【T112017-智能金融分会场】知识赋予金融智能思考力_11页_1mb

金融智能机器人知识构建与应用总结

核心内容概述

本次演讲由云量科技CEO屈攀主讲，主题为“知识赋予金融智能思考力”。演讲重点探讨了如何通过知识赋予金融机器人智能思考能力，以及构建金融智能机器人知识体系的难点与关键。

主要观点

• 知识是机器思考的关键：与语义不同，知识是让机器理解用户意图并作出合理判断的核心。没有知识，机器无法真正“思考”。
• 忽略知识将导致重大失误：在金融领域，仅依赖语义分析无法准确预测市场走势，必须结合丰富的知识体系才能提供有价值的建议。
• 构建知识体系的难点：
  1. 如何圈定垂直领域的知识范围；
  2. 如何构建图谱化的知识结构；
  3. 如何让机器理解用户意图并与知识关联；
  4. 如何实现机器的自我优化与知识系统升级。
• 知识机器人的表现：面对“大盘明天会涨么？”的问题，知识机器人会基于已有知识给出概率较低、需突破强阻等分析，而向量机器人则可能给出较为简单的判断，如“嗯，会上升”或“不会”。
• 金融机器人的定位：以“股小量”为例，是一款对话型机器人，专长于炒股与投资，适用于微信、微博、APP、H5、论坛等场景。自2016年9月上线以来，已拥有145万用户，被12家金融机构采购使用。
• 知识构建的误区：
  1. 盲目崇尚堆砌数据量，认为量和质会自然建立统计关系；
  2. 相信初期能通过“四两拨千斤”的方式快速积累知识；
  3. 认为开发人工智能是低成本、高产出的过程；
  4. 假设机器一开始就能自主学习和优化知识体系。
• 知识构建的关键：必须有“好老师”引导，才能培养出具备真正能力的“人才”。反之，“蠢材老师”只会带出“废物”。

关键信息

• 知识的重要性：金融机器人必须具备知识体系，才能进行深度分析与预测。
• 知识构建的挑战：涵盖知识范围界定、知识结构化、意图理解、自我优化等多个方面。
• 知识机器人的应用实例：以“股小量”为例，展示金融机器人如何在实际场景中提供投资建议。
• 知识构建的误区与反思：强调知识构建不能依赖数据堆砌，也不能幻想初期快速见效，必须有系统的引导与培养。
• 人才与老师的关联：指出知识机器人的质量取决于知识构建者的水平，即“好老师”带出“人才”，“蠢材老师”带出“废物”。

总结

金融智能机器人的发展依赖于知识的构建，而非单纯的语义分析或数据量堆砌。构建一个高效、准确的金融知识系统，是实现机器智能思考的关键。同时，知识机器人的实际应用表明，知识体系的完善能够显著提升其在投资建议、市场预测等方面的能力。然而，知识构建并非易事，需要明确领域边界、结构化知识图谱、理解用户意图，并通过持续优化来提升机器的智能水平。最后，演讲强调了“老师”的重要性，指出只有通过高质量的知识引导，才能培养出真正有价值的金融智能机器人。