阿博茨科技余宙:创造金融数据的永动机丨CCF-GAIR 2019


?

  

 来源:雷锋网

Abbots Technology Yuzhou:创建财务数据的永久动力丨CCF-GAIR2019

雷锋网: - 7月14日第四届全球人工智能与机器人峰会(CCF-GAIR2019)在深圳正式召开。此次峰会由中国计算机学会(CCF)主办,由雷锋网和香港中文大学(深圳)主办,由深圳人工智能与机器人研究所共同主办。它得到了深圳市政府的大力指导,是国内学术和机器人学术界和工业界。行业三大领域和投资界的顶级交流展旨在打造中国人工智能领域强大的跨境交流合作平台。

7月13日,Abbots Technology联合创始人于波为CCF-GAIR2019“人工智能金融特别会议”发表了关于“人工智能金融脑驱动知识处理转型”的报告。

于周说,“金融领域的知识处理”是金融业面临的最大挑战之一。数据,数据,数据和图表都是金融从业者的日常工作。 “堂兄,堂兄”也出现了“金融移民工人”的自嘲。金融公司需要面对高劳动力成本和高流动率的双重问题。

Yu Zhou认为“人应该是机器的一部分,而不是机器”,通过Abbots Technology的AI金融大脑结合RPA技术,创建一系列超级分析师助手机器人,并将其用于日常数据处理业务,让机器永无止境的永动机,让人们摆脱复杂和重复的工作,然后投入更有价值的决策工作是雅培技术的核心。

对于公司而言,除了降低使用机器的劳动力成本外,更大的收益是公司的知识沉淀和对人员的依赖,使公司成为“铁板阵营,水兵”让所有用户和员工都培养同样的超级大脑。

以下是俞州会后的现场演讲和采访内容。雷锋的人工智能财务评论使编辑没有改变原意:

大家好,我的名字很容易记住,只叫豫周。很多人说我的英文名字来自宇宙。我们公司的名字会被更好地记住。每个人都应该看看中文名称Abbots Technology。超过90%听到这个名字的人会想到如何写“雅培”这个词。什么意思?事实上,ABC很容易理解英语。这是一个特别容易测量年龄的问题。一般来说,我之前学过汉语拼音,我用中文拼音读ABC,这是“雅培”的发音。

从技术角度来看,很容易认为ABC中的ABC代表AI,Bigdata,Cloud,它是人工智能,大数据和云服务。所以我们得到了一个名为Abbott的非常基础的名字。

另外,由于谷歌的上市公司名为Alphabet,一家字母公司,我们也标志着这样一个目标,它已经开始了非常中国的雅培技术。

使用机器人解放“表兄堂兄弟”

什么是Abbot的主要事情?我们主要为金融行业提供四种类型的机器人:第一种是数据,第二种是数据,第三种是数据,第四种是绘图。

当我第一次接触金融业时,我说金融业是一个拥有丰富知识和经验的行业。去年我去瑞银时,我带着一位毛茸茸的白人客户经理说,这是我们的高级客户经理,我有30年的经验。我想培训这样一位经验丰富的客户经理回答您的问题。任何问题都是非常大的代价。然后我们想知道这些知识和经验是如何传承下来以及如何记录它们的。

谷歌此前收购了一家名为Freebase的公司,该公司拥有19亿人类知识,拥有全球庞大的知识库,但其覆盖的全球知识不到1%。我们现在面临的最大挑战和问题是人与机器之间的沟通方式。

谈到金融,还有一个非常有趣的话题。许多人在去年年底接受了CFA。他们非常焦虑,必须在2019年之前通过,因为CFA考试始于2019年。

例如,在上世纪之前学习外语是关于如何与世界上不同的人交流,但在今天的AI时代,掌握机器语言是与未来世界沟通的最佳方式。

我们现在面临的最大挑战是什么?这是如何处理大量非结构化知识的问题。人类现在产生了许多非结构化知识,例如我站在舞台上的演讲,例如视频,新闻稿和文档。金融业经常遇到研究报告,公告,新闻,图片和电子邮件。每一天,每个人都充满了这些非结构化的信息。

(金融业知识的构成)

为什么我们有这个想法?几年前,在投资过程中,我们遇到了越来越多的金融界人士。他们经常说,如果你是代码农民,我们是金融移民工人,因为他们每天都在做数据,查找数据,填写数据。而绘制图表的问题,这个行业的这些人也有一个绰号叫做“堂兄,堂兄”。

