2017年-Talkingdata_【T112017-智能金融分会场】知识赋予金融智能思考力_11页_1mb

金融智能思考力：知识赋予机器的思维

核心内容概述

本文档围绕“知识赋予金融智能思考力”的主题，探讨了如何通过知识构建使金融机器人具备真正的思考能力。主讲人屈攀（云量科技CEO）指出，金融智能的关键不在于语义处理，而在于知识的深度与结构化，以及如何让机器理解用户意图并进行有效推理。

主要观点

• 知识是机器思考的基础：没有知识，机器只能进行简单的数据处理，无法真正理解用户意图或做出合理的判断。
• 金融机器人需具备知识结构：构建一个图谱化的知识体系，是让机器在复杂金融环境中进行推理和决策的前提。
• 用户意图理解是关键：机器必须能够准确识别用户的问题意图，并将其与已有的知识体系进行有效匹配。
• 自我优化与知识升级：机器应具备持续学习和优化的能力，以适应不断变化的市场环境和用户需求。
• 知识构建的难点：包括圈定垂直领域知识范围、构建知识图谱、理解用户意图以及实现机器的自我升级。

关键信息

• 知识机器人：基于知识进行判断，给出概率较低的预测，如“概率比较低，强阻太近”、“可能性不大，除非突破强阻”等。
• 向量机器人：基于数据和模型，给出更直接的判断，如“嗯，会上升”、“不会”等。
• 股小量：是一款对话型金融机器人，自2016年9月上线以来，拥有145万股民用户，被12家金融机构采购。
• 知识构建误区：
  • 盲目追求数据量，忽视知识质量；
  • 希望通过“四两拨千斤”的方式快速积累知识；
  • 认为人工智能开发成本低、产出高；
  • 相信机器能够自主学习和优化，无需人工干预。
• 知识构建的正确方式：需要“好老师”的引导，即高质量的知识来源和结构化方法，才能培养出真正具备思考能力的金融机器人。

机器人表达方式

• 语言表达：机器人需要将答案以人类可理解的方式表达出来，而不仅仅是输出数据或模型结果。
• 图形表达：结合图形展示，增强信息传达的直观性和可读性，使用户更容易理解复杂的金融分析结果。

总结

知识是金融智能机器人实现真正“思考”的核心。构建一个有效的知识体系，不仅需要精准圈定垂直领域，还需要图谱化组织知识，使其能够被机器理解和应用。同时，理解用户意图并将其与知识系统关联，是实现智能交互的关键。此外，机器不能完全依赖自我学习，仍需人类的引导和优化。最终，机器人应能够将分析结果以自然语言和图形形式呈现，以提升用户体验和决策效率。