人類社會(huì)正在快速的數(shù)據(jù)化，從購(gòu)物、出行、旅游、金融、生產(chǎn)到消費(fèi)所有環(huán)節(jié)，海量數(shù)據(jù)的出現(xiàn)，讓大數(shù)據(jù)成為未來(lái)不可或缺的戰(zhàn)略高地。而定理表明，在試驗(yàn)不變的條件下，重復(fù)試驗(yàn)多次，“有規(guī)律的隨機(jī)事件”在大量重復(fù)出現(xiàn)后往往呈現(xiàn)幾乎必然的統(tǒng)計(jì)特性。這意味著，海量數(shù)據(jù)可以用于預(yù)測(cè)未來(lái)，比如用戶行為分析、市場(chǎng)需求分析、預(yù)警信息發(fā)布等，未卜先知成為可能。
展望未來(lái)，人工智能技術(shù)將與大數(shù)據(jù)緊密結(jié)合，同時(shí)需要嘗試更多場(chǎng)景落地，最大限度觸及最廣受眾。同時(shí)還需要數(shù)據(jù)安全的保證，最終才能通往大數(shù)據(jù)的“后天”。
趨勢(shì)一：緊密結(jié)合人工智能
大數(shù)據(jù)預(yù)測(cè)未來(lái)的基礎(chǔ)是依靠對(duì)過(guò)往數(shù)據(jù)的深度挖掘，從中尋找規(guī)律，從而預(yù)判未來(lái)趨勢(shì)。海量數(shù)據(jù)的分析遠(yuǎn)不是人工可以勝任的，其中必需結(jié)合人工智能才能實(shí)現(xiàn)。與以前的眾多數(shù)據(jù)分析技術(shù)相比，人工智能技術(shù)立足于神經(jīng)網(wǎng)絡(luò)，同時(shí)發(fā)展出多層神經(jīng)網(wǎng)絡(luò)，從而可以進(jìn)行深度機(jī)器學(xué)習(xí)、自主學(xué)習(xí)，挖掘數(shù)據(jù)背后不為人知的秘密。
其中算法和計(jì)算能力是人工智能“未卜先知”的關(guān)鍵。在近些年來(lái)，深度卷積神經(jīng)網(wǎng)絡(luò)成為機(jī)器自主學(xué)習(xí)、做出判斷的重要幫手。在大量數(shù)據(jù)“喂”給計(jì)算機(jī)時(shí)，在低層網(wǎng)絡(luò)可以提取數(shù)據(jù)細(xì)節(jié)，而高層網(wǎng)絡(luò)提取整體信息，之后尋找規(guī)律、從而預(yù)測(cè)未來(lái)。
算法得出優(yōu)化模型的前提是大數(shù)據(jù)的訓(xùn)練，計(jì)算機(jī)必需通過(guò)類似“題海戰(zhàn)術(shù)”的戰(zhàn)略才能量變引起質(zhì)變，得出最優(yōu)解。以人機(jī)大戰(zhàn)為例，計(jì)算機(jī)下棋相對(duì)果斷，這其中就需要依靠強(qiáng)大芯片的高速處理能力，讓計(jì)算機(jī)“速算”。
在芯片研發(fā)上，英偉達(dá)、谷歌等巨頭已有突破，特別是谷歌日前發(fā)布的TPU處理器，兼具了浮點(diǎn)計(jì)算能力，大大提升以往GPU的計(jì)算能力之外，還主攻機(jī)器自主學(xué)習(xí)和推理能力的提升，針對(duì)圖像、語(yǔ)音、文字等多類型數(shù)據(jù)靈活處理。
具備高速處理能力的芯片能夠在短時(shí)間內(nèi)快速閱讀海量數(shù)據(jù)，從數(shù)據(jù)中發(fā)現(xiàn)蛛絲馬跡、尋找規(guī)律、得出最優(yōu)化方案，并能對(duì)未來(lái)趨勢(shì)進(jìn)行判斷。特別是能夠提前預(yù)警某些事件，讓人類從容準(zhǔn)備和應(yīng)對(duì)突發(fā)事件。
未來(lái)，大數(shù)據(jù)勢(shì)必更加緊密結(jié)合人工智能，從此完善自主學(xué)習(xí)能力，通過(guò)訓(xùn)練可得出人類意想不到的優(yōu)化方案。看似兩者或多者不相關(guān)數(shù)據(jù)線索卻能分析出有價(jià)值的結(jié)論，提升管理效率，這或許是人工智能逐漸超越自我的重要體現(xiàn)。
趨勢(shì)二：金融風(fēng)控是最佳落地場(chǎng)景和入口
