人工智能（AI）经以雷霆万钧之势从学术界潜入产业界的每一个角落，AI已经不是科技公司创新创业的专属武器，因其价值之大，也成为了传统行业变革求新、提高效益的利器。AI掘金志致力于传统行业AI应用的解读，帮助从业人士寻找最有价值的模式与落地路径，记录AI浪潮之巅的时代变迁。
未来，我们还将举办相关培训训练营，以及行业首创的“首席数据官峰会”，搭建起数据科学家与首席数据官之间的桥梁。
AI掘金志本周关键词：AI金融、华尔街、AI商业、认知医疗
华先胜，北京大学应用数学博士、IEEE Fellow、ACM2015年度杰出科学家、MIT TR全球35位35岁以下的杰出青年创新人物，曾担任ACM Multimedia等大会程序委员会主席，是视觉识别和搜索领域的国际级权威学者。于2016年7月加入阿里云人工智能研究机构iDST科学家团队，带领阿里云视觉计算团队的研发工作。
本文根据2月27日阿里云视觉计算团队负责人华先胜的视频采访整理而来。
华先胜表示，一个成功的人工智能应用，应该具备五个条件：
第一个是算法。你要有好的算法，你的算法要有先进性，你的算法不行一切都没有了基础。（当然你也可以把算法这一个条件看做是科学家，因为人才和算法是紧密相连的）。
第二个是要有数据。数据本身就是一个很大的话题，里面有数据的采集、搜集、清洗、有效的标注，甚至包括算法里面数据怎么使用。
第三个是用户。你做的这个东西应该有用户的，因为有很多问题是需要用户参与才可以做得越来越好。当然你从商业的角度来讲，没有用户的话也不能够长久。用户本身是数据的消费者，也是数据的提供者，这过去在搜索引擎里面有非常重要的体现，可以说搜索引擎的技术能够做那么好，每个人都有contribution的。
第四个就是平台。这个就是涉及到你要有强大的计算能力和一套体系架构，能够方便地去研发、部署和生产，这一套是必须要有的。当然现在因为有云计算，所以这部分的瓶颈，对于很多企业来讲已经没有过去那么困难了。
第五个就是有好的商业模式。如果没有好的商业模式，就不可能长久。你做一个事情，低频的事情没有多少人用，或者不能给少量用户带来大的价值，最后产生的总体价值不够的话，其实是很难长久的。这几点，我个人觉得其实是都应该具备的。当然了，可能不同的商业应用，应该来说可能有不同的侧重，但是我觉得都应该具备。
雷锋网2月25日报道，人工智能在科技的角度来说可为科技金融提供强大的计算能力和后台的支撑。但是在科技金融方面，到底是如何应用的呢？在2月25日于厦门举行的“2017首届科技金融国际峰会”上，美国Abundy科技公司创始人、CEO，清华大学讲席教授，机器学习与量化金融专家邹昊，介绍了中美科技金融行业的发展趋势，以及人工智能在金融领域的深入应用。
据雷锋网了解，邹昊毕业于斯坦福大学，在三年内完成了电子工程博士和硕士、工商管理硕士MBA、以及经济学硕士等四个学位。曾任PIMCO全球投资经理和美洲投资委员会常务委员，管理政府债券、货币、期货和衍生品的全球战略投资，2016年入选福布斯全球30位30岁以下青年领袖榜。
邹昊表示，关于中美最大科技公司的统计，现在最大的科技金融行业基本上还是集中在中美两国之间，最大的两家——一个是蚂蚁金服，一个是陆金所；接下来是美国支付和借贷的公司，最大的领域还是在支付和借贷，传统金融企业的核心支柱行业里面。所以尽管中国的GDP还没有达到美国的成熟，但我们已经发觉，科技金融前两家已经在中国了。
这是为什么？我有我自己简单的见解，我跟欧美的银行高层他们交流会比较多，他们去年也有一个欧洲最大银行的董事会邀请我去帮他们做了一下分析，就是看看他们作为一个传统银行怎么在金融创新领域发挥。我们观察下来，为什么中国金融科技走得最好？
第一点，传统金融业在体量和业务上的薄弱，是在科技能力，自己核心技术上相对美国来说有一点薄弱。中国科技金融行业过去几年非常蓬勃的发展也是非常得益于非常宽松的监管环境，到目前为止，互联网科技或者是科技金融的企业他们监管的成本相对于传统金融企业来说是非常低的，但是在美国和欧洲它的监管层对科技企业限制会更加强烈，无论你是做小额贷款公司还是做什么公司，可能你的资金，你押的保证金都是一样的。但是在目前为止还是比较偏向于科技型企业。前几年出现的P2P借贷事件，可能今后监管会逐渐的加强。我相信，至少在过去几年之内，大的趋势还是环境非常适合科技公司的发展。
