办公室环境智能化系统智能化的需求主要来源于哪方面，有没有比较成功的案例
点击联系发帖人
时间：2017-01-20 11:18
想要知道有哪些Fintech公司，首先需要了解的是什么是Fintech。&br&&br&根据投资百科Investopedia词条解释：Fintech是Financial technology的缩写，意为结合金融的技术，提供新兴金融领域的服务，近年兴起于美国。&br&&br&国外比较典型的公司有号称要取代华尔街分析师的Kensho（投资界的siri），获得高盛的战略投资。然后就是Aplansense（帮助分析师的智能搜索引擎）。还有一些其他的科技公司虽然不是金融领域但是有在金融领域的service line，比如说大名鼎鼎的下一个独角兽——Palantir。&br&&br&国内的公司，大部分还停留在“互联网金融阶段”，技术驱动很多，大多数强运营。&br&所以判断一家公司是不是金融科技公司的主要还是看技术有多牛，运营的比重是否够低，是不是能够以技术代替传统人力，提升效率。&br&&br&很遗憾，目前国内没有看到能够比肩与Kensho和Alphasense的人工智能技术+金融的金融科技公司。大多数公司还是互联网金融，没有任何让人耳目一新的感觉。&br&&br&不过随着最近从Bay Area归国海归越来越多，有很多黑科技的大boss也在国内进行创业。比如说语义技术方面比较有名的鲍捷老师（微博西瓜大丸子汤那位），还有从微软回国的机器学习领域的大拿，都在金融科技领域进行尝试，1年后也许国内会诞生一个金融科技领域的独角兽。
想要知道有哪些Fintech公司，首先需要了解的是什么是Fintech。 根据投资百科Investopedia词条解释：Fintech是Financial technology的缩写，意为结合金融的技术，提供新兴金融领域的服务，近年兴起于美国。 国外比较典型的公司有号称要取代华尔街分析师的Ken…
写在前头的话&br&&br&写这个，就是为了锻炼思考能力。看不惯一个概念流行后，一群人上去就抄那种丑态。无奈的是常见常用的互联网产品也未必好用，一个行业参与者的人数多未必就做的够好。那么多团购，如今又剩下几个？那么多盒子，真心满足你的又有几个？所谓的云阅读和智能阅读，有哪个令你真正给你带来了阅读的愉悦？创新的最大价值，就是在用户的刚需上下功夫，越多人在做，未必就是绝望的红海。越多人涉足的领域只能说明用户需求多，价值大，利益多。一起想想，多多指教，或者一起吐槽之后想想靠谱的建设性想法吧。但以后我要写的，估计天马行空的想象居多，实际可操性就不敢保证，各位看官还是立足当下，权且当另外一种近体科幻来逗个闷子吧。&br&&br&
关于更智能的阅读，我提出的问题是：&br&&ul&&li&
传统阅读无法有效率的获取精准知识&/li&&li&
无法实时和作者或已读过次数的人进行交流&/li&&li&
书的内容更新、优化、再版速度慢&/li&&/ul&&p&
解决问题的方案是：&/p&&ul&&li&
自主询问&/li&&li&
交互讨论&/li&&li&
持续更新&/li&&/ul&&p&
读一本好书，并且通过阅读来获取知识，显然是过去世代掌握知识的方式。但是读书太慢，也太闷。只有少数有意志力，阅读能力强的人适用。&/p&&p&
阅读的最大问题是，你在掌握知识的时候无法和作者实时互动。你也无法验证自己是否掌握了，理解了重要的知识点。另外，不是所有书的所有内容都需要掌握，大多数的书废话很多，但你要的关键点夹杂在整本书的废话里。你只有浪费足够多的时间，才能从书里找到你要的。&/p&&p&
阅读，能不能智能一点？&/p&&br&&p&
通过数据集合、个性化推送、智能语音对话，让阅读这种单向的交流变得一对多，而且更有效率。简单来说，你可以想象一个强大的智能的主题siri。当你想要了解罗马历史，你可以先去下载一个罗马历史主题包。用语音提问的方法向机器进行询问，如果你的问题已经在这个主题数据包里，机器就用人类的语言语气回答你。简单的问题，机器完全可以通过搜索来回应你，比如简单的是或者否类问题，断代史料问题等。如果你的问题很高级，语焉不详，甚至有些涉足复杂的价值判断，机器就马上全球连线目前有空的罗马历史学家，让人们通过机器来探讨这个问题，答案就沉淀下来。机器通过人和人的交流越来越智慧聪明。&/p&&br&&p&
这是这个东西的第一个版本，继续升级一下。有一些功能值得展望。&/p&&p&
你可能不知道你古罗马历史有什么欠缺和值得学习的，机器会调查你的学识背景，阅读习惯，进行第一次推测。如果不够准确，机器会首先向你询问几个问题，或者询问你更感兴趣古罗马的经济史还是律政方向的内容。做到精确匹配你的知识需求。&/p&&br&&p&
继续，到了第三个版本，重要的有趣的功能是，模拟古罗马人物、古罗马史学家。机器解析他们的语言风格，知识构成。模拟出这样一个场景，你可以与凯撒对话，你可以和哈德良对话。到了第四个版本，当你和这个主题数据包互动到一定时长，你也会被系统分配到一些问题，久而久之，你也会变成罗马史专家团，你也可以扮演罗马这个世界的一个角色，接受世界上成千上万对你感兴趣的读者访问，互动。&/p&&br&&p&
最后，因为是对话，除了更个性化满足，生动有趣之外，这个系统的意义是比单向阅读传递的信息要多的多，还有，他没那么伤害视力。&/p&
写在前头的话 写这个，就是为了锻炼思考能力。看不惯一个概念流行后，一群人上去就抄那种丑态。无奈的是常见常用的互联网产品也未必好用，一个行业参与者的人数多未必就做的够好。那么多团购，如今又剩下几个？那么多盒子，真心满足你的又有几个？所谓的云…
&img src=&/50/v2-e918cbbf90f2c5fccc84b4aa_b.jpg& data-rawwidth=&1280& data-rawheight=&960& class=&origin_image zh-lightbox-thumb& width=&1280& data-original=&/50/v2-e918cbbf90f2c5fccc84b4aa_r.jpg&&&p&2009年8月，我和项亮一起发起了ResysChina，一个面向推荐系统领域的专业社区。建立初衷，是想为业内关注推荐系统领域的朋友们提供一个交流讨论的社区。我们开过邮件组，架过博客，也举办过线下活动。业内朋友给予了ResysChina很多的鼓励与支持，ResysChina也为推动个性化推荐技术在国内的普及做出了一些绵薄之力。有些认识我的朋友会知道，2013年对我个人是非常特别的一年，无论从个人生活还是工作上，都翻到了新的一页，ResysChina一直以来都是纯粹兴趣驱动，在生活与现实的压力之下，也不得不暂停了。我本以为它再也不会回来了。2016年，我把它捡了回来，并试着努力坚持下去。先开的微信公众号，后又开了知乎专栏。公众号定位原创内容，会有我自己的一些灌水，知乎专栏定位精选，也会更专注在推荐技术产品，比如《&a href=&/?target=http%3A//mp./s%3F__biz%3DMzA4OTk5OTQzMg%3D%3D%26mid%3D%26idx%3D1%26sn%3De02ac9fdb59700cabbc0c5054eaea72d%26scene%3D21%23wechat_redirect& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&到底要不要创业？&i class=&icon-external&&&/i&&/a&》这篇，我写得挺诚恳的，但与知乎专栏定位不符，就没发到这里。&/p&&br&&br&&p&下面是我个人推荐阅读的一些ResysChina微信公众号上的原创文章，欢迎大家阅读、分享：&/p&&ol&&li&&p&&a href=&/?target=http%3A//mp./s%3F__biz%3DMzA4OTk5OTQzMg%3D%3D%26mid%3Didx%3D1%26sn%3De71e59e4c2595cdd88659ebfscene%3D21%23wechat_redirect& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Amazon与数据导向&i class=&icon-external&&&/i&&/a&&/p&&/li&&li&&p&&a href=&/?target=http%3A//mp./s%3F__biz%3DMzA4OTk5OTQzMg%3D%3D%26mid%3D%26idx%3D1%26sn%3Dd9ba2f9f0b825bb4c3dc9e1c3d5af059%26scene%3D21%23wechat_redirect& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&关于 Facebook NewsFeed，看这一篇就够了！&i class=&icon-external&&&/i&&/a&&/p&&/li&&li&&p&&a href=&/?target=http%3A//mp./s%3F__biz%3DMzA4OTk5OTQzMg%3D%3D%26mid%3D%26idx%3D1%26sn%3Dd9d625c0aaa0a9ed98c31ef%26scene%3D21%23wechat_redirect& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&AlphaGo与深度学习&i class=&icon-external&&&/i&&/a&&/p&&/li&&li&&p&&a href=&/?target=http%3A//mp./s%3F__biz%3DMzA4OTk5OTQzMg%3D%3D%26mid%3D%26idx%3D1%26sn%3Dc0afdbf12a1%26scene%3D21%23wechat_redirect& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&深度学习与推荐系统&i class=&icon-external&&&/i&&/a&&/p&&/li&&li&&p&&a href=&/?target=http%3A//mp./s%3F__biz%3DMzA4OTk5OTQzMg%3D%3D%26mid%3D%26idx%3D1%26sn%3D2f6c052b718bafeb9f7bc5d7%26scene%3D21%23wechat_redirect& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Amazon开源面向推荐系统的深度学习框架DSSTNE [1]&i class=&icon-external&&&/i&&/a&、&a href=&/?target=http%3A//mp./s%3F__biz%3DMzA4OTk5OTQzMg%3D%3D%26mid%3D%26idx%3D1%26sn%3D405cecdfd9cb431bb1ff9%26scene%3D21%23wechat_redirect& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&[2]&i class=&icon-external&&&/i&&/a&&/p&&/li&&li&&p&&a href=&/?target=http%3A//mp./s%3F__biz%3DMzA4OTk5OTQzMg%3D%3D%26mid%3D%26idx%3D1%26sn%3D6ff30a52fbbe9d01ef5dc4%26scene%3D21%23wechat_redirect& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Netflix推荐系统的最新解读：算法、商业价值与创新 [1]&i class=&icon-external&&&/i&&/a&、&a href=&/?target=http%3A//mp./s%3F__biz%3DMzA4OTk5OTQzMg%3D%3D%26mid%3D%26idx%3D1%26sn%3Dff9a025b5ec36ba3cbf848b%26scene%3D21%23wechat_redirect& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&[2]&i class=&icon-external&&&/i&&/a&&/p&&/li&&li&&p&&a href=&/?target=http%3A//mp./s%3F__biz%3DMzA4OTk5OTQzMg%3D%3D%26mid%3D%26idx%3D1%26sn%3Ddaae90bcd3da289aea8bb%26scene%3D21%23wechat_redirect& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&机器学习系统丛林迷路指南&i class=&icon-external&&&/i&&/a&&/p&&/li&&li&&p&&a href=&/?target=http%3A//mp./s%3F__biz%3DMzA4OTk5OTQzMg%3D%3D%26mid%3D%26idx%3D1%26sn%3D02cd1fefc28%26scene%3D21%23wechat_redirect& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&做爱做的事情&i class=&icon-external&&&/i&&/a&&br&&/p&&/li&&li&&p&&a href=&/?target=http%3A//mp./s%3F__biz%3DMzA4OTk5OTQzMg%3D%3D%26mid%3D%26idx%3D1%26sn%3D0fd75faae2fb93b93dcd%26scene%3D21%23wechat_redirect& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&推荐也是一件讲颜值的事情&i class=&icon-external&&&/i&&/a&&/p&&/li&&li&&p&&a href=&/?target=http%3A//mp./s%3F__biz%3DMzA4OTk5OTQzMg%3D%3D%26mid%3D%26idx%3D1%26sn%3D37eac226ecd344d25ad828e3d9c9f2db%26scene%3D21%23wechat_redirect& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&再谈「搜索已死，推荐上位」&i class=&icon-external&&&/i&&/a&&/p&&/li&&li&&p&&a href=&/?target=http%3A//mp./s%3F__biz%3DMzA4OTk5OTQzMg%3D%3D%26mid%3D%26idx%3D1%26sn%3D93c5767ccca435c0e9d4af%26scene%3D21%23wechat_redirect& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&你好，bot！&i class=&icon-external&&&/i&&/a&&/p&&/li&&li&&p&&a href=&/?target=http%3A//mp./s%3F__biz%3DMzA4OTk5OTQzMg%3D%3D%26mid%3D%26idx%3D1%26sn%3Dbcc0dc120f6d%26scene%3D21%23wechat_redirect& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&专治选择困难症——bandit算法&i class=&icon-external&&&/i&&/a&&/p&&/li&&li&&p&&a href=&/?target=http%3A//mp./s%3F__biz%3DMzA4OTk5OTQzMg%3D%3D%26mid%3D%26idx%3D1%26sn%3Decdb7cc4ddde8c14d8077a%26scene%3D21%23wechat_redirect& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&关于LDA, pLSA, SVD, Word2Vec的一些看法&i class=&icon-external&&&/i&&/a&&/p&&/li&&li&&p&&a href=&/?target=http%3A//mp./s%3F__biz%3DMzA4OTk5OTQzMg%3D%3D%26mid%3D%26idx%3D1%26sn%3Dd1b16fa2%26scene%3D21%23wechat_redirect& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&谷歌、Facebook、亚马逊、微软、NVIDIA及BAT在深度学习方面的进展&i class=&icon-external&&&/i&&/a&&br&&/p&&/li&&li&&p&&a href=&/?target=http%3A//mp./s%3F__biz%3DMzA4OTk5OTQzMg%3D%3D%26mid%3D%26idx%3D1%26sn%3De02ac9fdb59700cabbc0c5054eaea72d%26scene%3D21%23wechat_redirect& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&到底要不要创业？