《数字化转型之路》 —2.3.8　人工智能在多领域的典型案例

2.3.8　人工智能在多领域的典型案例

今天，人工智能的核心特征不断被提取出来，与医疗、金融等各行业相融合，“AI+”正逐渐成为下一个改变大众生活的概念。下面我们根据领域划分，具体谈谈AI在各个领域的进展。

（1）AI+医疗

人工智能在医疗图像诊断方面的应用被全球创业公司看好。其一是由于图像识别技术的飞速发展，在2015年的Image挑战赛上，机器的图像识别率就已经超过人类；其二，是由于医疗行业天然产生的大量有标注的数据；其三是由于市场对医生这一职业的巨大需求。下面，我们以Google为例，简单介绍下Google在人工智能眼科诊断上的最新进展。

Google研究者曾在其Research博客上更新了一篇文章，介绍他们在自动识别糖尿病性视网膜病变（Diabetic Retinopathy，DR）研究上的最新进展，相关论文已经发表在《美国医学会杂志》（Journal of the American Medical Association）上。

糖尿病性视网膜病变是现在增长最快的致盲病因，全世界大概有4.15亿糖尿病患者存在失明风险。如果发现得早，这个疾病是可被治愈的。而如果发现得晚，那么它就可能导致不可逆转的失明。不幸的是，世界上很多糖尿病高发地区还缺乏有能力检测这种疾病的医学专家。Google提出了一种可以解读视网膜照片中DR发病迹象的深度学习算法，这有望能帮助资源有限地区的医生正确地筛选出更多的病人。

通过与印度和美国的医生的紧密合作，Google创建了一个包含

128 000张图像的数据集，其中每一张图像都得到了全部54位眼科医生中3～7位医生的评估。这个数据集被用来训练出了一个可以检测可诱发糖尿病性视网膜病变的深度神经网络。之后，他们在两个互相独立的、包含大约12 000张图像的临床验证集上测试了该算法的表现。该测试所参考的标准是一个由7～8位美国认证眼科医生给出的综合意见。为验证集所选择的眼科医生的意见与训练集原来的54位医生的意见表现出了高度的一致性。

（2）AI+金融

金融业是人工智能涉足最早、发展最成熟的领域，主要应用包括金融咨询、投资机会识别等。

人工智能在金融咨询中的一个典型应用是金融客服。将人工智能技术引入专家系统后，通过对80%用户的常见问题进行学习，辅助极少的客服人员，人工智能应用就可以识别客户的问题，并提供相应的候选解答，极大提高了客服处理效率。Bloomberg公司使用人工智能技术或者机器学习技术能够智能地分析用户的问答。它设计了一个类似于QQ的应用窗口，用户可以通过该窗口发送消息，如果AI非常确定（95%）能回答这个问题，那么它会自动作答。它的模式类似于微软小冰或者是Siri，但金融问题通常比较复杂，若这个机器判断自己的回答只有70%的正确性，那么它会给客服直接呈现出用户的问题及可能的答案。客服只需要快速判断出哪个是正确的答案，点击选择后就可以直接发送回去。这一应用大大缩短了服务流程、提高了服务效率。按照从前的人工服务方式，平均处理时间是40分钟，而人工智能客服应用可以将其缩短到4分钟，甚至更短的时间。

此外，在投资机会识别方面，人工智能技术也可以大显身手。传统的投资尽调工作全部由人工来完成，每个尽调人员通过阅读大量的资料信息，沉淀并过滤出相应的关键信息，从而形成投资调研报告。基于人工智能技术的投资机会识别应用则可以将网络爬虫抓取信息、基于自然语言分析引擎进行分词、数据降维（合并同类项）、提取词之间的相关性、构建知识图谱、提取出有价值的信息、分析判断文章正向/负向、进行趋势分析、提供分析报告等工作进行整合，大幅提高工作的效率与准确性。全球多家金融企业已经将人工智能应用投入实际使用中，例如，日本三菱UFJ摩根士丹利证券资深股票策略师发明预测日本股市走向的机器，四年测试模型正确率为68%。于2009年成立的对冲基金Cerebellum旗下管理着资产900亿美元，一直使用AI进行辅助交易预测，并且自2009年以来每年均是盈利。