人工智能的發(fā)展讓大數(shù)據(jù)挖掘在技術(shù)上不再是難題，下一步就面臨技術(shù)成果轉(zhuǎn)化為應(yīng)用服務(wù)的問(wèn)題。只有實(shí)時(shí)產(chǎn)生大量數(shù)據(jù)、并對(duì)數(shù)據(jù)預(yù)測(cè)未來(lái)的需求旺盛才是值得深耕的最佳場(chǎng)景。對(duì)此，面向大眾服務(wù)、歷來(lái)期盼“未卜先知”的金融風(fēng)控是大數(shù)據(jù)+人工智能最具用武之地之處。
在金融風(fēng)控領(lǐng)域，傳統(tǒng)的風(fēng)控方式主要考察單個(gè)企業(yè)的財(cái)務(wù)狀況，再進(jìn)一步結(jié)合一些歷史數(shù)據(jù)，但是這些方式對(duì)于關(guān)聯(lián)性風(fēng)險(xiǎn)的識(shí)別效率并不高。在目前的數(shù)據(jù)基礎(chǔ)上，人工智能通過(guò)對(duì)大數(shù)據(jù)的訓(xùn)練、優(yōu)化模型后可以將銀行對(duì)實(shí)際風(fēng)險(xiǎn)客戶識(shí)別準(zhǔn)確度提高30%左右。使用人工智能分析模型可對(duì)每位信貸申請(qǐng)人的上萬(wàn)條原始信息數(shù)據(jù)進(jìn)行分析，只需幾秒時(shí)間便可以得出超過(guò)十萬(wàn)個(gè)行為指標(biāo)。
采用“人工智能＋大數(shù)據(jù)”后，能夠更加有效地應(yīng)對(duì)信貸領(lǐng)域存在的關(guān)聯(lián)性風(fēng)險(xiǎn)。具體來(lái)說(shuō)，企業(yè)將被視為整個(gè)數(shù)據(jù)圖譜中的一環(huán)而非一個(gè)單一的財(cái)務(wù)模型，這一數(shù)據(jù)圖譜由企業(yè)的貿(mào)易數(shù)據(jù)、資金流數(shù)據(jù)、工商稅務(wù)海關(guān)數(shù)據(jù)甚至是企業(yè)用水用電數(shù)據(jù)構(gòu)成，并通過(guò)特定的算法模型進(jìn)行處理。多方面數(shù)據(jù)的關(guān)聯(lián)可偵查到財(cái)報(bào)數(shù)字中隱藏的蛛絲馬跡，識(shí)別出信用等級(jí)可能存在問(wèn)題的公司，可以大大降低壞賬率，避免損失。
在債券領(lǐng)域的風(fēng)險(xiǎn)控制上，引入人工智能后可對(duì)1000+個(gè)評(píng)價(jià)指標(biāo)進(jìn)行關(guān)聯(lián)分析，得出發(fā)債主體信用風(fēng)險(xiǎn)評(píng)價(jià)體系。此外，可對(duì)發(fā)債主體的信用風(fēng)險(xiǎn)進(jìn)行7*24小時(shí)不間斷的動(dòng)態(tài)、客觀評(píng)價(jià)，實(shí)時(shí)捕捉信用風(fēng)險(xiǎn)變化。當(dāng)用戶輸入發(fā)債主體，即可了解全部信息，甚至可看到該主體的信用評(píng)分趨勢(shì)，并能平均提前30天發(fā)出預(yù)警信號(hào)，讓債券投資者獲取精準(zhǔn)、實(shí)時(shí)的風(fēng)險(xiǎn)預(yù)測(cè)信息。
大數(shù)據(jù)在落地更多場(chǎng)景、服務(wù)更多受眾中，必然需要數(shù)據(jù)傳輸，這其中就面臨著數(shù)據(jù)安全問(wèn)題，近日爆發(fā)的電腦病毒再次給我們敲響警鐘。在未來(lái)的大數(shù)據(jù)安全保障中，需要建立動(dòng)態(tài)網(wǎng)絡(luò)安全感知體系，用大數(shù)據(jù)的方法解決大數(shù)據(jù)的安全問(wèn)題。
對(duì)此，已有公司推出了新安全體系，其中包括漏洞挖掘技術(shù)，網(wǎng)絡(luò)攻擊技術(shù)，網(wǎng)絡(luò)樣本分析技術(shù)，以及網(wǎng)絡(luò)地址解析數(shù)據(jù)庫(kù)，網(wǎng)絡(luò)訪問(wèn)數(shù)據(jù)庫(kù)等等，用數(shù)據(jù)動(dòng)態(tài)感知的方式實(shí)時(shí)捕捉安全問(wèn)題，提前預(yù)警。大數(shù)據(jù)的積累永無(wú)止境，深度挖掘更多大數(shù)據(jù)的背后價(jià)值是大勢(shì)所趨，相信在人工智能逐漸走向爆發(fā)、商用場(chǎng)景更好落地和推廣之后，大數(shù)據(jù)的“后天”一定更光明。