&i class=&icon-external&&&/i&&/a&&/p&&/li&&li&&p&&a href=&/?target=http%3A//mp./s%3F__biz%3DMzA4OTk5OTQzMg%3D%3D%26mid%3D%26idx%3D1%26sn%3D16fbcb9418dbe4f6fac8e6dd5aaa4e69%26scene%3D21%23wechat_redirect& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Amazon的推荐系统到底行不行？&i class=&icon-external&&&/i&&/a&&/p&&/li&&li&&p&&a href=&/?target=http%3A//mp./s%3F__biz%3DMzA4OTk5OTQzMg%3D%3D%26mid%3D%26idx%3D1%26sn%3D8ee21d011e34059fee83e32b2dc4c5a5%26scene%3D21%23wechat_redirect& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&为什么说初创公司过度关注技术就是浪费时间&i class=&icon-external&&&/i&&/a&&/p&&/li&&li&&p&&a href=&/?target=http%3A//mp./s%3F__biz%3DMzA4OTk5OTQzMg%3D%3D%26mid%3D%26idx%3D1%26sn%3D249d8513aab9f8ce3ee137a19cea8099%26scene%3D21%23wechat_redirect& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&巨头们都很重视的聊天机器人，你不进来看看吗？&i class=&icon-external&&&/i&&/a&&/p&&/li&&li&&p&&a href=&/?target=http%3A//mp./s%3F__biz%3DMzA4OTk5OTQzMg%3D%3D%26mid%3D%26idx%3D1%26sn%3D3d5fb7bee855%26scene%3D21%23wechat_redirect& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Quora是如何做推荐的？&i class=&icon-external&&&/i&&/a&&/p&&/li&&li&&p&&a href=&/?target=http%3A//mp./s%3F__biz%3DMzA4OTk5OTQzMg%3D%3D%26mid%3D%26idx%3D1%26sn%3Dfe975d6af79596b5eaf576e5f65e8e06%26scene%3D21%23wechat_redirect& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&推荐系统的苟且和远方&i class=&icon-external&&&/i&&/a&&/p&&/li&&li&&p&&a href=&/?target=http%3A//mp./s%3F__biz%3DMzA4OTk5OTQzMg%3D%3D%26mid%3D%26idx%3D1%26sn%3Dd3baceac16ca%26scene%3D21%23wechat_redirect& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&基于Deep Learning的中文分词尝试&i class=&icon-external&&&/i&&/a&&/p&&/li&&li&&p&&a href=&/?target=http%3A//mp./s%3F__biz%3DMzA4OTk5OTQzMg%3D%3D%26mid%3D%26idx%3D1%26sn%3Dcc1da9213faa56c7cd79a5%26scene%3D21%23wechat_redirect& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&当我们谈论 Bot 的时候，我们在谈论什么&i class=&icon-external&&&/i&&/a&&/p&&/li&&li&&p&&a href=&/?target=http%3A//mp./s%3F__biz%3DMzA4OTk5OTQzMg%3D%3D%26mid%3D%26idx%3D1%26sn%3D4e55605bef6182d6bee7f%26scene%3D21%23wechat_redirect& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&用贝索斯的「两类决策法」对待职业选择&i class=&icon-external&&&/i&&/a&&/p&&/li&&li&&p&&a href=&/?target=http%3A//mp./s%3F__biz%3DMzA4OTk5OTQzMg%3D%3D%26mid%3D%26idx%3D1%26sn%3Dbcc42a0edf899ece21348%26scene%3D21%23wechat_redirect& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&搜索、推荐和广告架构能统一吗？&i class=&icon-external&&&/i&&/a&&/p&&/li&&li&&p&&a href=&/?target=http%3A//mp./s%3F__biz%3DMzA4OTk5OTQzMg%3D%3D%26mid%3D%26idx%3D1%26sn%3D6862d18bdefdd361d6fce337e14ac7d5%26scene%3D21%23wechat_redirect& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&对话交互时代的各种Bot：可控性与智能性的权衡&i class=&icon-external&&&/i&&/a&&br&&/p&&/li&&/ol&&br&&br&&p&另外还有几个系列，我在微信公众号里设置了关键字，大家回复相应【关键字】即可查看:&/p&&ul&&li&【resys】：看大厂如何做推荐的系列文章，公众平台上独一份，干货必读。&/li&&li&【feed】：按照大神KK的说法，NewsFeed代表一种互联网的必然，这是关于NewsFeed的系列文章，Facebook、Pinterest、Quora等都有讲到。&/li&&li&【bot】：Chatbot无疑是今年国内外互联网圈和投资领域的最热点之一，这里有一些一线玩儿家的文章分享，认不认同这个方向，都值得读一读。&/li&&li&【amazon】：Greg Linden的《Early Amazon》系列文章，这种从员工的角度，讲述他们自己跟随公司一起成长的故事，一个一个真实的、美妙的片断，非常非常吸引人。&/li&&/ul&&br&&br&&p&感谢项亮，感谢三位特约作者：陈开江、张相於和张俊，王守崑老师也分享了一篇。提笔不易，尤其是大家每个人各自都还都挺忙的情况下，持续不断地为大家带来了新鲜的分享。我也想借此鼓励欢迎给ResysChina投稿，多分享多交流，这个领域的从业者都会从中受益，而且最重要的，是你自己一定会有意想不到的收获。&br&&/p&&br&&p&还要感谢梁斌博士（公众号：pennyjob）、InfoQ霍泰稳老板（公众号：zenpark）、以及陈利人老师（公众号：daiziguizhongren），在ResysChina刚开始写的时候，就通过自己的公众号推荐了ResysChina。另外还有知乎的不吝推荐，内容入选过一次知乎日报，知乎官微也推荐过一次，不胜荣幸，一并感谢。&/p&&br&&p&在微信里搜索【ResysChina】即可添加关注。如果你觉得ResysChina公众号的内容对你有帮助，把它转发到朋友圈或者推荐给身边的朋友，是对我们最大的支持。感谢大家！&/p&&br&&p&另外，正在微信公众号上&strong&&u&送一个小福利&/u&&/strong&，博文视点图书《深度学习：21天实战Caffe》，时间截止到本周末，有兴趣的可以&a href=&/?target=http%3A//mp./s%3F__biz%3DMzA4OTk5OTQzMg%3D%3D%26mid%3D%26idx%3D1%26sn%3D9d38ccc26ffeaf5900fee0da%26chksm%3D841abf0cb36d361aafdbe54f4f267a90af63ab5bc76dc571ec295cf%23rd& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&参与一下&i class=&icon-external&&&/i&&/a&，感谢 @永恒的侠少 老师赠书。&/p&
2009年8月，我和项亮一起发起了ResysChina，一个面向推荐系统领域的专业社区。建立初衷，是想为业内关注推荐系统领域的朋友们提供一个交流讨论的社区。我们开过邮件组，架过博客，也举办过线下活动。业内朋友给予了ResysChina很多的鼓励与支持，ResysChina…
&img src=&/50/v2-e00aecceb8_b.png& data-rawwidth=&554& data-rawheight=&520& class=&origin_image zh-lightbox-thumb& width=&554& data-original=&/50/v2-e00aecceb8_r.png&&&b&文：鲍捷|发布于 日&/b&&br&今天讲的是我最近一些思考的总结。也不能算是很系统的思考，主要还是想抛出一些问题来和大家探讨。之前也有几篇文章，今天说的算是这些的延展：&br&&a href=&/?target=http%3A//mp./s%3F__biz%3DMzI1NDE1MDUwOQ%3D%3D%26mid%3D%26idx%3D1%26sn%3Debe554b1eac%26scene%3D21%23wechat_redirect& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&智能金融的核心驱动力&i class=&icon-external&&&/i&&/a& &a href=&/?target=http%3A//mp./s%3F__biz%3DMzI1NDE1MDUwOQ%3D%3D%26mid%3D%26idx%3D1%26sn%3D22ec77cea3a02e70f504d21%26scene%3D21%23wechat_redirect& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&什么是互联网投行？（全文）&i class=&icon-external&&&/i&&/a&&br&智能金融变魔术的6个步骤 &br&&a href=&/?target=http%3A//mp./s%3F__biz%3DMzI1NDE1MDUwOQ%3D%3D%26mid%3D%26idx%3D1%26sn%3D309a3be04e5d582d936c%26scene%3D21%23wechat_redirect& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&即将到来的智能金融军备竞赛&i class=&icon-external&&&/i&&/a& &br&&a href=&/?target=http%3A//mp./s%3F__biz%3DMzI1NDE1MDUwOQ%3D%3D%26mid%3Didx%3D1%26sn%3D1d5d722d07f4c845b6328df27ffc5ea5%26scene%3D21%23wechat_redirect& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&人工智能与投资价值判断&i class=&icon-external&&&/i&&/a& &br&&br&&p&&a href=&/?target=http%3A///%3Fpage_id%3D1317& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&历史文章 – 文因互联&i class=&icon-external&&&/i&&/a&&/p&&p&这些文章都在我们的博客上，其中一些想法在发表在程序员杂志的第8期，“知识图谱如何让智能金融变魔术”。&/p&&img src=&/50/v2-cc03a7a0563a0bdcb9e59_b.png& data-rawwidth=&268& data-rawheight=&342& class=&content_image& width=&268&&从事这份工作一年多时间了。从去年5月开始，我们就在实验如何把人工智能的各种方法用在金融上。这一年我们做了哪些事情呢？ 我简单从两个方向回顾一下：市场与技术。&br&&strong&技术回顾&/strong&&br&人工智能技术在市场上有很多切入点，所以最初我们是选择以新三板进行切入。因为无论是从数据量上、还是从决策对智能技术的支持的需求紧迫度上看，我们觉得在价值判断整个市场渠道里新三板这个市场最重要。所以我们花了将近一年的时间来构造整个基于价值判断的金融体系，并在此中造了十几个零件。&br&而我们现在做的这个就是基于理念把这些零件凑在一起，变成一辆车，也许是自行车，也可能是三轮车或者是小轿车。我相信在现在这个市场处于一种服务非常不充分的状态，任何一种工具，你只要能够抓住关键的切入点，都有可能造出一个在某个细分市场上被人用的工具。&br&所以下图差不多总结了我们近几个月来对这个智能金融深入的思考。因为在最早的时候，我们在追求变“魔术”这件事情，想达到颠覆性的效果。特别是在今年三月份AlphaGo出来之后，各种媒体新闻报道很多，然后就是智能投顾，大家都在说人工智能进入金融，分析师要失业了，机器要取代人的工作了。那个时候我们就在想，这件事情是可能的吗？特别是我们一回国的时候，就有人说你们应该去做Kensho，包括我们现在去见投资人的时候，投资人就强烈地说你们应该去做Kensho。&br&Kensho在我看来，就是这种变“魔术”的一个运用。但是冷静下来去思考这个市场上大家到底需要什么，或者说我们真正想达到那种变“魔术”状态，我们在之前需要做什么样的准备，只能通过真正看到具体的数据、看到具体的需求的问题。你会发现其实变“魔术”这件事情都不应该当作追求的目标，因为在变“魔术”的这个过程当中，实际上从最底下的物理世界的数据，到最上面的这种金融人才通过经验和人脉才能做出来的决策，中间有非常多的步骤。我觉得一个智能金融的企业不是应该一步到位去追求变“魔术”，而是在这个过程当中涉及的每一个路径当中的每一个点有可能被商业化的地方，才是解决的目标。所以我把这个过程分成6个步骤。在这个过程中，每上走一步都是数据不断完善，我们每得到一些更好的数据，就可以帮助我们更快更好的解决问题。&br&&img src=&/50/v2-778dceec7fe0cd41cf9bb3_b.png& data-rawwidth=&535& data-rawheight=&373& class=&origin_image zh-lightbox-thumb& width=&535& data-original=&/50/v2-778dceec7fe0cd41cf9bb3_r.png&&最底层的就是脏数据，脏数据打个比方来说就是证券时报上的信息披露板块，纯粹是为了满足证券会的要求。巨潮网就是解决这样的问题，但是因为PDF扫描件的存在，这样的问题并没有完全解决。&br&第二步就是干净的数据，比如说Wind、东方财富这些可以达到查询效果的数据终端，目前这是属于解决比较完好的问题。&br&再往下一步就是实体数据，实体与实体之间的联系，比如说公司之间的供应链关系，就是图谱数据。&br&然后再往上走就是业务逻辑，每一个金融从业人员都是有自己的世界观和方法论的，不管怎么选择、命名、关联、定义都是他的业务逻辑，那现在这些业务逻辑都是要每一个金融从业人员反反复复的用自己的工作经验做判断，如何让业务逻辑更好被表达，这就属于变魔术了，然而这也是需要继续探索的未知的东西。