【T112017-智能金融分会场】知识赋予金融智能思考力_12页_2mb

文档内容总结

核心内容概述

该文档主要围绕金融领域的智能机器人构建与应用展开，强调了知识驱动在人工智能发展中的重要性。文档通过介绍一个名为“股小量”的对话型金融机器人，展示了如何通过知识赋予机器“思考力”，并分析了构建金融智能机器人的难点与误区。

主要观点

1. 知识是机器思考的关键

   • 文档指出，单纯的语义理解不足以让机器具备真正的思考能力，只有通过知识的积累与结构化，机器才能理解用户意图并作出合理的回答。
   • 忽略知识的积累是构建智能金融机器人的重大失误。

2. 构建机器人知识的难点

   • 圈定垂直领域知识范围：需要精准界定金融机器人所服务的领域，避免知识泛滥。
   • 构建图谱化的知识结构：将知识以图谱形式组织，有助于机器理解和推理。
   • 理解用户意图并与知识关联：这是智能机器人实现有效互动的核心挑战。
   • 实现自我优化与升级：机器人需要具备持续学习与更新知识的能力。

3. 金融机器人的实际应用

   • “股小量”是云量科技推出的对话型金融机器人，定位为炒股与投资助手。
   • 自2016年9月上线以来，已拥有145万用户，并被12家金融机构采购使用。
   • 支持多平台对话，如微信、微博、APP、H5、论坛等。

4. 构建智能机器人的误区

   • 盲目追求数据量的堆砌，认为数据量与质量能自然建立统计关系。
   • 相信初期可以以“四两拨千斤”的方式快速积累知识。
   • 认为开发人工智能是低成本、高产出的过程。
   • 误以为机器可以一开始就自主学习与优化。

5. 知识传授的重要性

   • 文档强调“一定要请一个好老师”，指出知识的来源与质量对机器人的发展至关重要。
   • 一个优秀的老师可以带出“人才”，而一个低效的老师则可能带出“废物”。

关键信息

• 金融机器人名称：股小量
• 主讲人：云量科技CEO屈攀
• 上线时间：2016年9月
• 用户数量：145万
• 采购机构数量：12家金融机构
• 支持平台：微信、微博、APP、H5、论坛
• 核心理念：知识赋予机器思考力，而非语义
• 主要误区：
  • 盲目追求数据量
  • 快速积累知识的幻想
  • 低估开发人工智能的成本
  • 误以为机器能自主学习

总结

文档强调了在构建金融智能机器人过程中，知识的重要性远高于语义，并指出了当前在开发过程中常见的误区。通过“股小量”这一案例，展示了知识驱动型机器人的潜力与价值。同时，文档也提醒开发者，必须重视知识的结构化与系统性，避免盲目追求数据量与技术神话，而应注重知识的深度与准确性，以及如何有效引导机器人进行学习与优化。