第二点，美国因为其结构基本上偏中老年化，有钱人年龄非常大，但是在中国，中国作为一个发展中国家，其移动互联网的渗透率是在高端的人群当中，结构相对比较平衡一点，所以很多新兴的20，30岁，甚至40岁的人，包括我们现在年龄更大的一点的使用互联网的渗透率比美国要高很多。所以很方便的发展很多在网上借贷，网上支付的业务。
支付
传统金融业在过去二三十年受到的挑战，第一波最先进行的挑战是在支付方面，因为最先也是发源于美国。在美国，每个人手持一张信用卡，但是通过一些手段在成本和效率上也成功地挑战了一些美国的传统的公司。像中国的支付宝和微信支付，条件会比美国更好一点，因为美国每个人都有信用卡，但是在中国银行卡和信用卡不是他们主要的支付方式，所以这个是第一波的挑战。
虽然中国是后起者，但是在中国的应用已经超过了美国。
对资金和资本管理的模式挑战
相对于资金管理和资本管理行业一个比较大的挑战就是互联网基金销售和互联网的基金管理模式，包括自动化和人工智能的模式有一些挑战。
我们现在要面对的一个非常大的挑战就是人工智能和大数据怎样挑战传统的银行业。我也在传统的银行业工作了多年，但没有在科技公司工作过，也有很多应对的方法。像今天听到了兴业银行的陶行长非常好的见解，也对我启发非常大。
巨大的挑战，我做了一个简单的统计，整个格局的变化有多么迅速？中国最大的银行工商银行创立于1984年，有着几十年的历史。而中国最大的科技公司，蚂蚁金服才十多年的历史，但是比较一下，一个是有非常多的门店，一个是没有门店，一个是员工46万人，还有一个是员工6000多人，接下来的市值金融公司也是非常快的发展。
所以像我这样在传统行业的从业者现在又在科技金融的从业者，怎么在趋势中保持自己的优势，这也是我时刻在思考的问题。
最大的金融公司的业务基本包括了所有银行的业务，比如付款，消费贷款，中小企业贷款，还有财富管理。我举的例子是蚂蚁金服，可以看到，基本上已经是一个银行了，而且它有着比银行更多的优势——它有技术上的优势，还有用户的数据和渠道的优势。这也是为什么包括中国的银行，欧洲和美国的银行都相对比较紧张的原因。
在美国银行业迎接这一波浪潮当中还是准备得相对比较充分，因为在美国最大的银行像投资银行高盛，摩根斯坦利等银行，科技实力是非常强的，一方面收购并购公司，一方面从文化上来改变结构，包括设立科技金融和科技金融子公司，也是一个方向。从几年开始设立分公司，调整模激励的模式。
之前李稻葵老师也讲过，中国发展科技的优势就是程序员相对便宜，是美国的1/10，在硅谷地区的确是这样，像硅谷金融科技公司，收入都超过50万美金了。在科技公司里，程序员的地位和收入会远远高于传统银行的收入，但是传统银行这么大一个机构如果不设立子公司，改变它的架构，一个高管才拿50万人民币，但招一个程序员发100万人民币，这个在传统银行不大可能，所以只能做一个子公司或者体制外的机构才可以跟科技公司抗衡。
传统行业里面出来，公司的架构上程序员的收入或者是科技人员的收入薪酬会比较低，而且不是特别受重视，这也是为什么在科技金融浪潮里面，如果是传统行业，跟科技公司竞争（不包括硅谷，硅谷已经是非常高的，就是跟国内竞争）的话，可能也需要相应文化上进行相应的变通。
另外一点，行长和董事长是不是重视。
如果特别重视，会设立一些数据首席官或者是大数据首席官放在核心的执行委员会里面，这些都是对金融机构能够战胜这一波科技技术浪潮非常重要的方面。
雷锋网2月26日报道，在2月20日的HIMSS17上，IBM CEO Ginni Rometty 发表了演讲，主题是：认知计算驱动的未来医疗远景。
雷锋网对演讲原文进行编译，并且做了不改变原意的删减：
5年前，我成为IBM的CEO。在《Jeopardy》上，我向公众们介绍了Watson，我说这将成为我们下一个moonshot。我不会傲慢到认为我们可以改变医疗行业本身，但是我们可以改变这个体系中的一些小部分。
百度百科：“moonshot”是一个疯狂的想法或者不大可能实现的项目，它被解决的科学几率可能只有一百万分之一。
2年前，在HIMSS Conference上，我的IBM同事们宣布了Watson Health的首次亮相，这是一个有重要意义的时刻，不仅对于IBM而言，对整个医疗领域来说同样如此。这与政府和监管部门发布的规章、平价医疗法案和收购等是同样重要的时刻，目前，美国的医疗保健政策与未来的业务图景尚未定型，但是我对未来充满希望。我们处在一个能大幅改变医疗的时刻，并且我们也拥有这样的能力。
如今是这样的时代：认知计算在医疗领域快速发展。
我希望向你们传达三点：认知计算是真实存在的、它在这里，目前处于主流地位，它可以改变医疗。