&br&&br&&strong&分析层面也有6个层次：&/strong&&br&&img src=&/50/v2-5ab6b35f4f72f5fafc0cdb06c0d92cd6_b.png& data-rawwidth=&1269& data-rawheight=&500& class=&origin_image zh-lightbox-thumb& width=&1269& data-original=&/50/v2-5ab6b35f4f72f5fafc0cdb06c0d92cd6_r.png&&&br&第一个层次就是可访问性。参加新三板路演的投资人，想要了解公司的基本信息，但是那些数据终端都是基于B端的，稍微复杂一些的数据在手机端访问不了，而文因互联的搜索就是解决这样一个问题。&br&第二个层次就是可发现性。从纷繁芜杂的数据里找到少数真正有价值的数据必须要有工具帮忙过滤，提升可发现性，让投资人把精力放在最关心的事上。&br&第三个层次就是深度关系的发现。股转书里的风险提示，根本没有人可以把每天所有新闻过滤后对应到公司中，深度关系的发现就是找到那些人力根本看不出来、看不过来的关系（如事件风险、隐藏股权逻辑）。&br&下面两个层次分别是领域知识集成和业务知识集成。领域知识的集成是具体的业务场景的基础数据和领域知识的基础上表达业务逻辑，方便重用和学习。再有就是业务知识的集成，具体的业务场景的基础数据和领域知识的基础上表达业务逻辑，方便重用和学习。&br&到最后就是魔术，也就是策略的生成。有各种业务逻辑和规则，是不是能机器能帮助我们做出判断呢？机器把可以帮助我们简化问题，也可以把一个问答可以简化成一个选择题，也许可以帮助我们加快做选择题或问答题的速度，但是真正的策略最终一定是人去做。所以在这一点上，不仅仅是一个所谓的人工智能问题，在我看来也是一个人机交互问题，怎么能够让人更好的去发现策略、验证策略。&img src=&/50/v2-de0762635bbd00ebfcb85d_b.png& data-rawwidth=&1265& data-rawheight=&406& class=&origin_image zh-lightbox-thumb& width=&1265& data-original=&/50/v2-de0762635bbd00ebfcb85d_r.png&&这是从这个技术的角度来说每一个层面都对应着不同的分支去解决这些问题，我在这里列了一个表，但我不打算把这个表里的每一个技术名词都解释一遍，因为如果要讲可能要讲四个星期。&br&我们现在做的差不多都是前几个层次，后面一些还在尝试，因为构建这样一个系统其实是需要几十个人进行大量技术投入完成的，所以在有限的资源下我们先完成的是前面两个层次，也就是文因互联的金融搜索。&br&如下图所示，一个典型的文本处理引擎有以下模块。早在今年4月份我们做的就是文本处理引擎，通过预处理、过滤广告、格式编码结构篇章、各种各样细节的处理。然后再做各种浅层的语义分析，包括实体、名字、地名的句子的标注与段落的标准。然后下面呢，就是一个相对深层的分析。最后就是到应用层面，就是各种面向用户的应用工具的展示，包括语义检索、自动化报告等等。&img src=&/50/v2-5c10d96b64aed5c1f64574_b.png& data-rawwidth=&554& data-rawheight=&254& class=&origin_image zh-lightbox-thumb& width=&554& data-original=&/50/v2-5c10d96b64aed5c1f64574_r.png&&但是一个完整的智能金融系统的核心，不仅仅是关于爬虫和自然语言处理，它包括了知识提取、知识表现、知识存储和知识检索这四大分支几十种细分技术的综合运用。&img src=&/50/v2-8e934e1dfafc_b.png& data-rawwidth=&1006& data-rawheight=&722& class=&origin_image zh-lightbox-thumb& width=&1006& data-original=&/50/v2-8e934e1dfafc_r.png&&&br&&br&对上述技术，6月份的时候我们在北京知识图谱学习小组做了为期4周的简单科普介绍。&a href=&/?target=https%3A///memect/kg-beijing/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&GitHub - memect/kg-beijing: 北京知识图谱学习小组&i class=&icon-external&&&/i&&/a&&br&9月19日在西山宾馆，在中文信息学会知识图谱前沿技术讲习班，我和林德康老师会再做一次纲要性的介绍。&br&最近我在想我们这个做的这些所有关于智能金融的技术，这些很多提高效率的工具它到底有什么价值？最后我们的COO孙洋想到了一句话——让金融狗们把更多的时间用来创造价值，不把宝贵的时间用在无谓的简单重复劳动上，让有效的生命延长。就算不用在创造价值上，每天多睡一小时，每天多谈一小时恋爱，干什么不（比当个机器人）好啊！&br&所以就是，用文因互联每天延长一个小时生命。&br&&strong&文因搜索&/strong&&a href=&/?target=http%3A//& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&&/span&&span class=&invisible&&&/span&&i class=&icon-external&&&/i&&/a&&br&&strong&针对买方（投资机构）&/strong&细分行业
支持任意关键词，语义关联相关产品多种板块
轻松搜索A股、美股、早期项目企业对标
智能分析企业业务，自动寻找对标&strong&针对卖方（企业）&/strong&基金偏好
查看机构投资偏好深度关系
深度挖掘投资机构附属关系&img src=&/50/v2-e3a13e9ee58ad8b0f94ac6a2474eabb2_b.png& data-rawwidth=&595& data-rawheight=&471& class=&origin_image zh-lightbox-thumb& width=&595& data-original=&/50/v2-e3a13e9ee58ad8b0f94ac6a2474eabb2_r.png&&在一次访问中我发现，一些券商从实习生到老总都在用文因互联的产品都在为他们节约时间创造价值。比如说董事长或者是高层明天去见客户需要有对方公司关于基本面、竞争对手、产业链的资料，但是没人可以在下班之前做到。现在有文因搜索就可以帮忙做到。像中层比如说做市部门，都需要这样的一个以知识图谱为基础的搜索产品去帮助他们在决策链条的点上创造价值。&br&&strong&产业链分析&/strong&&br&&img src=&/50/v2-9d914f633a355cf0568d_b.png& data-rawwidth=&565& data-rawheight=&190& class=&origin_image zh-lightbox-thumb& width=&565& data-original=&/50/v2-9d914f633a355cf0568d_r.png&&&br&在产业链分析的一个小工具里输入任何一个关键词，可以在2万个细分领域里找到这个关键词上有哪些公司。比如说，以园林为作为例子输入关键词，得到一些园林的代表性公司。而且可以看到园林的上游公司主要为卖化肥、建材、石材的一些公司，那么下游呢，就是一些施工、景观、工程、还有污水处理的一些公司。在以前，要想生成这样的产业链分析，实际上是需要一个至少两年以上工作经验的分析师去阅读大量研报才能做出这种的效果。不管是产业链还是对标还是供应链，都应该应用机器来部份的自动化这些工作。&br&&strong&文因快报 &/strong&&a href=&/?target=http%3A//& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&&/span&&span class=&invisible&&&/span&&i class=&icon-external&&&/i&&/a&&img src=&/50/v2-f916c6482a5cff27aca47078fb6dbef3_b.png& data-rawwidth=&588& data-rawheight=&498& class=&origin_image zh-lightbox-thumb& width=&588& data-original=&/50/v2-f916c6482a5cff27aca47078fb6dbef3_r.png&&&br&关注动态变化 - 提取公告摘要在审企业
PDF解析股转书，每日推送上报企业重大事项
通过企业公告与新闻事件分析异常其他各类细分主题，如人事变动，重大资产重组等等&br&这些市场的动态变化的跟踪，就是我们的快报产品。这一块后来我们延伸出来了很多自动化分析报告的工作，比如说异动分析报告就是在每天1000多份公告里找到哪些公告是最值得关注。这里面有些领域规则是我们可以去定义的，这样就可以把每一个行业当中最值得关注的报告先给推送给需要看到的人。像下面这个SaaS行业周报就是一个典型，涵盖了SaaS行业在一周里发生了什么大事情、交易情况、定增情况、再融资情况等。这样一来，快报产品就是对那些券商内部做周报日报工作的人的解放，把大量基础信息让机器来做，对于那些机器做不了的工作比如说投资亮点的分析就再让人去处理，这样至少可以让人力价值提高3-5倍。&br&&img src=&/50/v2-a5d4f135fa6430abab21bbf_b.png& data-rawwidth=&536& data-rawheight=&823& class=&origin_image zh-lightbox-thumb& width=&536& data-original=&/50/v2-a5d4f135fa6430abab21bbf_r.png&&&img src=&/50/v2-d49f93a56d1dafc6253042c_b.png& data-rawwidth=&524& data-rawheight=&800& class=&origin_image zh-lightbox-thumb& width=&524& data-original=&/50/v2-d49f93a56d1dafc6253042c_r.png&&&br&&br&&strong&股转书PPT摘要&/strong&&img src=&/50/v2-5f3cee01f463be06d3d1468_b.png& data-rawwidth=&536& data-rawheight=&301& class=&origin_image zh-lightbox-thumb& width=&536& data-original=&/50/v2-5f3cee01f463be06d3d1468_r.png&&&img src=&/50/v2-c9fafb564d1c8c972d66047_b.png& data-rawwidth=&538& data-rawheight=&302& class=&origin_image zh-lightbox-thumb& width=&538& data-original=&/50/v2-c9fafb564d1c8c972d66047_r.png&&&img src=&/50/v2-0aee1cee9c9c83ce3d576a_b.png& data-rawwidth=&535& data-rawheight=&301& class=&origin_image zh-lightbox-thumb& width=&535& data-original=&/50/v2-0aee1cee9c9c83ce3d576a_r.png&&&img src=&/50/v2-e82cc456a23ebdec7072031_b.png& data-rawwidth=&535& data-rawheight=&301& class=&origin_image zh-lightbox-thumb& width=&535& data-original=&/50/v2-e82cc456a23ebdec7072031_r.png&&&br&&br&这个股转PPT摘要也是来源自一个真实的案例，一位PE投资人马上就要见竞争对手，就说你们能快速整理出这么一份要素分析PPT吗？我们一看差不多80%数据都已经有了，就非常快的把它生成了这么一个PPT报告，当时还没有自动化，现在这个已经全部自动化了。平台内一共有9000多份股转书PPT，每个公司有10个点左右的关键要素，其中包括产品、公司治理、生产资质、竞争对手、财务情况、关键风险提示、发展要点等等。当然不同的投资人会关注不同的点，但是这个东西的核心就是至少可以帮助投资人做投资，这样一份股转书PPT摘要至少可以帮助投资人节省将近一个小时的时间。&br&&strong&微信企业秀&/strong&&br&企业秀也是类似的产品，我们的微信企业秀就是为企业高管和董秘服务的，就是将200多页的年报、半年报提取关键要素做成Html5页面，目前和两家新三板媒体公司做企业的推广营销。&img src=&/50/v2-87cb283dcc28a55ba911bb2_b.png& data-rawwidth=&743& data-rawheight=&371& class=&origin_image zh-lightbox-thumb& width=&743& data-original=&/50/v2-87cb283dcc28a55ba911bb2_r.png&&&br&上述这些尝试，还是都一些局部的、不系统的效率工具。下一步，我们打算针对特定的业务场景，提供更完备的解决方案。&img src=&/50/v2-50ca814ea4bea5b813e77_b.png& data-rawwidth=&553& data-rawheight=&415& class=&origin_image zh-lightbox-thumb& width=&553& data-original=&/50/v2-50ca814ea4bea5b813e77_r.png&&我们从8月份开始就是要将这一系列的小工具、小零件在一些具体的业务产品上造成车。比如说投前研究、市场跟踪、投研分析、投后跟踪。还有其他一些跟银行有关的场景，比如说新兴业务的股权质押。这些都需要把我们刚才提到的这些工具有机的组合起来。有些时候看风险，有些时候看价值，有些时候看发展，那么怎么去把大家最需要的形式在一个业务场景上面综合在一起，就是我们当前做的最重要的一个东西。&br&上面是主要是谈谈技术的一个配置，还有包括我们产品。那下面呢，其实我觉得这块可能更有意思，那就是从市场宏观的角度，我们也做一个回顾。&br&&br&&strong&市场的回顾&/strong&&br&过去一年，我们调研了上百个相关企业，走访了二三十家相关的企业。我们沙龙前后来过一百多位嘉宾，我们的邮件列表和维新群保持和几百名金融从业者的日常联系。&br&我们前后写的正式调研报告有几百页。我们公开写的报告和博客也有几十篇（&a href=&/?target=http%3A//& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&&/span&&span class=&invisible&&&/span&&i class=&icon-external&&&/i&&/a&），其中一部分整理在《文因洞鉴》中，目前出了第1期，第2期和第3期（互联网投行专辑）下周就会出来。&br&在广泛占有第一手资料的基础上，我们得到了什么结论？&br&我得到的第一个感觉就是中国的股权投资市场其实是满落后的，不能适应新形势的发展。&br&传统的券商，只能服务两千家公司，现在勉强服务了一万家（加上新三板）。但是中国可考的创业企业就有二十多万家，规模以上（主营业务2000万以上）工业企业37万家，这50多万家企业传统的股权投资体系很难服务。无论是价值判断还是风险评估，如果还按旧的办法做，那要把人力扩充50倍才能完成，这是不可能的。所以随着中国经济的转型，随着中国投资结构从贷款和债权为主逐步转变为以股权为主，一定需要技术的投入才可能完成这个转变。能服务好50万家企业的投行，就是互联网投行。&br&帮助这50万家企业，未来也许有100万家企业，做好它们的价值判断和风险评估，和互联网投行这个潜在百万亿级的市场一起成长，就是文因互联的核心使命。&br&&strong&第二，不存在真正的美国对标企业。&/strong&&br&投资人总是问我们你们的美国对标企业是什么？我不得不做了下面这个表。&img src=&/50/v2-fd965b0e3f9dcbe926caae_b.png& data-rawwidth=&554& data-rawheight=&225& class=&origin_image zh-lightbox-thumb& width=&554& data-original=&/50/v2-fd965b0e3f9dcbe926caae_r.png&&&br&其实我心里觉得，并没有哪个美国公司做的事情和我们是一样的。我也请教了很多国内的智能金融的先行者，大家在产品价值和商业价值上，都在进行探索，可以说没有哪一家得到了完整的答案。我一直有些困惑，直到一天因果树的滕放和我说，他觉得是因为我们的金融创新走到美国前面去了。我们根本没有先例可以抄。&br&美国是有AlphaSense, Kensho, CapitalIQ，但是美国没有新三板，没有中小企业产业升级，没有区域金融结构调整，没有双创。美国对金融技术创新的需要，其实是不如中国迫切的。&br&其实就好像美国的铁路一样。美国有世界上最完备的铁路系统，但是它的高铁却是落后于中国的。因为它没有那种经济发展的需要去更新它的铁路系统。我觉得现在两国的金融革新也是类似的。中国在一些具体的技术点上可以抄美国，就好像我们高铁发展的早期一些具体的技术也要引进一样。但是在整个全局上，我们没有可以模仿的对方，必须进行长期艰苦的探索。但是我相信，中国这么大的经济体，中国智能金融这么广阔的发展空间，一定可以像中国的高铁一样，赶上并超越其他国家。&br&&strong&第三，不谈边界的智能金融，都是耍流氓。&/strong&&br&3月份AlphaGo赢棋以来，一堆危言耸听的预言。我以为凡是谈人工智能将如何如何取代人类的新闻，但是不谈人工智能本身局限的，都是耍流氓。智能投顾取代不了投资顾问，自动写稿取代不了财经记者，正如ATM没有取代银行门店，计算器没有取代会计。现在的“智能投顾”，智能性还和“智能灯泡”里的“智能”差不多，其实威胁不了人。&br&现在的人工智能充其量只是作为智能助手存在。我们的生活中需要很多这样的助手，比如洗碗机、洗衣机、电饭煲。智能金融做好刑侦大队，不是去做法官，不是让机器来代替人做判断。&br&&strong&第四，智能金融之所以成立，是因为技术起到两个层面的推动力
