_T112017-智能金融分会场_知识赋予金融智能思考力-11页_1mb

文档内容总结

核心内容

本文档围绕“金融智能”主题，探讨了如何通过知识赋予机器思考能力，从而实现更高效、智能的金融服务。主讲人屈攀是云量科技CEO，他通过“股小量”这一对话型机器人案例，展示了知识在人工智能发展中的核心作用。

主要观点

1. 知识是机器思考的关键

   • 机器如果没有知识，就无法真正理解用户意图，也就无法具备“智力”。
   • 忽略知识的积累，将导致人工智能系统的重大失误。

2. 构建机器人知识系统的难点

   • 知识范围的圈定：如何在特定的垂直领域（如金融）中界定知识边界。
   • 知识结构的图谱化：将知识组织成结构化的图谱，便于机器理解和应用。
   • 用户意图的理解与关联：机器需要准确识别用户的意图，并将其与已有的知识体系进行匹配。
   • 系统的自我优化与升级：机器人应具备自我学习和优化能力，以持续提升知识系统的质量与效率。

3. “股小量”的定位与应用

   • “股小量”是一款专注于炒股与投资的对话型机器人。
   • 它能够通过多种渠道（如微信、微博、APP、H5、论坛）与用户进行交互。
   • 自2016年9月上线以来，“股小量”已拥有145万用户，并被12家金融机构采购为解决方案。

4. 人工智能开发的误区

   • 盲目追求数据量，认为数据越多越好，但忽视了知识的深度与结构。
   • 相信初期可以通过“四两拨千斤”的方式快速积累知识，但实际上需要系统化的知识构建。
   • 认为人工智能开发成本低、产出高，但实际上需要大量投入与精细管理。
   • 误以为机器可以立即自我学习和优化，而实际上需要人工干预与引导。

5. 知识传授的重要性

   • 在人工智能的培养过程中，知识的传授至关重要。
   • 一个“好老师”能够培养出“人才”，而一个“蠢材老师”则可能带出“废物”。
   • 强调“一定要请一个好老师”的观点，表明知识体系的建立需要专业、系统、有目标的指导。

关键信息

• 知识 vs 语义：文档强调，知识是让机器理解用户意图的核心，而不仅仅是语义的处理。
• “股小量”案例：作为对话型金融机器人，它展示了知识在金融智能中的实际应用价值。
• 知识构建的挑战：包括范围界定、结构化、意图识别与系统优化等关键步骤。
• 开发误区：文档指出，数据堆砌、快速知识积累、低成本开发和自动优化等观点都是对人工智能发展的误解。
• 教师的重要性：知识的传授与指导在人工智能系统的发展中起着决定性作用，直接影响最终成果的质量。

结论

文档通过“股小量”这一金融智能机器人的案例，深入分析了人工智能系统中知识构建的重要性与挑战。强调了知识作为机器思考力的基础，以及在实际应用中，如何通过系统化、结构化的知识管理来提升机器的理解与服务能力。同时，也指出了当前人工智能开发中常见的误区，并呼吁重视知识传授与系统优化，以实现真正意义上的智能金融。