我认为在未来2到3年，我们将做出三个关键的决策，他们将改变世界，尤其在医疗领域变革程度更大。如果认知计算被合理应用，它将引领医疗领域走向一个黄金时代。
认知医疗／人工智能目前是主流，并且他们真实存在。
如今，有一大片领域亟待人工智能发展，我说的不是搜索引擎前沿领域的语音转化，我指的是在医疗、金融服务、零售等领域的落地应用，所以我将分享我在将人工智能应用到医疗行业过程中，总结出的5点体会。
人工智能专家最终的落脚点还是在认知服务。
你必须公开透明。谁训练了你的人工智能？用的是什么样的数据？你必须对你做的事情有充分的信心。
这个领域将会变得愈加细分，这意味着你的人工智能必须由医疗领域的专家训练。
为了安全，它必须基于混合云的。你必须与不同领域的人合作。
这必须由一个生态系统中的参与者合作完成的大事业。
认知计算的实际应用案例已经遍地开花了。
最近， 菲律宾的巴罗神经学研究所的研究人员做出了突破性成就。研究人员利用IBM Watson的超级计算能力，发现了致命的肌肉痉挛与肌萎缩性侧索硬化症之间潜在的遗传性联系。巴罗官员称道，研究人员通过IBM Watson发现了与ALS有关的新基因，此前两者之间被认为没有关系。
许多国家的许多公立医疗系统，包括中国、印度、泰国和芬兰，已经在护理患者过程中逐渐使用Watson Health为临床研究和诊断提供支持。这极大缩减了医生在临床决策支撑工具的协助下做出诊断的时间，其中也包括癌症。
在这样的场景中，我看到了诊断与精准医疗融合的时代正在来临，我也看到了精准医疗与可穿戴设备之间的广泛融合。
我们希望每个人都能理解这件事的目标：我们的技术是增强人类的技能，而不是替代人类智能。我们的技术将对医生、护士、IT工作者产生极大的帮助，并且增强他们的技能，而不是取代他们。这是我想让你们知道的几个关键原则中最重要的。
第二，关于透明性，当你或你们的客户与人工智能接触的时候，你们将会被告知工作的过程、谁在运行它、整个业务模型、训练和算法等。
第三，每个新时代，都会产生大量的新工作。并且我们有责任为这些工作提前做准备，我们创建了一个术语——“新领”，不是白领或蓝领。新领表示在新兴技术时代里，将要出现的新的工作和职业经理。
现在到这样一个历史性的时刻，之前是这样的世界：一些力量在我们能够掌控，另一些则无能为力。但是不要犹豫，现在是反击的时候了，你可以建设这个世界，认知世界将变得更健康，更安全，更少浪费，更有成效，并且最终是一个更公平、公正的世界。
雷锋网了解到，近日IBM推出了第一个认知影像产品——IBM Watson Imaging Clinical Review，并宣布将 Watson Health 医学影像合作计划扩大到全球 24 家组织，为处理眼部、脑部、胸部、心脏和相关病情的全球计划增添行业专家和临床经验。
IBM Watson Imaging Clinical Review的主要作用有：
可检查包括图像在内的医疗数据，在危急情况时，发送预警给医务工作者。
通过认知文本分析读取心脏病科医师病历中的结构化和非结构化信息，与其他来源的数据相结合，验证其病历中的关键数据（包括诊断结果）是否准确。
医院管理人员可识别应跟进治疗的病情，确保其记录在病历中。
该产品的第一个应用对象是心血管疾病中的一种常见病AS ——aortic stenosis(主动脉瓣狭窄)。据了解AS 影响着 150 万美国人，会在心脏的主动脉瓣变窄时发生，阻碍血液流向身体的其余部位，导致气促、疲倦和胸痛。
研究发现，Watson Clinical Imaging Review 能帮助医务人员识别潜在 AS 患者。
据了解，IBM 将为这一版本补充 9 种额外的心血管疾病，比如心肌梗塞（心力衰竭）、心脏瓣膜病变、心肌病（心脏肌肉上的疾病）和深静脉血栓。
对此，Frost & Sullivan 的医学影像和信息学分析师 Nadim Michel Daher 说道：
Watson Imaging Clinical Review 是一种由 AI 驱动的工具，医疗组织可通过其规范治疗过程，并搜集患者的大量重要数据，在此过程中，帮助医务人员实施一种基于人群的个性化治疗方案。
根据IBM官方消息，本次合作的组织包括：University of Michigan、Radiology Associates of South Florida、University of Miami Health System和Merge等24家。