&/strong&第一层次:机器取代人力，降低成本。让原来无利可图的商业模式得以成立。&br&第二层次:用软件规范行为，标准化、透明化，从而扩大交易范围，提高交易速度，降低交易成本。&br&&strong&第五，智能中心是一个生态系统，是以智能技术和核心，做好价值判断和风险评估这两大类要素分析，从而支撑企业、投资方、中介方、监管方等做好资源配置。&/strong&&br&国内现在在金融技术上过于重视风控，而且一谈风控就是反欺诈，这是不对的。其实如果我们的着眼点是服务中小企业，那光看风险是远远不够的。中小企业光看风险，全身上下都是风险，根本没法投资。所以要向前看，看企业的发展和价值。我们现在要落地，要服务银行贷款、发债等，但是长远看，一定是股权投资的比例成长快，空间大。要看价值，做价值投资。&br&抓住价值，放开了看，有非常多的事情可以做：&img src=&/50/v2-e00aecceb8_b.png& data-rawwidth=&554& data-rawheight=&520& class=&origin_image zh-lightbox-thumb& width=&554& data-original=&/50/v2-e00aecceb8_r.png&&&br&其他还能服务哪些需求？传统金融终端如CapitalIQ能服务的，智能化的分析工具应该都能进一步提高效率。所以不应该仅仅盯着反欺诈不放。&br&&strong&CORPORATE DEVELOPMENT &/strong&&strong&计划与执行&/strong&Identify Deals 发现交易机会Conduct Valuations 估值Formulate Corporate Strategy 公司战略制定Monitor Markets 市场监控&br&&strong&SUPPLY CHAIN, CUSTOMER & BANKING &/strong&&strong&供应链，客户和银行&/strong&CREDIT RISK ANALYSIS 信用风险分析Select Counterparties 对标选择Understand Exposure 披露理解Monitor Credit Risk 风险监控Track Market Developments 市场动态跟踪&br&&strong&INVESTOR RELATIONS 投资者关系&/strong&Monitor the Street 监控市场Analyze Competitors 分析竞争对手Identify Investors 发现投资者Prepare Board Presentations 准备董事会ppt&br&&strong&COMPETITIVE INTELLIGENCE 竞争情报&/strong&Track Industry & Competitor Trends 跟踪产业和竞争趋势Uncover Opportunities 发现机会Gauge Wall Street Sentiment 衡量市场情绪Create C-Level Reports 写高管报告&br&&strong&第六，不要言必称金融大数据。智能金融是小数据问题，智能数据（smart data）问题。&/strong&&br&我从来不认为文因互联是个大数据公司。数据的深度比数据的量重要的多。仅仅是把大量的数据从网上收集来汇总，这能起到的价值并不大。我们关注的是小数据问题。大数据去中心化为小数据，并不只是规模变小，而是关注中心转移到新的三个V。① value价值，不是连垃圾都存起来，而是特别关心数据的价值密度，提高投入产出比。&br&② veracity真实性，关心数据的可验证性，可用性，自描述性等。③ versatile多能性，因为数据要用来交换，在交换中增值，所以要适应未知的应用。&br&&br&小数据里当然大部分也是低价值的。其中被交换最多的那部分可称为smart data智能数据。它有三个特性：①催化剂，它能加速价值的产生，在数据聚合中产生新的数据。例：人名实体链接。②浓缩铀，它是大量知识和数据的提炼，是流动性好，摩擦力特别小的数据。例：产业链图谱。③打折卡，是能降低成本，利用先验知识大幅提高价值的数据。例：基于领域模型的行业标签。&br&&br&小数据的“小”也有三个方面：①“小用户” 更多关心中小企业，个人用户，他预算很少，投入敏感，没有专家。② 小工具，类似蒸汽机的改进其实在于各种小机械，重视工具系统建设，和现有数据的集成和演化，降低认知成本，学习成本。③小周期，短周期演化，精益迭代，懒处理，减少数据处理的浪费。&br&&br&小数据上的分析建模会很不一样，没有那么多训练样本。因为这里涉及知识，所以猫论和不争论也很重要。①摸论，建模是一个在常识基础上的摸着石头过河。②猫论是说不追求普适，客观的正确，只要在有限作用域可用就好。③不争论是说要隔离世界观，保证每个人各行其是。&br&&strong&总结&/strong&&br&智能金融还是个初生的领域，它不是互联网金融（Internet Infnace），也不等同于金融科技（Fintech）。我认为它的英文应该是Smart Finance。它是用人工智能的方法，辅助人们进行金融领域价值判断和风险评估的方法。它通过标准化部分决策步骤，来降低成本，从而使传统不可能成立的商业模式得以成立。&br&智能金融并不神秘，也不神奇。它不是灵丹妙药，也不是凶神恶煞。它现在在一些小事情上帮助我们，让我们每天有效生命延长一小时（或更多）。在技术上，它也不是基于什么天上掉下来的秘密，而是过去十几年逐渐发展起来的一系列知识处理技术。我们要做的是看得大，但是做得小，利用好“小数据”技术。&br&&img src=&/50/v2-59b9baca7bc_b.png& data-rawwidth=&204& data-rawheight=&306& class=&content_image& width=&204&&&br&大家看过《Moneyball》（点球成金）这个电影吗？新技术引入一个领域的时候，难免大多数人不相信，同样也难免很多人产生宗教迷信。我相信智能金融也是一样的。这是很长的旅程。Just do it。&br&&br&&br&&strong&嘉宾问答&/strong&&br&&strong&问：&/strong&像互联网金融、金融大数据，还有之前提到的互联网投行。我觉得每个阶段都有具体要解决的矛盾。现在风控的需求更强盛，后面可能就是金融投顾，所以造成的影响就是盈利模式不明显。所以核心问题就是，互联网投行模式是现阶段解决的问题吗？&br&&br&&strong&鲍捷：&/strong&基于现在的模式，银行会衍生出一些盈利点，比如中小企业股权质押、知识产权质押、投贷联动。但是无论面向现在，还是面向未来，新的模式的出现不是一夜就诞生出来，很多雏形有很多关键事件凝聚在一起才会让一个新的模式诞生。除了银行之外，还有大量规范后P2P、新三板、新四版，FA等凝聚在一起，才会诞生真正的互联网投行。现在具体的一些点本身也是可以盈利的。现在券商和银行已经和我们展开了有效的合作。
文：鲍捷|发布于 日 今天讲的是我最近一些思考的总结。也不能算是很系统的思考，主要还是想抛出一些问题来和大家探讨。之前也有几篇文章，今天说的算是这些的延展：
016-08-01 智能金…
&p&令人意想不到的是高盛的一位博士退出了银行业，去了谷歌Brain。&/p&&p&这并不意味着你需要离开金融业去投身机器学习。如今人工智能（AI）正受到广泛认可，越来越多的公司使用具有自学功能的电脑进行金融工作。&b&更好的是，它们中的大多数还在招聘&/b&。 &br&&/p&&p&下面就是一些正在研究机器学习的顶尖金融公司, 以及他们&b&喜欢招聘的人才和需要的职位&/b&。如果你对机器学习感兴趣，赶快去申请吧。全球各地的大学正在培养数以千计的机器学习专家，包括一些预见了这一趋势的精明的前交易商。&/p&&img src=&/50/v2-cab9c8fb66c70_b.png& data-rawwidth=&1296& data-rawheight=&358& class=&origin_image zh-lightbox-thumb& width=&1296& data-original=&/50/v2-cab9c8fb66c70_r.png&&&p&&b&这是一家什么公司？&/b& 一项革命性的，一流的（金融服务）搜索引擎来帮助你及时穿过噪音，发掘其他搜索引擎可能会错过的重要数据点。AlphaSense让用户可以搜索到内部的和公司披露的内容以及外部资源例如卖方研究。AlphaSense目前已经有500个客户。&/p&&p&&b&人工智能起到了什么作用呢？&/b&AlphaSense提供了“专业搜索功能”，用公司的话来说“利用复杂的自然语言处理和简化查找和跟踪最相关的信息的搜索技术。”简单来说，它采用智能搜索和语言算法，从过去的错误和成功中学习，使得发掘相关数据的过程更有效率。&/p&&p&&b&谁创办了AlphaSense？&/b&公司由摩根斯坦利的前分析师Jack Kokko创办。&/p&&img src=&/50/v2-0c9b86f0fcba_b.png& data-rawwidth=&654& data-rawheight=&568& class=&origin_image zh-lightbox-thumb& width=&654& data-original=&/50/v2-0c9b86f0fcba_r.png&&&p&在从赫尔辛基经济学院毕业后，Kokko于年供职于摩根斯坦利。它的欧洲，中东，非洲销售包括前职业高尔夫选手。它的一些员工来自S&P和Factset Research systems，两者都提供有竞争力的（及时非人工智能）智能产品。Alphasense 声称它在寻找“计算机语言，搜索引擎技术，云计算和证券研究”方面的人才。&/p&&p&&b&谁应该对AlphaSense感到畏惧？&/b&可能是财经记者（将会被优秀的搜索引擎代替）和买方研究者。&/p&&img src=&/50/v2-093cbe4d206a3ee6bae85e8b9faabf99_b.png& data-rawwidth=&1302& data-rawheight=&912& class=&origin_image zh-lightbox-thumb& width=&1302& data-original=&/50/v2-093cbe4d206a3ee6bae85e8b9faabf99_r.png&&&p&&b&这是一家什么样的公司？&/b& Cerebellum是一家对冲基金管理公司，它使用人工智能系统来做出投资决策。&br&&/p&&p&&b&人工智能起到了什么作用呢？&/b&用Cerebellum自己的话来说：“这个系统用来根据市场波动状况，不断建立新的模型，检测修改这些模型，并学习利用这些预测模型的交易策略。”&/p&&p&&b&谁创立了这家公司？&/b&这家公司的CEO和总监是一位在斯坦福有很长机器学习（包括基于生理数据的算法）经验的博士。&/p&&img src=&/50/v2-2eaaab68fc2a6_b.png& data-rawwidth=&622& data-rawheight=&470& class=&origin_image zh-lightbox-thumb& width=&622& data-original=&/50/v2-2eaaab68fc2a6_r.png&&&p&首席运营官（COO）是“TrimTabs 资产管理”的前合伙人。这家公司还在其旧金山的总部雇佣了投资组合经理和战略分析师。公司想要听到来自“真正享受制作，处理和解决关于全自动分析和交易系统方面的挑战的世界级的专家”的声音。&/p&&p&&b&谁应该对Cerebellum Capital 感到畏惧？&/b&定量对冲基金经理，也许是所有活跃的选股人。&/p&&img src=&/50/v2-b04769e2edcd9db4940d7_b.png& data-rawwidth=&1314& data-rawheight=&374& class=&origin_image zh-lightbox-thumb& width=&1314& data-original=&/50/v2-b04769e2edcd9db4940d7_r.png&&&p&&b&这是一家什么样的公司？&/b&这是一家可以将Twitter资讯和其他“公共数据集”转换为投资者可以采取行动的“可操作警报”的公司。 &br&&/p&&p&&b&人工智能起到了什么作用？&/b&Dataminr使用了一种算法来分析推特用户和其他可获得的公共数据。&/p&&p&&b&谁创办了Dataminr？&/b&这家公司由耶鲁大学的三名本科生：Ted Bailey, Jeff Kinsey and Sam Hendel于2009年创办。 Bailey和Kinsey只为Dataminr工作过。Hendel声称他不仅是Dataminr的联合创始人。&/p&&p&&b&谁应该对Dataminr感到畏惧？&/b& 银行和对冲基金的柜台研究人员。&/p&&img src=&/50/v2-61b74b457fbf50ec8e3733_b.png& data-rawwidth=&1408& data-rawheight=&258& class=&origin_image zh-lightbox-thumb& width=&1408& data-original=&/50/v2-61b74b457fbf50ec8e3733_r.png&&&p&&b&这是一家什么公司？&/b& iSentium从社交媒体信息中“获取情感”，并“将其转化为可操作的指示”。客户包括对冲基金和投行。&/p&&p&&b&人工智能发挥了什么作用？&/b&iSentium 使用内部算法来解密和处理数百万的社交消息并且为每条信息分配情感得分。虽然这些模型不是自主学习：iSentium 解释说它的产品没有涉及机器学习。相反，它依靠的是“人工智能结构的技术”，“根据短信的情感做出正确的预测，例如tweets，并没有自然语言，和长文本一样，可能包括非相关主题信息。”&/p&&p&&b&谁创办了“iSentium”？&/b&&/p&&img src=&/50/v2-81e28d26fbd974b307b532_b.png& data-rawwidth=&1010& data-rawheight=&1006& class=&origin_image zh-lightbox-thumb& width=&1010& data-original=&/50/v2-81e28d26fbd974b307b532_r.png&&&br&&p&它的COO（首席运营官），Sameer Gupta在2014年加入iSentium前，是J.P. Morgan的全球电子交易和美洲高触摸和程序交易股票业务的前首席运营官。iSentium遵从了高盛前证券前联合主管David Hellier的意见。iSentium在迈阿密，纽约和蒙特利尔有办公处，目前在招聘一名数据工程师和一名数据操作助理。 &br&&/p&&p&&b&谁应该对 iSentium感到畏惧？&/b&战略分析师和研究人员。&/p&&img src=&/50/v2-e5b3b679f769fce6a3761f5_b.png& data-rawwidth=&1362& data-rawheight=&200& class=&origin_image zh-lightbox-thumb& width=&1362& data-original=&/50/v2-e5b3b679f769fce6a3761f5_r.png&&&br&&p&&b&这是一家什么样的公司？