发帖
雷达卡
人工智能通用技术原理
人工智能的技术架构层级可分为基础层、技术层和应用层。
基础层：由数据资源、软件设施和硬件设施组成。主要以硬件设施为核心， 其中包括 GPU/FPGA 等用于性能加速的硬件、神经网络芯片、传感器与中间件。 软件设施为人工智能应用的构建提供云计算与大数据平台。这些是支撑人工智能 应用的前提；
技术层：主要依托基础层的硬件、软件平台和数据资源，通过机器学习基础 框架与核心算法，开发面向不同领域的通用技术，如计算机视觉、自然语言处理、 人机交互等；
应用层：主要基于基础层与技术层的支撑搭建智能应用平台，从而实现与传 统产业的融合，实现不同场景的应用，如智能金融、智能教育、智能医疗、智能 交通等 。
金融领域下的人工智能关键技术
在金融领域应用中，人工智能主要包括五个关键技术：机器学习、生物识别、 自然语言处理、语音技术以及知识图谱
机器学习：机器学习具有多种衍生方法，包括监督学习、无监督学习、深度 学习和强化学习等。在金融领域中，监督学习用于对历史数据进行分析与挖掘， 寻找数据集的规律，对未来趋势进行预测；无监督学习用于尝试解析数据的结构， 并确定其背后的主要规则。其中聚类分析可将金融数据集基于某些相似性概念将 其进行分组，而因子分析旨在识别金融数据中的主要内在规律或确定数据的最佳 表示方法，在复杂投资组合中，因子分析可提取数据的主要成分；深度学习方法 通过深度网络的表示从大数据学习各种规律，可用于金融交易各个阶段；而强化 学习则使用算法来探索和寻找最有利的交易策略。
生物识别：指纹识别、人脸识别、虹膜识别和指静脉识别是金融行业应用范 围较广的四项生物识别技术。指纹识别技术涉及指纹样本采集、存储以及 OCR 技术，通过摄像头提取指纹后经过指纹识别算法完成身份识别认证；人脸识别过 程主要包括获取人脸图像、进行特征提取、根据特征进行决策分类、完成匹配识 别；虹膜识别采用红外成像技术，将虹膜纹络特征输入计算机，成为可供自动识 别的人体身份证；指静脉识别通过指静脉识别仪取得个人手指静脉分布图，将特 征值存储，然后进行匹配，进行个人身份鉴定的技术。目前，以上生物识别技术 应用于客户身份验证、远程开户、无卡取款、刷脸支付、金库管理和网络借贷等 金融场景。
自然语言处理：多数金融行业的信息为文本形式，比如新闻公告、年报、研 究报告。通过用自然语言处理和知识图谱，大大提升了获取数据、数据清洗、深 度加工的效率。尤其在投研领域中，自然语言处理技术可对海量复杂的企业信息 进行处理，以提取出行业分析人员最关注的数据指标，并进行投资分析总结，最 大化减少不必要的重复人力劳动，帮助分析人员进行投资决策。
语音技术：在金融领域应用中，语音识别通常与语音合成技术结合在一起， 提供一个基于语音的自然流畅的人机交互方法。语音识别整个过程包含语音信号 处理、静音切除、声学特征提取、模式匹配等多个环节。其应用遍布各大银行及 证券公司的电话银行、信用卡中心、委托交易、自助缴费、充值等各项业务，以 及语音导航、业务咨询、投诉申报、帐户查询、政策咨询等非交易性业务中。由 于金融行业带有明显的客户服务属性，加上完整而庞大的业务及数据积累，因此成为语音技术的重要应用阵地。
知识图谱：在金融行业的数据中，存在着大量的实体和关系。通过知识图谱技术将其建立连接形成大规模的实体关系网络，可以突破传统的计算模式，从“实 体-关系”的角度整合金融行业现有数据，结合外部数据，从而更有效地挖掘潜 在客户、预警潜在风险，帮助金融行业各项业务提升效率、发挥价值。
京公网安备 11010802022788号
