礎的刻畫：

第一，需要帶參數。帶參數就是事件參與的這些實體兩兩之間有關聯，比如說前面這個事件是處罰事件，後面是整改事件，這兩個事件有交叉都共同指向這個原點，就是他們所共享的參數，如果不能在事件之間傳遞這個參數，就說明其實我們對事件的把握還很不夠。

第二，推理。大家都知道證監會中從業人員的子女、配偶和子女的配偶是不允許買賣股票。在違規買賣事件中，違規的人和交易當事人之間有一種親屬關係。（下圖）左邊是事理圖譜，右邊是傳統的知識圖譜，事理圖譜的推理過程反應到右邊要讀取相關的數據，甚至還可能改變數據。比如說撤職，在右邊的知識圖譜里，張三可能有書記、主任、會長等一系列頭銜，這些是他的任職，當左邊事理圖譜里一個事件發生了，就要在右邊把主任這個職位撤掉，我們認為這個事件是動態性的，左邊的事件激發、影響到右邊的關係，右邊的關係又會影響到左邊事件之間的順承關係、推理關係和推進。

第三，激發作用鏈。激發會有一個作用鏈，從違規到處罰、到整改，中間有一些對象是共享的，比如說違規的主體就是被處罰的主體，也是整改的主體。

所以，很多公司想利用知識圖譜技術去做行業的產業鏈分析、行業的基本面描述，但是在這個描述過程中如果不引入知識圖譜的動態性，事情就無法做到位。

（雷鋒網）

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！