&/b&Kensho 使用“基于云计算的软件”来扫描从药物批准到经济报告，货币政策变化和政治事件方面的一切文件，并回答了超过六千五百万个关于哪块市场处于领先的问题组合的答案。例如：当三级飓风袭击佛罗里达时，哪支水泥股票上涨的最快？投资者包括高盛和谷歌。Kensho的创始人，Daniel Nadler告诉高盛当他惊讶地发现，除了对于过去的事件的回顾并手动创建一些电子表格以外，没有办法有效地评估地缘政治事件对市场的影响时，他构想出了这个产品。&br&&/p&&p&&b&人工智能发挥了怎样的作用？&/b&Kensho使用了能够学习如何阅读假想的问题和如何提出的自然语言处理（NLP）系统。 它能够在事件和资产价格之间发现新的和意想不到的关系，并推荐用户可能没有到考虑的搜索。&/p&&p&&b&谁创办了Kensho？&/b&33岁的哈佛博士Nadler，曾在斯坦福大学数字工程学院担任金融研究主任。Kensho的员工中有很多谷歌前工程师，首席运营官是Credit Suisses前管理总监和前台计算部门负责人。Kensho喜欢雇佣博士，它目前在为其在马萨诸塞州的测试部门招聘一个软件工程师。&/p&&p&&b&谁应该对Kensho感到畏惧？&/b&高盛的销售人员。他们据说已经在用Kensho去回复客户请求了。未来，客户很有可能会直接自己使用Kensho（或者它的界面称呼“interface”）。正如Nadler指出的那样，Kensho可以在几分钟内赚到常人40个小时才能赚到35万美元。&/p&&p&&img src=&/50/v2-f8ffebfcb7460_b.png& data-rawwidth=&1346& data-rawheight=&866& class=&origin_image zh-lightbox-thumb& width=&1346& data-original=&/50/v2-f8ffebfcb7460_r.png&&位于多伦多的Quandl是一个“开放的数据资源”，它直接向对冲基金，资产经理和银行提供免费数据，作出投资决策。Quandl最大卖点是为这些投资专业人员提供“替代品”，“阿尔法生成”数据集，他们通常不能通过传统来源买得到。&br&&/p&&p&&b&人工智能发挥了什么作用？&/b&Quandl用人工智能来寻找未被发现的数据并评估其相关性。&/p&&p&&b&谁创办了Quandl？&/b&&/p&&p&&img src=&/50/v2-5aee1ecfead4c_b.png& data-rawwidth=&1260& data-rawheight=&686& class=&origin_image zh-lightbox-thumb& width=&1260& data-original=&/50/v2-5aee1ecfead4c_r.png&&Quandl的联合创始人和CEO，Tammer Kamel 1995年时是花旗银行的一名分析师。另一名创始人有利率交易的背景。Quandl在为其多伦多的办公室招聘营销，工程和数据方面的人才。 &br&&/p&&p&&b&谁应该对Quandl感到畏惧？&/b&Bloomberg 和 Reuters。Quandl免费提供了大量的易于解释和可操纵的数据。&/p&&img src=&/50/v2-751ca594deffd3a633fa74_b.png& data-rawwidth=&1322& data-rawheight=&318& class=&origin_image zh-lightbox-thumb& width=&1322& data-original=&/50/v2-751ca594deffd3a633fa74_r.png&&&p&&b&这是一家什么样的公司？&/b& 一家使用人工智能来进行专有量化交易和制定投资战略的投资公司。 &br&&/p&&p&&b&人工智能发挥了什么作用？&/b&以 Cerebellum Capital为例，Sentient利用机器学习来发展和优化它的交易算法。&/p&&p&&b&谁创办了Sentient？&/b&&/p&&p&&img src=&/50/v2-98e8e4e0f1_b.png& data-rawwidth=&1252& data-rawheight=&614& class=&origin_image zh-lightbox-thumb& width=&1252& data-original=&/50/v2-98e8e4e0f1_r.png&&Sentient的首席投资官，Jeff Holman在Citadel投资集团开始了他的职业生涯，曾担任Highbridge Capital Management的首席风险官。其首席财务官（CFO）是Gabelli Asset Management 的前兑换商，平台主管是前花旗银行的算法执行战略师。Sentient在旧金山和香港有办公室，公司正在招聘算法交易员，研究人员，工程师和销售人员。2017年暑期有一个博士生的实习项目。&br&&/p&&p&&b&谁应该对Sentient感到畏惧？&/b&定量对冲基金经理。&/p&&p&文章来源 / eFinancial Careers&/p&&p&原文作者 / Sarah Butcher &/p&&p&译 / 何杍安&/p&&p&编辑 /珺妹妹&/p&
令人意想不到的是高盛的一位博士退出了银行业，去了谷歌Brain。这并不意味着你需要离开金融业去投身机器学习。如今人工智能（AI）正受到广泛认可，越来越多的公司使用具有自学功能的电脑进行金融工作。更好的是，它们中的大多数还在招聘。 下面就是一些正在…
这个问题我自个来回答吧 答案来源于简书作者“平凡的小路” ,侵删。最近在用简书，上面有很多关于人工智能相关的学习内容，所以推荐给大家吧。&br&&br&这是分割线—————————&br&&br&CB Insights的评选结果基于这些公司所提交的数据、对一系列问题的回答、以及企业的Mosaic分数。Mosaic是一种获得了美国国家科学基金会资助的算法，能预测一家的健康状况。&br&&br&CB Insights联合创始人兼CEO阿南德·桑瓦尔(Anand Sanwal)称：“从金融服务到医疗保健，再到运输，每个行业的传统巨头都认为，人工智能将重塑他们所在行业。历史多次证明，这种革命性创新恰恰来自新兴公司。在人工智能领域，上榜的这100家公司正在从事一些具有突破性的研究工作，并有望在未来数十年内颠覆我们的生活。”&br&&br&有关这100家人工智能公司的一些数据：&br&&br&·超过1650家公司被提名，仅6%被选中。&br&&br&·入选的中国内地公司有深圳碳云智能科技有限公司(iCarbonX)、杭州Rokid公司、北京出门问问和深圳优必选。&br&&br&·自2012年以来，这100家公司通过263笔交易融资38亿美元。&br&&br&·其中5家公司的估值为10亿美元或更高，即“独角兽”公司。&br&&br&·2014 年以来，这100家公司进行9笔超大规模融资(融资额达到1亿美元或更多)。&br&&br&·其技术的应用领域包括医疗保健、药物发现、商业智能、游戏和制造等。&br&&br&·这100家公司来自11个国家和地区。&br&&br&以下为AI世代（tencentAI）编译整理的 “最值得关注的100家人工智能公司”(按公司名称首字母顺序排列)：&br&&br&1. Affectiva&br&&br&公司网站：&a href=&///?target=http%3A//& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&&/span&&span class=&invisible&&&/span&&i class=&icon-external&&&/i&&/a&&br&&br&Affectiva拥有“麻省理工学院媒体实验室”背景，是“情感人工智能”(人工智能的下一个研究前沿)领域的先驱。Affectiva的使命是利用情感识别技术将情感智能带入数字世界。Affectiva的专利技术集计算机视觉、深度学习和全球最大的情感数据库为一体。Affectiva的SDK和API允许开发人员将情感感知和分析添加到自己的应用程序、游戏、设备和数字体验中。当前，1/3的“财富全球100强企业”都在使用Affectiva的情感识别技术。该技术可用于多个垂直领域，包括在线教育、健康、游戏、机器人、媒体和广告、市场调研、汽车零售、人力资源、培训和辅导、视频通信、体验性设计、可穿戴和各种设备。&br&&br&2. AImotive&br&&br&公司网站：&a href=&///?target=http%3A//& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&&/span&&span class=&invisible&&&/span&&i class=&icon-external&&&/i&&/a&&br&&br&AImotive总部位于布达佩斯，为完全自动驾驶汽车开发全套软件组件。AImotive的算法将摄像头作为主要传感器，以完成对象识别、分类、定位、决策、路线规划和车辆控制等任务。除了软件引擎组件，AImotive还提供一个广泛的工具开发包，以加速训练和验证，包括校准、数据采集和增强数据生成、半监督注释，以及实时逼真的模拟环境。为了解决日益增长的硬件加速器需求，AImotive还面向汽车嵌入式解决方案设计了一个强大、高效的神经网络硬件IP。其参考设计可帮助芯片厂商开发有针对性的硬件来匹配人工智能软件套装。&br&&br&3. Algorithmia&br&&br&公司网站：&a href=&///?target=http%3A//& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&&/span&&span class=&invisible&&&/span&&i class=&icon-external&&&/i&&/a&&br&&br&Algorithmia帮助开发者、企业和学术界创建、运营、部署并商业化人工智能微服务。当前，超过30000名开发者访问Algorithmia的超过2500种算法的微服务。通过简单的API，开发者可以将这些微服务整合到自己的应用中。Algorithmia的使命就是推动“算法智能”(algorithmic intelligence)的发展、发觉和接入性。目前， Algorithmia提供了两个主要产品：&a href=&///?target=http%3A//& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&&/span&&span class=&invisible&&&/span&&i class=&icon-external&&&/i&&/a&(微服务市场)和CODEX(功能和人工智能模型的平台)。&br&&br&4. AlphaSense&br&&br&公司网站：&a href=&///?target=http%3A//& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&&/span&&span class=&invisible&&&/span&&i class=&icon-external&&&/i&&/a&&br&&br&智能金融搜索引擎AlphaSense帮助那些需要应对大量数据的专业人员解决信息过载的问题。当前，一些平台提供了人们需要的大量文件，但没有一家提供智能搜索功能。而AlphaSense提供对专有研究数据库的访问，并包括金融语言的语义知识和相关性分析，以开启有价值的隐藏信息。AlphaSense收集了数百万份文档，包括企业提交给监管部门的文件、公司简介、新闻、公关稿、华尔街的调研报告，以及其他任何被上传的内容。&br&&br&5. Anki&br&&br&公司网站：&a href=&///?target=http%3A//& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&&/span&&span class=&invisible&&&/span&&i class=&icon-external&&&/i&&/a&&br&&br&Anki的使命是把人工智能和消费机器人普及到人们日常生活中。Anki的主要产品是Anki Overdrive，它将电子游戏和实体道具相结合。通过智能手机，用户可以在自定制赛道上驾驶一辆赛车。玩家可以与好友一起比赛，也可以挑战由Anki人工智能技术控制的其他汽车。&br&&br&6. Atomwise&br&&br&公司网站：&a href=&///?target=http%3A//& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&&/span&&span class=&invisible&&&/span&&i class=&icon-external&&&/i&&/a&&br&&br&Atomiwise利用人工智能挖掘新的潜在药物。该公司建立了第一个用于“结构性药物设计”的深度神经网络。目前，Atomwise正在帮助研究人员解决慢性疾病(如癌症、多发性硬化症和糖尿病)、被忽略的全球疾病(如埃博拉病毒和疟疾)、死灰复燃的疾病(如耐抗生素细菌 )和生物疾病威胁(如肉毒杆菌神经毒素)。Atomiwise的神经网络已被应用到整个药物发觉过程中，每天可分析数以百万计的分子。&br&&br&7. Appier&br&&br&公司网站：&a href=&///?target=http%3A//& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&&/span&&span class=&invisible&&&/span&&i class=&icon-external&&&/i&&/a&&br&&br&Appier是一家总部位于台北的技术公司，帮助企业在“跨屏幕时代”利用人工智能获得增长和成功。Appier由一群充满激情的科学家和在人工智能等领域拥有丰富经验的工程师所创建，员工主要来自谷歌(微博)、英特尔、雅虎、哈佛大学和斯坦福大学等。当前，Appier服务于全球500多个品牌和机构。&br&&br&8. Automat&br&&br&公司网站：automat.ai&br&&br&Automat是世界上第一个基于人工智能的对话式营销平台。它允许企业与客户进行个性化的一对一对话，以促进互动。Automa的Bot Creator程序编写环境允许营销人员、创意人员和开发者协同开发基于人工智能的对话软件，以淘汰当前的“一刀切”销售模式。通过Automat的“对话即服务”(CaaS)平台，卖家能利用CLU编程语言来了解消费者对其品牌和产品的反馈。&br&&br&9. Ayasdi&br&&br&公司网站：&a href=&///?target=http%3A//& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&&/span&&span class=&invisible&&&/span&&i class=&icon-external&&&/i&&/a&&br&&br&Ayasdi帮助全世界的公司利用人工智能和大数据来提高员工的产出，激发超越人类能力。Ayasdi的革命性机器智能平台利用自动化、机器学习和拓扑数据分析，来简化从庞大复杂的数据集中抽取相应的知识，从而促进企业部署基于人工智能的应用。当前，许多全球500强企业都是Ayasdi的客户。&br&&br&10. babylon&br&&br&公司网站：&a href=&///?target=http%3A//& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&&/span&&span class=&invisible&&&/span&&i class=&icon-external&&&/i&&/a&&br&&br&babylon是智能手机或者平板上的个人医疗服务。它简单易用，任何人都可以随时随地使用。人们在几分钟内就能联系上医生，在手机上进行面对面问诊。babylon的使命是让人们更健康、更快乐。为此，babylon为其应用增加了许多实用功能。用户可以检查任何症状，通过聊天功能咨询任何问题，并迅速得到答复。此外，用户还可以通过其应用订购各种健康检测工具。babylon正在改变让人类变得更健康的方式。&br&&br&11. BenevolentAI&br&&br&公司网站：benevolent.ai&br&&br&尽管知识量急剧增长，科学发现的工作方式50年未变。人类自身不可能处理所有的信息，虽然每30秒就有一篇新的科学论文被发表，但实际上只有一小部分科学信息可形成“可用知识”。BenevolentAI把人工智能和深度学习技术用于大量复杂科学信息的分析，从而改变了知识的创建方式。BenevolentAI的第一款人工智能应用(生物科学领域)已被用于药物研发，并且正被拓展到其它领域。&br&&br&12. BloomReach&br&&br&公司网站：&a href=&///?target=http%3A//& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&&/span&&span class=&invisible&&&/span&&i class=&icon-external&&&/i&&/a&&br&&br&BloomReach的个性化平台集多种技术为一体，为各种数字环境(包括用户获取和用户转变)下的个人和企业提供良好的体验，使之更个性化，并贴近用户期望。