据了解，Watson Health医学影像合作计划由领先的健康系统、学术医疗中心、私营放射科实践机构、流动放射学服务提供商和影像技术公司构成，他们共同的目标是：寻找各种方式让医学影像技术识别和预测可能发生癌症、糖尿病、眼部、大脑和心脏疾病及相关病患的风险。
对此，Watson Health 影像部门副总裁 Anne Le Grand 说：
Watson 要想持续训练并开发认知影像解决方案来应对全球的紧迫健康挑战，影像成像合作对其至关重要。
创新源于跨界融合。如今，人工智能已经不是科技公司创新创业的专属武器。随着时代和社会科技基础的进步，AI已经以雷霆万钧之势从学术界潜入产业界的每一个角落，成为了传统行业变革求新、提高效益的利器。而在可高度量化的金融投资领域，AI的介入诞生了新的产品——智能投顾。
然而，智能投顾只是数字智能技术与金融行业结合的部分产物。当金融遇上AI，潜力并不止成为一个投资顾问。那么，对比从古到今，国内到国外，不同的金融投资发展阶段，AI都起到了怎样的作用？当下AI在金融投资领域应用都有哪些优势与不足？未来金融投资领域的各个分支方向可能会发展为什么模样？
本次AI金融评论栏目公开课AI金融专场之第二期，我们邀请到了财鲸智能投顾联合创始人王蓁博士分享见解。对于每一个细分领域的应用实践，王博士都从“案例与要点对比”、“中美对比”以及“未来发展模样预测”三个层面展开讲述。
以下是公开课完整视频：
彭博社报道称，摩根大通开发了一款金融合同解析软件COIN。这款软件上线半年多，经测试，原先律师和贷款人员每年需要360000小时才能完成的工作，COIN只需几秒就能完成。而且，不仅错误率大大降低，它还不用放假。
据雷锋网了解，尽管金融业一直吹嘘其技术创新，但随着顾客流失、成本高昂等问题的凸显，银行高官们也不得不为此担忧。摩根大通最近为专门从事大数据，机器人和云计算基础设施的团队设立了技术中心，以找到新的营收增长点，同时降低费用和风险。COIN只是这家美国最大的银行的技术化开端。
事实上，不仅仅是华尔街的法律事务，传统律师事务所也不乏开始采用人工智能来处理一些案头工作的案例。比如，2016年6月，英国年利达律师事务所研发了计算机程序Verifi，用于业务中对14家英国及欧洲监管登记机构的材料的筛查，帮助银行审核客户姓名。
2016年5月，美国最大的律师事务所之一——Baker & Hostetler，引进了IBM的超级机器人律师ROSS。据介绍，事务所对ROSS进行了一年零10个月的法律知识训练后，ROSS一定程度识别人类提出的问题，并挖掘非结构化数据，根据参考文献和案例分析，并提供决策建议，帮助提高法律研究的效率。
AI已经在许多领域产生了深远的影响，包括法律实践。AI改变了合同、电子披露和综合法律研究，同时，计算机的处理能力在不断增加，其表现出非凡智能行为。
虽然传统上，法律界适应技术变革缓慢，但AI是个例外。例如，利用人工智能，律师可以近乎实时地跟上法规的变化和判例法。据AI科学家所称，在现实中，最大的收获是，AI使得法律研究的某些阶段更有效，而不是通过机器大量取代律师。
“这样一来，律师着重在更高层次解决和防止法律问题，同时把日常任务留给计算机，”商标的解决方案供应商TrademarkNow的首席科学家Anna Ronkainen说， “这项工作、产品不仅更快地被完成，并以更低的成本，而且质量更好，因为机器犯错的几率比较小。”
Ronkainen还指出，目前AI在法律行业的应用仍然是集中在文件审查领域。其中电子披露与预测编码在过去十年保持不变，即使是人工审查，有时甚至不被法院承认并受理。此外，AI进军了其他法律行为。例如，AI商标的工具，其中包括来自TrademarkNow——现在由谷歌、Roche公司和General Mills使用。
“商标检索客户的报告时间已经减半，决定是否继续的指示仅需要不到一分钟，”Ronkainen说， “营销团队通过使用这些工具，商标团队不再需要处理很长的候选人名单，可以专心关注入围者。”
此外，据雷锋网此前报道，AI系统可以平衡律师行业公平的竞争环境。例如，使用AI平台一个初级律师可以智能地接触到30年的法律知识，而拥有30年经验的律师可能不会向技术求助。
总的来说，在越来越依靠数据驱动的世界，生活在其中的专业人士，包括律师，需要转向通过大量的数据来掘金。AI解决方案将在所有律师和公司的日常实践中发挥越来越大的作用。
正在生成分享图...
nebula