来源： 互联网2018-09-07/11:09访问量：

正文

9月6日，2018《财富》ceo峰会在太原洲际酒店隆重举办。大会以“科学引领，创新发展”为主题，三百多位来自英国怡和集团、摩根斯坦利、海尔、中国电子科技集团、中化集团、中国化工集团、泛太平洋集团、软银中国、民生银行、第四范式、华大基因等《财富》世界强企业及最具发展潜力企业ceo分享了“科研促增长”、“国际化2.0”、“产融互动”、“世界”等议题。

第四范式戴文渊出席人工智能论坛，论坛针对于人工智能的“能”与“不能”做出深刻探讨。作为人工智能企业家及人工智能专家学者，戴文渊表示，人工智能都是基于数据来做的，并且该数据通常呈成长尾分布。过去的大数据分析方法一般都是抓大放小，再分析其中几个至几百个核心变量，最后得出结论来指导经营，而长尾部分的数据因为太乱太多，无法分析，所以只能忽略处理。

过去认为这种细枝末节的信息是没有价值的，但是放在机器上，因为没有精力的限制，不需要抓大放小。比方说一家大银行一年有几百亿交易，过去主要看一些城市的交易分布，或者行业的交易分布，但是往往不会去分析一家店或者一个pos机的交易情况。但是当数据量大到一定的程度，我们发现哪怕你看一个pos机，一年数据量也是成千上万的，你完全可以分析细到一个pos机的情况，针对一个pos机的行为，甚至一个pos在某一个时间段，比如七点到八点之间的行为，给设计不一样的决策，这是能够做到。

在和某大型商业银行的合作中，第四范式曾经分析出来一个pose机上刷过卡的客群，后来办汽车贷款的概率比较高，最后发现该pose机属于一个母婴店，原来是有小孩后需要买车，所以需要贷款。像这类信息，过去可能因为太细了而没有精力去分析，现在可以交给机器去分析，就会充分发挥出数据的价值。

戴文渊总结说，人在目前来说做这个事情不是智商不够，而是精力不够，ai能在精力上补充人很大的一部分能力。所以现在这个阶段我们要做一个ai系统，去作为人的补充。很重要的是我们要开发人覆盖不到的细枝末节的部分，而这部分我们认为是大数据里面80%以上的信息。过去人做分析的时候只看到了20%的头部信息，这在银行具体业务场景中会遇到什么问题。假设说某大型银行a有几千万用户， 某小银行b有十万用户。我们会发现，对于头部数据的分析，用十万样本和用千万样本分析，最终结论差别不大。但对长尾部分，差别却是巨大的。假设说一类客群在银行a有100人，基于这100人，我们可以分析出来他们的一些偏好。但对于银行b，它只有10万客户，按照比例来说，这个客群在那个小银行的客户中可能根本不存在，或者只有1至2个，根本不足以去分析。所以如果客户数不够多，就无法触达潜在客户。

依托国际领先的人工智能技术，第四范式在金融领域的发展势头向来强劲，目前国内重要的国有银行和全国性股份制银行，超过半数都是第四范式的客户，其服务的金融客户资产规模已超过中国金融总资产的50%。不久前，这家人工智能独角兽企业还获得了中国工商银行、中国银行、中国建设银行三家国有银行的联合投资，这也是国有银行首次大规模集团投资一家科技公司。

---------------------------------------------------------

免责声明：

1.本文援引自互联网，旨在传递更多网络信息，仅代表作者本人观点，与本网站无关。

以上是网络信息转载，信息真实性自行斟酌。