事实上,在处理这些事情时,它非常耗时且耗费人力,错误率很高,业务也在重复。根据之前的全球统计数据,35%的公司因劳动力成本过高而失败,劳动力成本可能是压倒公司的最后一根稻草。

随着年轻人继续向更重要的工作迈进,我们也听到很多老板抱怨说,90后甚至00后,每个人都喜欢创新工作,每天都讨厌无聊的工作。让他作为“堂兄,堂兄”工作,成交率非常高,结果是对一群人进行了良好的培训,在掌握了公司的数据结构和信息后,他离开了。

上次我们遇到了一位首席经济学家。他有一名分析师助理,他已经接受了三年的培训,可以离开,找到生活中的新意义。他的工作是每天从各种金融终端获取数据并制作图表。这种工作很无聊。对于人们自身的成长,老一代的金融分析师可能会说这是培养数据感的过程,也就是说,如何更熟悉数据。但对于新一代人来说,它更具可重复性。

(处理数据或浪费生命?)

对于这个组织来说,去年一本书很受欢迎,由Rui Dalio《原则》撰写。有一个核心观点对我来说非常有价值。他说:人们应该是机器的一部分而不是机器。因为人们情绪化,情绪化,疲惫不堪,而且24小时都无法工作,所以我会考虑如何制作一个让人们成为机器一部分的系统。

我刚才提到了重复性的工作量。在我的日常工作中,我相信这些工作是金融业中每个人都非常熟悉的事情。这需要做什么?数据挖掘,收集,处理等将填写“堂兄,堂兄”的日常工作。

因此,我们所做的是在ABC的财务大脑中使用自然语言处理,机器视觉技术以及机器学习和深度学习技术来处理日常数据处理。就像生产线一样,投入原始材料,最后可以制作漂亮的菜肴。金融分析师就像一名厨师。有人想帮他买食物,洗蔬菜,切蔬菜,准备调味料,这些工作可以用机器人代替。

AI三级成就超级分析师助理

(ABC金融大脑三级成就超级分析师助理)

那么AI分为几个不同的级别是什么?我认为有以下几层:

第一层是认知引擎层。第一步是打开人与机器世界之间的沟通。机器如何读取图片,报告和文档?首先是让机器人用一只眼睛。

传统的人机交互方式是让人们学习编程语言,并将所有数据处理成一个结构。我不知道现场是否有任何数据分析师或数据科学家。我们还将大量处理数据库中的结构。在许多应用场景中,一些分析师正在研究报告中寻找数十甚至数百页的图表。

例如,我想知道海底劳有多少商店刚刚在海底捞上市。如果你想搜索这些数据,最好将它扔给你的实习生,让实习生在许多大量的报告中找到这个东西并帮助你提交它。

此时,如果您使用机器,则机器必须先读取这些大型报告,然后才能找到数据。认知层用于解析所有非结构化数据,包括公告,研究报告,新闻,图片,视频和语音。

第二层是感知层。它与认知层之间最大的区别是什么?例如,看到街道上的红绿灯,知道红灯停止,绿灯线或红灯代表警告,注意力,恐慌和绿色代表和平。这些是感知层所做的事情。在认知层面,机器只能识别它是红色还是绿色,以及RGP值是什么,没有任何情绪。

然后在传统的认可水平上,例如,我们解析财务报表,或解析一段文本,例如,有2.339,中间是逗号,一百万美元。中间的逗号是单位和财务单位的分隔符吗?这些是需要结合上下文和专业金融知识来更好地组织这些数据和信息结构。这是对内容和数据的理解。

所以我们说人工智能技术必须放在一个非常垂直和非常细分的领域,这样就可以做得很好。像谷歌一样,做人类所做的一切都是件好事,但它不是初创公司的食物,也不是小公司可以做到的。我们必须选择一个非常垂直和细分的市场。

另一个案例是很多人可能会使用iPhone,声称拥有最强大的语音助手,但我们经常觉得它很愚蠢,因为有时导航不如百度和高德在中国,因为百度和高德都是导航已经积累了大量的训练样本,所以它的感知层会做得更好。

第三层是可视化。当机器读取信息时,如何将这些信息反馈给人类分析师,必须有一组能够绘制和通知的有意识的引擎。假设我是刚刚进入公司的分析师。你丢失了一些数据给我,让我生成一个图表。我什么都不知道。我唯一能做的就是阅读旧司机的报告。

