滚动
财经>财经要闻

埃森哲揭示AI,机器学习的秘密

2019-08-30

埃森哲揭示AI,机器学习的秘密

img
埃森哲将在新闻周刊纽约市资本市场活动中的下一个AI和数据科学发表演讲。 照片:埃森哲

数据科学家如何在快速推进人工智能和机器学习的世界中脱颖而出? 这是对冲基金和资产管理公司的事情,这些公司大量投资于新技术,并且考虑很多。

通常按重要性顺序提及的单独组件是:数据,算法和硬件。 虽然这些至关重要,但秘诀(这种情况下适合的加词)通常是这些成分的组合方式。

有充分证据表明,渴望数据的企业在陆地,海洋和太空中寻找他们的同行尚未遇到的数据集。 与此同时,谷歌的Tensor Processing Unit(TPU)和其他专门用于机器学习的应用程序处理器正处于硬件争夺战中。 再加上充满活力的大数据开源社区,甚至由AQR和Man AHL等对冲基金推动。

埃森哲人工智能与分析部总经理Sharad Sachdev表示,“问题是什么将成为一种商品,什么将成为差异化”。

“如果每个人都能买得起相同的硬件,无论是算法还是数据 - 以及数据在多大程度上也成为商品?我认为这是一个棘手的问题。所有这些都很重要,但更多的是关于如何分割数据,硬件和算法在一起。这不是你的秘密酱,是区别于你的东西吗?

Sachdev的同事,埃森哲资本市场北欧公司董事总经理奥斯卡加西亚表示,在所有可客观验证的数据中,一个区分因素是情绪:解释和处理新闻的方式。

加西亚说:“如果行业中所有参与者对数据的访问是相同的,那么公司实现差异化的方式之一就是他们解释和处理新闻的方式;所以信息不客观。这就是人类思维的原因。人工智能将变得越来越重要。处理和理解新闻的能力以及市场上实时发生的事情将带来独特的差异化。“

他的观点提出了实际和道德问题。 如果每个人最终都采用相同的系统方法,特别是在交易世界中,随着更多模型的制定,这些因素会得到定价。 “从理论上讲,我们将看到定价收窄,这将对市场制造产生影响,特别是在延迟,时间和速度是关键竞争优势的情况下,”加西亚说。

“但是,我并不相信我们会看到多家公司使用相同的算法。人类总是会有人类角度和差异化。”

机器人和人工智能吸引人们的工作是一个众所周知的主题。 当AI变得更加扩展以及随之而来的技能和功能的转变时,世界等待着对就业的影响。 另一个道德问题涉及信息获取方面的不平等问题,而资本市场领域的信息则转化为创造财富。 在其他行业,例如健康空间,对社会的益处是显而易见的。

另一个问题涉及公司所依赖的技术的透明度和可解释性。 “我们是否投资于支持缺乏透明度的技术?” 加西亚问道,“特别是当我们看到我们今天看到的监管浪潮的主要原因以及监管机构一直在努力促进行业内部提供透明度时。”

关于黑箱伦理问题,Sachdev指出,在某些情况下,对某些事情的处理方式不太关心; 唯一值得关注的是它做得很好。 “因此,这就是为什么你会看到某些领域的更多采用和成熟,以及银行承保,保险,健康承保等其他领域的采用率降低 - 仅仅是因为这些算法缺乏可解释性。”

对如何培养人才成为优秀的数据科学家(实际上是软件工程,统计和数据仓库等学科的交叉点)有很大的兴趣。 埃森哲与麻省理工学院和斯坦福大学等公司合作进行研究,该研究正在为自己的员工推动培训计划。 Sachdev说有用的先决条件包括一些数学和编程技巧,但你仍然可以在没有这些的情况下获得理解。

他说:“我们现在有很多人接受机器学习方面的培训。此外,我们每两周运行一次内部先进的机器学习论坛,人们可以来讨论他们编写的下一个机器学习算法,他们是如何编写的什么有效,什么没有。“

至于在公司中构建机器学习功能,您可以从头开始“在Python中构建这些模型,在R中使用现在可用的算法库,从机器学习到深度学习,” Sachdev指出。

“现在,你需要特殊的技能来理解如何建立这些模型,这就是为什么数据科学家的工作被称为最性感的工作,但却是市场上最难的工作,因为需要一定的数学技能和编程技巧才能做到这一点。

“构建这些解决方案的第二种方法是使用Google Tensor Flow或IBM Watson等平台,”他说。

“而不是从头开始构建模型,而是使用API​​来调用Google或IBM构建的底层功能。您需要知道哪个API最相关,以及如何训练允许您访问的API那个API。

“每个人都可以访问所有这些图书馆。因此,艺术与科学一样,它是关于你如何将它拼凑在一起。用相同的成分我可以成为米其林星级厨师,或者我可以运行快餐联合。”

埃森哲将参加的创新小组。


载入中...

责任编辑:卞咎