&br&&br&13. Blue River Technology&br&&br&公司网站：&a href=&///?target=http%3A//& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&&/span&&span class=&invisible&&&/span&&i class=&icon-external&&&/i&&/a&&br&&br&Blue River Technology致力于为农业开发和提供先进的技术。利用计算机视觉和机器人技术，Blue River Technology希望让每一种农作物都被精准耕作。&br&&br&14. Cape Analytics&br&&br&公司网站：&a href=&///?target=http%3A//& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&&/span&&span class=&invisible&&&/span&&i class=&icon-external&&&/i&&/a&&br&&br&Cape Analytics的使命是改变人类所创建环境信息的创建和使用方式。Cape Analytics利用人工智能技术快速、自动地从地理空间图像中提取专属数据。Cape Analytics的云平台利用计算机视觉技术来提供高质量的信息，这些数据面向所有人开放，而且很容易保险公司等机构整合到自家应用中。&br&&br&15. Bonsai&br&&br&公司网站：bons.ai&br&&br&Bonsai总部位于加州伯克利(Berkeley)，是一个软件开发平台，允许所有发者搭建、训练、使用智能模型。不需要复杂的AI算法和技术，Bonsai人工智能引擎能让开发人员更高效地编码，以更好地控制和优化硬件和软件。&br&&br&16. Captricity&br&&br&公司网站：&a href=&///?target=http%3A//& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&&/span&&span class=&invisible&&&/span&&i class=&icon-external&&&/i&&/a&&br&&br&Captricity是一款安全的云服务软件，它能把手写文章转换成电子版，准确度超过99%。Captricity的云解决方案基于深度学习技术，可以从任何来源(纸质文档、扫描件、传真、电子邮件、呼叫中心和Web格式)抽取数据，然后自动连接后端系统进行深度分析，从而省去了人工输入的低效率和高成本。&br&&br&17. Chorus.ai&br&&br&公司网站：chorus.ai&br&&br&Chorus的使命是基于每一个成功的销售电话来了解哪些因素影响对话结果，从而帮助你的团队做出正确的决策。当前，几乎所有的这些对话(销售电话)都在结束后的几秒内就被忘记，而Chorus正在改变这一现状。Chorus是一支由全世界一流科学家、工程师和产品设计师组成的紧密团队，许多数据驱动型上市公司和高增长型公司都是Chorus的客户。&br&&br&18. Citrine Informatics&br&&br&公司网站：&a href=&///?target=http%3A//citrine.io& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&citrine.io&/span&&span class=&invisible&&&/span&&i class=&icon-external&&&/i&&/a&&br&&br&Citrine运行着全球最大的材料库平台。Citrine利用该平台来构建人工智能软件，以推动更高效的发现、优化、制造和部署材料。该软件平台通过各种来源吸纳结构性和非结构性材料数据，然后利用人工智能引擎来识别这些数据中的重要信息，从而助力客户的研发与制造。Citrine服务于那些利用先进材料获取竞争优势的企业，涵盖汽车、航空、消费品、电池和电子等领域。&br&&br&19. Chronocam&br&&br&公司网站：&a href=&///?target=http%3A//& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&&/span&&span class=&invisible&&&/span&&i class=&icon-external&&&/i&&/a&&br&&br&Chronocam总部位于巴黎，该公司正在开发一种独特的、生物启发和自适应的方法，来满足自动驾驶、联网设备、安全和监控系统对视觉传感和处理的需求。其创新性的视觉传感器和系统复制了人眼的功能，可实时感知动态场景并获取必要信息，从而解决了普通视觉传感器的局限性。在感知速度、动态范围、视频压缩和能耗方面，Chronocam的视觉解决方案为业界树立了新标杆。&br&&br&20. Clara Labs&br&&br&公司网站：&a href=&///?target=http%3A//& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&&/span&&span class=&invisible&&&/span&&i class=&icon-external&&&/i&&/a&&br&&br&Clara Labs以比人类更聪明、更高效的方式来管理您的工作日历。当需要安排会议时，只要抄送给 ，Clara就会接管邮件对话，并以你的名义发送日程邀请。Clara Labs的客户遍及全球，包括销售团队和人力资源部门，每周可帮助他们节省数千小时的时间。&br&&br&21. Clarifai&br&&br&公司网站：&a href=&///?target=http%3A//& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&&/span&&span class=&invisible&&&/span&&i class=&icon-external&&&/i&&/a&&br&&br&Clarifai是一家人工智能公司，擅长视觉识别，为企业和开发人员解决现实生活中的一些问题。Clarifai创建于2013年，曾在“ImageNet计算机视觉识别”挑战赛中跻身前五名。Clarifai的强大视觉识别技术基于最先进的机器学习系统，可通过一套简单的API轻松访问，它允许全世界的开发者开发新一代智能应用。Clarifai允许开发者和企业利用人工智能进行快速、低成本的创新，同时提供更好的用户体验。&br&&br&22. CloudMedx Inc&br&&br&公司网站：&a href=&///?target=http%3A//& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&&/span&&span class=&invisible&&&/span&&i class=&icon-external&&&/i&&/a&&br&&br&CloudMedx打造了一个临床人工智能平台，把基于“脑启发的临床算法”&br&&br&应用的规模和简单性推广到医疗保健领域。该平台建立在一个全面和不断增长的医学知识网络基础之上，它集机器学习和大数据分析为一体，可实时生成健康见解，改善慢性疾病治疗效果。&br&&br&23. CognitiveScale&br&&br&公司网站：&a href=&///?target=http%3A//& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&&/span&&span class=&invisible&&&/span&&i class=&icon-external&&&/i&&/a&&br&&br&CognitiveScale为医疗保健、商业和金融服务市场开发机器智能软件。其主要产品为Engage和Amplify，可帮助大型企业提高用户参与度，改善决策，提供自学习和自我保证的业务流程。许多全球500强企业都成功地部署了CognitiveScale的软件，包括IBM和微软。CognitiveScale由IBM、甲骨文和Salesforce等公司的前高管于2013年创建，总部位于德州奥斯汀(Austin)，在英国和印度设有办公室。&br&&br&24. Context Relevant&br&&br&公司网站：&a href=&///?target=http%3A//& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&&/span&&span class=&invisible&&&/span&&i class=&icon-external&&&/i&&/a&&br&&br&Context Relevant的产品利用机器学习技术所驱动的“自动化数据科学平台”(ADS)，解决了世界上最棘手的大数据、预测和行为方面的挑战。与其他解决方案相比，Context Relevant的技术更快、更有效。Context Relevant的机器学习平台使用了世界上最优秀的开源基础架构，如Hadoop和Spark，并与自家的ADS引擎和应用环境相整合，从而确保快速创建、测试和部署由数据科学和预测性分析驱动的智能应用。&br&&br&25. &a href=&///?target=http%3A//Cortical.io& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&Cortical.io&/span&&span class=&invisible&&&/span&&i class=&icon-external&&&/i&&/a&&br&&br&公司网站：&a href=&///?target=http%3A//cortical.io& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&cortical.io&/span&&span class=&invisible&&&/span&&i class=&icon-external&&&/i&&/a&&br&&br&&a href=&///?target=http%3A//Cortical.io& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&Cortical.io&/span&&span class=&invisible&&&/span&&i class=&icon-external&&&/i&&/a&提供基于“语义折叠理论”(Semantic Folding，处理“大文本数据”的新型方法)的自然语言理解(NLU)解决方案。其灵感源自对大脑信息处理方式的最新发现，&a href=&///?target=http%3A//Cortical.io& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&Cortical.io&/span&&span class=&invisible&&&/span&&i class=&icon-external&&&/i&&/a&的Retina引擎可将语言转换成语义指纹，然后通过对比指纹的重叠度来比较任何两个文本的语义相关性。&a href=&///?target=http%3A//Cortical.io& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&Cortical.io&/span&&span class=&invisible&&&/span&&i class=&icon-external&&&/i&&/a&创建于2011年，总部位于奥地利维也纳。&br&&br&26. CrowdFlower&br&&br&公司网站：&a href=&///?target=http%3A//& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&&/span&&span class=&invisible&&&/span&&i class=&icon-external&&&/i&&/a&&br&&br&CrowdFlower是一个面向数据科学团队的人类干预训练平台，帮助客户生成高质量的自定义训练数据。CrowdFlower平台支持一系列应用案例，包括自动驾驶汽车、个人智能助理、医学图像标记、内容分类、社交数据分析、CRM数据改进、产品分类和搜索相关性等。CrowdFlower总部位于旧金山，客户包括“财富500强”企业和数据驱动型企业。&br&&br&27. Cylance&br&&br&公司网站：&a href=&///?target=http%3A//& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&&/span&&span class=&invisible&&&/span&&i class=&icon-external&&&/i&&/a&&br&&br&Cylance由互联网安全公司McAfee前高管于2012年组建，是一家网络安全产品和服务公司，专注于提前预防网络攻击。Cylance的旗舰产品是CylancePROTECT，是全球第一款下一代防病毒软件，基于人工智能和深度学习技术。与其他安全解决方案相比，Cylance的预防能力更强，2015年曾获得“最佳新兴技术奖”。&br&&br&28. Darktrace&br&&br&公司网站：&a href=&///?target=http%3A//& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&&/span&&span class=&invisible&&&/span&&i class=&icon-external&&&/i&&/a&&br&&br&Darktrace是全球领先的互联网威胁防御公司，去年曾被评为“最佳安全公司”。Darktrace的核心产品为“企业免疫系统”(EIS)，利用机器学习和独家算法来检测和响应以前未识别的威胁。Darktrace在英国剑桥和美国旧金山均设有总部，在奥克兰(新西兰)、波士顿、伦敦、米兰、孟买、巴黎、首尔、新加坡、悉尼、东京和多伦多等地设有办公室。&br&&br&29. Dataminr&br&&br&公司网站：&a href=&///?target=http%3A//& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&&/span&&span class=&invisible&&&/span&&i class=&icon-external&&&/i&&/a&&br&&br&Dataminr通过从社交媒体活动中获取信息，来建实时、可执行的消息警告。Dataminr的强大算法能将Twiiter等公开数据转变成可实施的消息警告，使世界各地的安全、运营、财务和通信专业人员能够随着事态的发展而获取必要信息。这些警告消息是通过桌面应用和工作流整合方式提供给用户的。当前，全球许多企业、财务公司、新闻机构和公共机构都在使用Dataminr的消息警告，从而对各种事件做出快速响应。&br&&br&30. DataRobot&br&&br&公司网站：&a href=&///?target=http%3A//& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&&/span&&span class=&invisible&&&/span&&i class=&icon-external&&&/i&&/a&&br&&br&DataRobot把建立机器学习模式的过程变成自动化。通过提供快速、准确和自动化的程序，DataRobot可帮助企业级用户做出更智能、更快速的商业决策。DataRobot通过改变预测分析的速度和经济学，解决了数据科学家严重短缺的问题。&br&&br&31. Deep Genomics&br&&br&公司网站：&a href=&///?target=http%3A//& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&&/span&&span class=&invisible&&&/span&&i class=&icon-external&&&/i&&/a&&br&&br&Deep Genomics成立于2015年，致力于通过建立一套计算系统化来改善诊断、 治疗和了解疾病的方式。Deep Genomics的技术集机器学习和基因组生物学为一体，以了解、预测和解释DNA的变化。Deep Genomics开发出了一种新的机器学习方法，可以在海量数据中找出相应的模式，并推断出细胞如何读取基因组、并生成生物分子的计算机模型。&br&&br&32. Deep Instinct&br&&br&公司网站：&a href=&///?target=http%3A//& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&&/span&&span class=&invisible&&&/span&&i class=&icon-external&&&/i&&/a&&br&&br&Deep Instinct是第一家将深度学习技术应用于网络安全领域的公司，旨在利用深度学习为任何设备、任何平台和操作系统提供全面的保护。Deep Instinct的技术能实时检测出“零日威}