目前,ABC的引擎已经学习了超过3000万份财务文件和报告,阅读了超过10亿的财务图片和信息,当你抛出一些数据时,你可以自动绘制表格和图纸。金融大脑。

对于每个人来说,这个机器人就像一个超级实习生或超级分析师助理。这些人工智能层可以极大地帮助分析师解决公开市场上的数据,如果他们私有化,他们还可以大量挖掘自己家中的大量数据。

人们常说,许多金融机构都坐在金矿里,但由于这些数据隐藏在各种文件中,它们被存放在金矿中,在那里默默无闻,只挖掘出人类挖掘机,但现在我们可以做到了。用机器人。通过自然语言的检索和语义分析,可以实现一些简单的问题和答案,最后可以看到这些数据。

创建财务数据的永久动力

最近,RPA机器人在整个金融行业尤其是全球科技行业尤其火爆。我们拥有的金融大脑与RPA技术相结合,是一种自然的延伸,从大脑延伸到手脚,实现“知识与行动的融合”。

RPA与之前的绘图和数据搜索机器人之间最大的区别是什么?答案是:它的过程比前一个过程强。我们经常说RPA解决了两个问题,即进程中的断点和阻塞点。什么是断点?我们试图成为一个永动机,或者一个完全自动化的过程,允许这个东西从输入到输出完成整个过程,但现在中间有很多断点。

例如,如果银行信用并收集大量纸质扫描信息,它是否可以完全自动化到风险控制系统中?在金融大脑之前,传统的RPA机器人需要人作为预处理的输入终端,信息由人或OCR方法输入,但机器人无法识别和理解内容,导致大量RPA。机器人将在复杂的工作中失败。

(AI时代传统RPA与RPA的区别)

例如,在终端级,当前的传统机器人可以支持一些网页,Windows程序或其他程序。那些已经完成程序开发的人知道可以在HTMA中找到各种标签,但是在这个过程中如果遇到一些本地客户端程序员,他自己绘制界面,可以通过坐标和点击区域绘制。这个界面对于机器来说可能很尴尬。

消息,然后下一点是各种花边新闻,整个过程中断。

如果它是一个没有视觉且没有AI的传统RPA机器人,很容易被当前处理各种事物的过程所迷惑,比如没有眼睛的机器人手臂。

新一代RPA可以通过人工智能为RPA提供眼睛和大脑,并且可以在做出相应决策的同时读取非结构化文本和应用程序。这样的RPA可以解决模拟手脚操作的传统过程,并演变为模拟一些初级员工在工作中的重复工作。

(Everdroid认知RPA机器人)

我们的RPA机器人叫做Everdroid。永远是永恒的意义。这意味着永不停止。它可以在7×24小时内为每个人提供服务和工作。至少在成本和成本方面,它至少比普通劳动力高3倍。降低它是更多。

因此,赋权的RPA机器人可以具有认知,认知和相应的训练技能。他所处的工作和流程越垂直和细分,他就越能利用机器学习并成为一名老司机。

对于许多组织来说,最大的收获不仅是降低劳动力成本,而且还有公司知识的沉淀和对人员的依赖,使组织成为“镀铁阵营,水力战士”,让所有人用户,所有员工都要培养超级大脑。

当然,对于许多员工来说,这听起来非常难过,但是对于未来市场的增长,组织必须赋予这些用户权力,这些用户将在这场军备竞赛中保留更多武器,而不是可以吸引更多优质人才。它还使工人能够从事更有价值的工作,而不是每天都在重复工作。

对于机器人,适用的方案包括经纪,银行,金融和各种其他金融方案。在金融行业,甚至一些走出金融行业来处理数字和报告的行业,机器人都有使用场景。的。这使得雅培的RPA从金融行业扩展到更多金融领域,涵盖更多类型的业务。

(Everdroid覆盖的场景)

也。ABC的RPA和普通公司之间的区别在于我们已经建立了RPA开放平台。开放的一部分是打开ABC的财务大脑和RPA技术,允许外部开发人员创建一个具有简单模型配置的流程机器人,为企业自动化创建一个独特的解决方案,为此我们创建了一个开发人员。社区,URL,欢迎开发人员。

另一部分是开放的,对渠道合作伙伴开放,使他们可以利用我们的技术为企业提供服务,共同实施项目实施,共同推动中国RPA领域的发展。

我们的最后一家公司是名为Dolphin Browser的移动浏览器,该浏览器在全球拥有超过2亿用户。当时,主要市场是海外市场,该公司拥有强大的海外市场扩张基因。我们现在也有全球化的意识,不仅服务于中国市场的金融机构和大型企业,而且还不断开拓海外市场,并已与许多大型国际金融机构合作。

好的,今天是这么多人的介绍,我希望记住我们非常简单的名字,ABC,也是一个非常中国化的人物并且扎根ABC(雅培),谢谢。

以下是与周瑜演讲嘉宾的部分访谈:

问:Abbott是2B金融科技公司吗?