（3）AI+新闻媒体

在互联网时代，新闻消息传播便捷、鱼龙混杂，未经验证的假新闻往往极具舆论导向性，且能掀起***。Facebook就曾一度深陷虚假新闻的泥潭中，不但被指控影响了美国总统大选结果，甚至引发了德国政府的巨额罚款。基于此，MIT人工智能实验室于10月份宣布已经研究出了一种能够鉴别信息来源准确性和个人政治偏见的AI系统。

MIT的研究人员用这个AI系统创建了一个包含1000多个新闻源的开源数据集，这些新闻源被标注了“真实值”和“偏见”分数。据称，这是全球类似数据集中收录新闻源数量最多的数据集。根据该团队所述，该AI系统只需检测150篇文章就可以确定一个新的新闻源代码是否可靠。该系统使用支持向量机（SVM）训练来评估事实性和偏差，真实性分为：低、中、高；政治倾向分为：极左、左、中偏左、中偏右、右、极右。试验表明，该系统在检测一个新闻来源是否具有“真实性”方面的准确率为65%，在检测其政治倾向性方面的准确率为70%。

这一AI系统的新颖之处主要在于它对媒介的评估结果是基于广泛的语境理解，没有单独从新闻文章中提取特征值（机器学习模型所训练的变量），而是兼顾了维基百科、社交媒体，甚至根据URL和Web流量数据的结构来确定可信度。

（4）AI+安防

与其他行业相比，传统安防具有海量和层次丰富的数据，是人工智能最好的训练场，同时也是实现应用价值的最佳领域。目前人工智能技术在安防领域已经有诸多成熟案例。

在公安、交管领域，车牌识别是图像识别技术应用相对较早且成熟度相对较高的场景。目前，已广泛应用于公路收费、停车管理、称重系统、交通诱导、交通执法、公路稽查、车辆调度、车辆检测等各种场合。

人工智能在安防领域的另一个典型应用是通过以大数据分析为代表的智能分析技术，实现舆情监控和恶性袭击事件预警。其中最典型的有创业公司Palantir，Palantir作为全球信息安全行业龙头，主要致力于为美国国防部门、金融机构提供大数据监测和分析软件。这些软件一部分被应用于FBI、CIA、DIA（美国国防情报局）、美国海陆空三军以及美国警局等政府部门，以助力国防反恐；还有一部分则应用于对冲基金、银行等金融机构，以辅助开展金融分析业务。Palantir的用户主要集中在华盛顿，其中来自政府的业务占到了70%。现在非政府行业客户开始逐渐增加。

Palantir发展的核心理念是：分析工具固然重要，但人的判断也很重要，机器不能做高级决策，使用智能辅助人力进行完美的判断。目前，Palantir平台把人工算法和强大的引擎（可以同时扫描多个数据库）整合到了几近完美的境界。被誉为硅谷投资教父兼Palantir创始人之一的彼得·蒂尔曾表示：“有些事情是人可以做的（但计算机做不到），比如在一堆东西里面挑出某一件，人一眼就能看出来，而计算机却做不到。在数据分析方面，如果每一条数据都需要人来进行处理，那么人是忙不过来的。但数据处理分析又需要人的辨识能力，所以怎么样把人和机器的最强优势给发挥出来，然后将其结合好，这是Palantir最核心的目标。”

Palantir曾发生过几个著名的分析事件，最为显著的“战绩”包括帮助多家银行追回了前纳斯达克主席Bernie Madoff所隐藏起来的数十亿美元巨款；以及在追捕本·拉登的行动中发挥的重要情报分析作用。2010年，摩根大通成为Palantir的首批非政府客户，他们将Palantir的技术用于查找那些企图盗取客户账号的欺诈者。以往，他们花在售前咨询顾问人员身上的开支高达百万美元，而现在，他们只需付给Palantir三分之一的钱，就可以得到更快更好的服务。目前Palantir的估值已经超过200亿美元。