想要知道有哪些Fintech公司，首先需要了解的是什么是Fintech。 根据投资百科Investopedia词条解释：Fintech是Financial technology的缩写，意为结合金融的技术，提供新兴金融领域的服务，近年兴起于美国。 国外比较典型的公司有号称要取代华尔街分析师的Ken…
写在前头的话&br&&br&写这个，就是为了锻炼思考能力。看不惯一个概念流行后，一群人上去就抄那种丑态。无奈的是常见常用的互联网产品也未必好用，一个行业参与者的人数多未必就做的够好。那么多团购，如今又剩下几个？那么多盒子，真心满足你的又有几个？所谓的云阅读和智能阅读，有哪个令你真正给你带来了阅读的愉悦？创新的最大价值，就是在用户的刚需上下功夫，越多人在做，未必就是绝望的红海。越多人涉足的领域只能说明用户需求多，价值大，利益多。一起想想，多多指教，或者一起吐槽之后想想靠谱的建设性想法吧。但以后我要写的，估计天马行空的想象居多，实际可操性就不敢保证，各位看官还是立足当下，权且当另外一种近体科幻来逗个闷子吧。&br&&br&
关于更智能的阅读，我提出的问题是：&br&&ul&&li&
传统阅读无法有效率的获取精准知识&/li&&li&
无法实时和作者或已读过次数的人进行交流&/li&&li&
书的内容更新、优化、再版速度慢&/li&&/ul&&p&
解决问题的方案是：&/p&&ul&&li&
自主询问&/li&&li&
交互讨论&/li&&li&
持续更新&/li&&/ul&&p&
读一本好书，并且通过阅读来获取知识，显然是过去世代掌握知识的方式。但是读书太慢，也太闷。只有少数有意志力，阅读能力强的人适用。&/p&&p&
阅读的最大问题是，你在掌握知识的时候无法和作者实时互动。你也无法验证自己是否掌握了，理解了重要的知识点。另外，不是所有书的所有内容都需要掌握，大多数的书废话很多，但你要的关键点夹杂在整本书的废话里。你只有浪费足够多的时间，才能从书里找到你要的。&/p&&p&
阅读，能不能智能一点？&/p&&br&&p&
通过数据集合、个性化推送、智能语音对话，让阅读这种单向的交流变得一对多，而且更有效率。简单来说，你可以想象一个强大的智能的主题siri。当你想要了解罗马历史，你可以先去下载一个罗马历史主题包。用语音提问的方法向机器进行询问，如果你的问题已经在这个主题数据包里，机器就用人类的语言语气回答你。简单的问题，机器完全可以通过搜索来回应你，比如简单的是或者否类问题，断代史料问题等。如果你的问题很高级，语焉不详，甚至有些涉足复杂的价值判断，机器就马上全球连线目前有空的罗马历史学家，让人们通过机器来探讨这个问题，答案就沉淀下来。机器通过人和人的交流越来越智慧聪明。&/p&&br&&p&
这是这个东西的第一个版本，继续升级一下。有一些功能值得展望。&/p&&p&
你可能不知道你古罗马历史有什么欠缺和值得学习的，机器会调查你的学识背景，阅读习惯，进行第一次推测。如果不够准确，机器会首先向你询问几个问题，或者询问你更感兴趣古罗马的经济史还是律政方向的内容。做到精确匹配你的知识需求。&/p&&br&&p&
继续，到了第三个版本，重要的有趣的功能是，模拟古罗马人物、古罗马史学家。机器解析他们的语言风格，知识构成。模拟出这样一个场景，你可以与凯撒对话，你可以和哈德良对话。到了第四个版本，当你和这个主题数据包互动到一定时长，你也会被系统分配到一些问题，久而久之，你也会变成罗马史专家团，你也可以扮演罗马这个世界的一个角色，接受世界上成千上万对你感兴趣的读者访问，互动。&/p&&br&&p&
最后，因为是对话，除了更个性化满足，生动有趣之外，这个系统的意义是比单向阅读传递的信息要多的多，还有，他没那么伤害视力。&/p&
写在前头的话 写这个，就是为了锻炼思考能力。看不惯一个概念流行后，一群人上去就抄那种丑态。无奈的是常见常用的互联网产品也未必好用，一个行业参与者的人数多未必就做的够好。那么多团购，如今又剩下几个？那么多盒子，真心满足你的又有几个？所谓的云…
&img src=&/50/v2-e918cbbf90f2c5fccc84b4aa_b.jpg& data-rawwidth=&1280& data-rawheight=&960& class=&origin_image zh-lightbox-thumb& width=&1280& data-original=&/50/v2-e918cbbf90f2c5fccc84b4aa_r.jpg&&&p&2009年8月，我和项亮一起发起了ResysChina，一个面向推荐系统领域的专业社区。建立初衷，是想为业内关注推荐系统领域的朋友们提供一个交流讨论的社区。我们开过邮件组，架过博客，也举办过线下活动。业内朋友给予了ResysChina很多的鼓励与支持，ResysChina也为推动个性化推荐技术在国内的普及做出了一些绵薄之力。有些认识我的朋友会知道，2013年对我个人是非常特别的一年，无论从个人生活还是工作上，都翻到了新的一页，ResysChina一直以来都是纯粹兴趣驱动，在生活与现实的压力之下，也不得不暂停了。我本以为它再也不会回来了。2016年，我把它捡了回来，并试着努力坚持下去。先开的微信公众号，后又开了知乎专栏。公众号定位原创内容，会有我自己的一些灌水，知乎专栏定位精选，也会更专注在推荐技术产品，比如《&a href=&/?target=http%3A//mp./s%3F__biz%3DMzA4OTk5OTQzMg%3D%3D%26mid%3D%26idx%3D1%26sn%3De02ac9fdb59700cabbc0c5054eaea72d%26scene%3D21%23wechat_redirect& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&到底要不要创业？&i class=&icon-external&&&/i&&/a&》这篇，我写得挺诚恳的，但与知乎专栏定位不符，就没发到这里。&/p&&br&&br&&p&下面是我个人推荐阅读的一些ResysChina微信公众号上的原创文章，欢迎大家阅读、分享：&/p&&ol&&li&&p&&a href=&/?target=http%3A//mp./s%3F__biz%3DMzA4OTk5OTQzMg%3D%3D%26mid%3Didx%3D1%26sn%3De71e59e4c2595cdd88659ebfscene%3D21%23wechat_redirect& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Amazon与数据导向&i class=&icon-external&&&/i&&/a&&/p&&/li&&li&&p&&a href=&/?target=http%3A//mp./s%3F__biz%3DMzA4OTk5OTQzMg%3D%3D%26mid%3D%26idx%3D1%26sn%3Dd9ba2f9f0b825bb4c3dc9e1c3d5af059%26scene%3D21%23wechat_redirect& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&关于 Facebook NewsFeed，看这一篇就够了！&i class=&icon-external&&&/i&&/a&&/p&&/li&&li&&p&&a href=&/?target=http%3A//mp./s%3F__biz%3DMzA4OTk5OTQzMg%3D%3D%26mid%3D%26idx%3D1%26sn%3Dd9d625c0aaa0a9ed98c31ef%26scene%3D21%23wechat_redirect& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&AlphaGo与深度学习&i class=&icon-external&&&/i&&/a&&/p&&/li&&li&&p&&a href=&/?target=http%3A//mp./s%3F__biz%3DMzA4OTk5OTQzMg%3D%3D%26mid%3D%26idx%3D1%26sn%3Dc0afdbf12a1%26scene%3D21%23wechat_redirect& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&深度学习与推荐系统&i class=&icon-external&&&/i&&/a&&/p&&/li&&li&&p&&a href=&/?target=http%3A//mp./s%3F__biz%3DMzA4OTk5OTQzMg%3D%3D%26mid%3D%26idx%3D1%26sn%3D2f6c052b718bafeb9f7bc5d7%26scene%3D21%23wechat_redirect& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Amazon开源面向推荐系统的深度学习框架DSSTNE [1]&i class=&icon-external&&&/i&&/a&、&a href=&/?target=http%3A//mp./s%3F__biz%3DMzA4OTk5OTQzMg%3D%3D%26mid%3D%26idx%3D1%26sn%3D405cecdfd9cb431bb1ff9%26scene%3D21%23wechat_redirect& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&[2]&i class=&icon-external&&&/i&&/a&&/p&&/li&&li&&p&&a href=&/?target=http%3A//mp./s%3F__biz%3DMzA4OTk5OTQzMg%3D%3D%26mid%3D%26idx%3D1%26sn%3D6ff30a52fbbe9d01ef5dc4%26scene%3D21%23wechat_redirect& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Netflix推荐系统的最新解读：算法、商业价值与创新 [1]&i class=&icon-external&&&/i&&/a&、&a href=&/?target=http%3A//mp./s%3F__biz%3DMzA4OTk5OTQzMg%3D%3D%26mid%3D%26idx%3D1%26sn%3Dff9a025b5ec36ba3cbf848b%26scene%3D21%23wechat_redirect& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&[2]&i class=&icon-external&&&/i&&/a&&/p&&/li&&li&&p&&a href=&/?target=http%3A//mp./s%3F__biz%3DMzA4OTk5OTQzMg%3D%3D%26mid%3D%26idx%3D1%26sn%3Ddaae90bcd3da289aea8bb%26scene%3D21%23wechat_redirect& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&机器学习系统丛林迷路指南&i class=&icon-external&&&/i&&/a&&/p&&/li&&li&&p&&a href=&/?target=http%3A//mp./s%3F__biz%3DMzA4OTk5OTQzMg%3D%3D%26mid%3D%26idx%3D1%26sn%3D02cd1fefc28%26scene%3D21%23wechat_redirect& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&做爱做的事情&i class=&icon-external&&&/i&&/a&&br&&/p&&/li&&li&&p&&a href=&/?target=http%3A//mp./s%3F__biz%3DMzA4OTk5OTQzMg%3D%3D%26mid%3D%26idx%3D1%26sn%3D0fd75faae2fb93b93dcd%26scene%3D21%23wechat_redirect& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&推荐也是一件讲颜值的事情&i class=&icon-external&&&/i&&/a&&/p&&/li&&li&&p&&a href=&/?target=http%3A//mp./s%3F__biz%3DMzA4OTk5OTQzMg%3D%3D%26mid%3D%26idx%3D1%26sn%3D37eac226ecd344d25ad828e3d9c9f2db%26scene%3D21%23wechat_redirect& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&再谈「搜索已死，推荐上位」&i class=&icon-external&&&/i&&/a&&/p&&/li&&li&&p&&a href=&/?target=http%3A//mp./s%3F__biz%3DMzA4OTk5OTQzMg%3D%3D%26mid%3D%26idx%3D1%26sn%3D93c5767ccca435c0e9d4af%26scene%3D21%23wechat_redirect& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&你好，bot！&i class=&icon-external&&&/i&&/a&&/p&&/li&&li&&p&&a href=&/?target=http%3A//mp./s%3F__biz%3DMzA4OTk5OTQzMg%3D%3D%26mid%3D%26idx%3D1%26sn%3Dbcc0dc120f6d%26scene%3D21%23wechat_redirect& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&专治选择困难症——bandit算法&i class=&icon-external&&&/i&&/a&&/p&&/li&&li&&p&&a href=&/?target=http%3A//mp./s%3F__biz%3DMzA4OTk5OTQzMg%3D%3D%26mid%3D%26idx%3D1%26sn%3Decdb7cc4ddde8c14d8077a%26scene%3D21%23wechat_redirect& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&关于LDA, pLSA, SVD, Word2Vec的一些看法&i class=&icon-external&&&/i&&/a&&/p&&/li&&li&&p&&a href=&/?target=http%3A//mp./s%3F__biz%3DMzA4OTk5OTQzMg%3D%3D%26mid%3D%26idx%3D1%26sn%3Dd1b16fa2%26scene%3D21%23wechat_redirect& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&谷歌、Facebook、亚马逊、微软、NVIDIA及BAT在深度学习方面的进展&i class=&icon-external&&&/i&&/a&&br&&/p&&/li&&li&&p&&a href=&/?target=http%3A//mp./s%3F__biz%3DMzA4OTk5OTQzMg%3D%3D%26mid%3D%26idx%3D1%26sn%3De02ac9fdb59700cabbc0c5054eaea72d%26scene%3D21%23wechat_redirect& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&到底要不要创业？&i class=&icon-external&&&/i&&/a&&/p&&/li&&li&&p&&a href=&/?target=http%3A//mp./s%3F__biz%3DMzA4OTk5OTQzMg%3D%3D%26mid%3D%26idx%3D1%26sn%3D16fbcb9418dbe4f6fac8e6dd5aaa4e69%26scene%3D21%23wechat_redirect& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Amazon的推荐系统到底行不行？