Yu Zhou:我们不完全是2B,我们还没有完成2C,所以我们更愿意使用我们的服务方法2P(专业),这是为专业人士服务。我们的立场是使用机器让人们免于金融行业大规模数据处理的繁重工作。目前,在金融行业,人工智能无法取代分析师,我们只能为这些分析师的决策提供帮助,相当于成为分析师的助手。与帮助他人投资的雇佣军模式不同,我们不是雇佣兵,而是军火商。就像西方的大淘金热一样,我们卖水卖铲子。

问:业界对语义识别的主要挑战是什么?

Yu Zhou:最大的挑战是标记样本太少。语义识别不像人脸识别。在样本标记方面,面部识别非常简单。鼻子和眼睛在哪里一目了然,但如果它是语言上的标记,那将是困难的。您必须了解这些专业知识,例如财务。这些行业的标志,你只能找到非常专业的人来标记它,成本也很高。一方面,一方面,基本公共数据将由其他人标记;另一方面,一些市场的一些非公开数据,我将为客户提供一些相应的标记工具,因此我们的一个想法是将使用过程转化为标记的过程。

问:现阶段金融业知识处理的主要障碍是什么?

周宇:在这个阶段唯一可以成为公司障碍的事情既不是技术也不是金钱,而是时间和经验。要在金融行业进行知识处理,最重要的是您在处理材料方面积累的经验,例如股票,债券,基金,银行,经纪人和其他类型的数据。然后通过技术带来第一次启动和引导,再加上您强大的市场拓展能力,可以获得客户,然后会有客户为您提供培训样品和反馈,这反过来又为您的技术带来了更大的改进。

采取特定的应用场景。例如,在金融投资研究领域,Abbots现在为客户提供超过95%的服务准确性,这使我们不必去PK的多功能产品。

此外,产品化能力也非常重要。要做2P业务,您需要了解这些专业人士的需求。您必须快速了解他们的使用场景。出于这个原因,我还去了基金公司两周来扣除数据。 “表姐”。

问:国内外金融业知识处理部门的发展有哪些主要差异?

于周:与国内金融公司的自主研发和科技公司的创业趋势不同,国外的金融业更多的是自学。市场上很少有第三方产品可以为不同的客户提供服务,其中大多数是金融产品。机构花了很多钱,聘请了很多技术人员来做自己的研究。自学的优势在于,开发的系统更适合自己的业务,但外部应用也很困难。在短期到中期内,这种差异将继续存在于国内外。

问:你为什么选择在金融领域创业?

于宇:第一家公司(Dolphin Browser)出售后,我们做了一段时间的投资,但坦率地说,我们不是好的投资者,不是那种佛教制度,我们有那种年轻的痒。看到其他人不如他们好,我们是第二次创业。我们可以忍受心态的诱惑。我们不只是想生存。我们希望这家公司能够在未来实现可持续发展。从业务运营,我们也希望有稳定和持续的业务发展。

当我们投资时,我们看到了很多行业,并在金融行业遇到了很多朋友。他们开玩笑说他们是金融移民工人。我们问我们是否可以做一些机器人而不是一些重复性的工作。我们开始考虑它。

经过一番调查,我们发现人工智能真正发挥其独特优势的场景必须满足以下几点:首先,你必须拥有足够的数据,特别是公开的数据;二是以效率第一的方式推动行业发展;第三,时间很有价值,愿意花钱省时间。金融业刚刚满足这三点,因此我们认为人工智能应用应该是金融行业中最成熟的应用。

问:您如何看待人工智能财务的成熟度?结合今天的创业环境?

Yu Zhou:如果我们使用Gartner的技术成熟度曲线,AI Finance去年达到了顶峰(高预期的高峰期)。那时,每个人都觉得AI是无所不能的,然后有一定的恐慌。一些金融机构的员工。我觉得我正在抢他们的饭碗,即使他们又脏又累,并且有一些不那么成熟或必要的人工智能应用场景泡沫,今年行业开始回归理性,并开始理性地找到那些能够真正的登陆场景。我认为,如果人工智能安全和人工智能客户服务走上正轨,那么金融行业可能仍然属于一个持续反复试验的过程,但却开始了理性的发展。

,看多了

只提供信息存储空间服务。

周瑜

金融

雅培

Abbots Technology

机器人

读()

投诉