&i class=&icon-external&&&/i&&/a&&/p&&/li&&li&&p&&a href=&/?target=http%3A//mp./s%3F__biz%3DMzA4OTk5OTQzMg%3D%3D%26mid%3D%26idx%3D1%26sn%3D8ee21d011e34059fee83e32b2dc4c5a5%26scene%3D21%23wechat_redirect& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&为什么说初创公司过度关注技术就是浪费时间&i class=&icon-external&&&/i&&/a&&/p&&/li&&li&&p&&a href=&/?target=http%3A//mp./s%3F__biz%3DMzA4OTk5OTQzMg%3D%3D%26mid%3D%26idx%3D1%26sn%3D249d8513aab9f8ce3ee137a19cea8099%26scene%3D21%23wechat_redirect& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&巨头们都很重视的聊天机器人，你不进来看看吗？&i class=&icon-external&&&/i&&/a&&/p&&/li&&li&&p&&a href=&/?target=http%3A//mp./s%3F__biz%3DMzA4OTk5OTQzMg%3D%3D%26mid%3D%26idx%3D1%26sn%3D3d5fb7bee855%26scene%3D21%23wechat_redirect& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Quora是如何做推荐的？&i class=&icon-external&&&/i&&/a&&/p&&/li&&li&&p&&a href=&/?target=http%3A//mp./s%3F__biz%3DMzA4OTk5OTQzMg%3D%3D%26mid%3D%26idx%3D1%26sn%3Dfe975d6af79596b5eaf576e5f65e8e06%26scene%3D21%23wechat_redirect& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&推荐系统的苟且和远方&i class=&icon-external&&&/i&&/a&&/p&&/li&&li&&p&&a href=&/?target=http%3A//mp./s%3F__biz%3DMzA4OTk5OTQzMg%3D%3D%26mid%3D%26idx%3D1%26sn%3Dd3baceac16ca%26scene%3D21%23wechat_redirect& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&基于Deep Learning的中文分词尝试&i class=&icon-external&&&/i&&/a&&/p&&/li&&li&&p&&a href=&/?target=http%3A//mp./s%3F__biz%3DMzA4OTk5OTQzMg%3D%3D%26mid%3D%26idx%3D1%26sn%3Dcc1da9213faa56c7cd79a5%26scene%3D21%23wechat_redirect& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&当我们谈论 Bot 的时候，我们在谈论什么&i class=&icon-external&&&/i&&/a&&/p&&/li&&li&&p&&a href=&/?target=http%3A//mp./s%3F__biz%3DMzA4OTk5OTQzMg%3D%3D%26mid%3D%26idx%3D1%26sn%3D4e55605bef6182d6bee7f%26scene%3D21%23wechat_redirect& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&用贝索斯的「两类决策法」对待职业选择&i class=&icon-external&&&/i&&/a&&/p&&/li&&li&&p&&a href=&/?target=http%3A//mp./s%3F__biz%3DMzA4OTk5OTQzMg%3D%3D%26mid%3D%26idx%3D1%26sn%3Dbcc42a0edf899ece21348%26scene%3D21%23wechat_redirect& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&搜索、推荐和广告架构能统一吗？&i class=&icon-external&&&/i&&/a&&/p&&/li&&li&&p&&a href=&/?target=http%3A//mp./s%3F__biz%3DMzA4OTk5OTQzMg%3D%3D%26mid%3D%26idx%3D1%26sn%3D6862d18bdefdd361d6fce337e14ac7d5%26scene%3D21%23wechat_redirect& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&对话交互时代的各种Bot：可控性与智能性的权衡&i class=&icon-external&&&/i&&/a&&br&&/p&&/li&&/ol&&br&&br&&p&另外还有几个系列，我在微信公众号里设置了关键字，大家回复相应【关键字】即可查看:&/p&&ul&&li&【resys】：看大厂如何做推荐的系列文章，公众平台上独一份，干货必读。&/li&&li&【feed】：按照大神KK的说法，NewsFeed代表一种互联网的必然，这是关于NewsFeed的系列文章，Facebook、Pinterest、Quora等都有讲到。&/li&&li&【bot】：Chatbot无疑是今年国内外互联网圈和投资领域的最热点之一，这里有一些一线玩儿家的文章分享，认不认同这个方向，都值得读一读。&/li&&li&【amazon】：Greg Linden的《Early Amazon》系列文章，这种从员工的角度，讲述他们自己跟随公司一起成长的故事，一个一个真实的、美妙的片断，非常非常吸引人。&/li&&/ul&&br&&br&&p&感谢项亮，感谢三位特约作者：陈开江、张相於和张俊，王守崑老师也分享了一篇。提笔不易，尤其是大家每个人各自都还都挺忙的情况下，持续不断地为大家带来了新鲜的分享。我也想借此鼓励欢迎给ResysChina投稿，多分享多交流，这个领域的从业者都会从中受益，而且最重要的，是你自己一定会有意想不到的收获。&br&&/p&&br&&p&还要感谢梁斌博士（公众号：pennyjob）、InfoQ霍泰稳老板（公众号：zenpark）、以及陈利人老师（公众号：daiziguizhongren），在ResysChina刚开始写的时候，就通过自己的公众号推荐了ResysChina。另外还有知乎的不吝推荐，内容入选过一次知乎日报，知乎官微也推荐过一次，不胜荣幸，一并感谢。&/p&&br&&p&在微信里搜索【ResysChina】即可添加关注。如果你觉得ResysChina公众号的内容对你有帮助，把它转发到朋友圈或者推荐给身边的朋友，是对我们最大的支持。感谢大家！&/p&&br&&p&另外，正在微信公众号上&strong&&u&送一个小福利&/u&&/strong&，博文视点图书《深度学习：21天实战Caffe》，时间截止到本周末，有兴趣的可以&a href=&/?target=http%3A//mp./s%3F__biz%3DMzA4OTk5OTQzMg%3D%3D%26mid%3D%26idx%3D1%26sn%3D9d38ccc26ffeaf5900fee0da%26chksm%3D841abf0cb36d361aafdbe54f4f267a90af63ab5bc76dc571ec295cf%23rd& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&参与一下&i class=&icon-external&&&/i&&/a&，感谢 @永恒的侠少 老师赠书。&/p&
2009年8月，我和项亮一起发起了ResysChina，一个面向推荐系统领域的专业社区。建立初衷，是想为业内关注推荐系统领域的朋友们提供一个交流讨论的社区。我们开过邮件组，架过博客，也举办过线下活动。业内朋友给予了ResysChina很多的鼓励与支持，ResysChina…
&img src=&/50/v2-e00aecceb8_b.png& data-rawwidth=&554& data-rawheight=&520& class=&origin_image zh-lightbox-thumb& width=&554& data-original=&/50/v2-e00aecceb8_r.png&&&b&文：鲍捷|发布于 日&/b&&br&今天讲的是我最近一些思考的总结。也不能算是很系统的思考，主要还是想抛出一些问题来和大家探讨。之前也有几篇文章，今天说的算是这些的延展：&br&&a href=&/?target=http%3A//mp./s%3F__biz%3DMzI1NDE1MDUwOQ%3D%3D%26mid%3D%26idx%3D1%26sn%3Debe554b1eac%26scene%3D21%23wechat_redirect& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&智能金融的核心驱动力&i class=&icon-external&&&/i&&/a& &a href=&/?target=http%3A//mp./s%3F__biz%3DMzI1NDE1MDUwOQ%3D%3D%26mid%3D%26idx%3D1%26sn%3D22ec77cea3a02e70f504d21%26scene%3D21%23wechat_redirect& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&什么是互联网投行？（全文）&i class=&icon-external&&&/i&&/a&&br&智能金融变魔术的6个步骤 &br&&a href=&/?target=http%3A//mp./s%3F__biz%3DMzI1NDE1MDUwOQ%3D%3D%26mid%3D%26idx%3D1%26sn%3D309a3be04e5d582d936c%26scene%3D21%23wechat_redirect& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&即将到来的智能金融军备竞赛&i class=&icon-external&&&/i&&/a& &br&&a href=&/?target=http%3A//mp./s%3F__biz%3DMzI1NDE1MDUwOQ%3D%3D%26mid%3Didx%3D1%26sn%3D1d5d722d07f4c845b6328df27ffc5ea5%26scene%3D21%23wechat_redirect& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&人工智能与投资价值判断&i class=&icon-external&&&/i&&/a& &br&&br&&p&&a href=&/?target=http%3A///%3Fpage_id%3D1317& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&历史文章 – 文因互联&i class=&icon-external&&&/i&&/a&&/p&&p&这些文章都在我们的博客上，其中一些想法在发表在程序员杂志的第8期，“知识图谱如何让智能金融变魔术”。&/p&&img src=&/50/v2-cc03a7a0563a0bdcb9e59_b.png& data-rawwidth=&268& data-rawheight=&342& class=&content_image& width=&268&&从事这份工作一年多时间了。从去年5月开始，我们就在实验如何把人工智能的各种方法用在金融上。这一年我们做了哪些事情呢？ 我简单从两个方向回顾一下：市场与技术。&br&&strong&技术回顾&/strong&&br&人工智能技术在市场上有很多切入点，所以最初我们是选择以新三板进行切入。因为无论是从数据量上、还是从决策对智能技术的支持的需求紧迫度上看，我们觉得在价值判断整个市场渠道里新三板这个市场最重要。所以我们花了将近一年的时间来构造整个基于价值判断的金融体系，并在此中造了十几个零件。&br&而我们现在做的这个就是基于理念把这些零件凑在一起，变成一辆车，也许是自行车，也可能是三轮车或者是小轿车。我相信在现在这个市场处于一种服务非常不充分的状态，任何一种工具，你只要能够抓住关键的切入点，都有可能造出一个在某个细分市场上被人用的工具。&br&所以下图差不多总结了我们近几个月来对这个智能金融深入的思考。因为在最早的时候，我们在追求变“魔术”这件事情，想达到颠覆性的效果。特别是在今年三月份AlphaGo出来之后，各种媒体新闻报道很多，然后就是智能投顾，大家都在说人工智能进入金融，分析师要失业了，机器要取代人的工作了。那个时候我们就在想，这件事情是可能的吗？特别是我们一回国的时候，就有人说你们应该去做Kensho，包括我们现在去见投资人的时候，投资人就强烈地说你们应该去做Kensho。&br&Kensho在我看来，就是这种变“魔术”的一个运用。但是冷静下来去思考这个市场上大家到底需要什么，或者说我们真正想达到那种变“魔术”状态，我们在之前需要做什么样的准备，只能通过真正看到具体的数据、看到具体的需求的问题。你会发现其实变“魔术”这件事情都不应该当作追求的目标，因为在变“魔术”的这个过程当中，实际上从最底下的物理世界的数据，到最上面的这种金融人才通过经验和人脉才能做出来的决策，中间有非常多的步骤。我觉得一个智能金融的企业不是应该一步到位去追求变“魔术”，而是在这个过程当中涉及的每一个路径当中的每一个点有可能被商业化的地方，才是解决的目标。所以我把这个过程分成6个步骤。在这个过程中，每上走一步都是数据不断完善，我们每得到一些更好的数据，就可以帮助我们更快更好的解决问题。&br&&img src=&/50/v2-778dceec7fe0cd41cf9bb3_b.png& data-rawwidth=&535& data-rawheight=&373& class=&origin_image zh-lightbox-thumb& width=&535& data-original=&/50/v2-778dceec7fe0cd41cf9bb3_r.png&&最底层的就是脏数据，脏数据打个比方来说就是证券时报上的信息披露板块，纯粹是为了满足证券会的要求。巨潮网就是解决这样的问题，但是因为PDF扫描件的存在，这样的问题并没有完全解决。&br&第二步就是干净的数据，比如说Wind、东方财富这些可以达到查询效果的数据终端，目前这是属于解决比较完好的问题。&br&再往下一步就是实体数据，实体与实体之间的联系，比如说公司之间的供应链关系，就是图谱数据。&br&然后再往上走就是业务逻辑，每一个金融从业人员都是有自己的世界观和方法论的，不管怎么选择、命名、关联、定义都是他的业务逻辑，那现在这些业务逻辑都是要每一个金融从业人员反反复复的用自己的工作经验做判断，如何让业务逻辑更好被表达，这就属于变魔术了，然而这也是需要继续探索的未知的东西。&br&&br&&strong&分析层面也有6个层次：&/strong&&br&&img src=&/50/v2-5ab6b35f4f72f5fafc0cdb06c0d92cd6_b.png& data-rawwidth=&1269& data-rawheight=&500& class=&origin_image zh-lightbox-thumb& width=&1269& data-original=&/50/v2-5ab6b35f4f72f5fafc0cdb06c0d92cd6_r.png&&&br&第一个层次就是可访问性。参加新三板路演的投资人，想要了解公司的基本信息，但是那些数据终端都是基于B端的，稍微复杂一些的数据在手机端访问不了，而文因互联的搜索就是解决这样一个问题。&br&第二个层次就是可发现性。从纷繁芜杂的数据里找到少数真正有价值的数据必须要有工具帮忙过滤，提升可发现性，让投资人把精力放在最关心的事上。&br&第三个层次就是深度关系的发现。股转书里的风险提示，根本没有人可以把每天所有新闻过滤后对应到公司中，深度关系的发现就是找到那些人力根本看不出来、看不过来的关系（如事件风险、隐藏股权逻辑）。&br&下面两个层次分别是领域知识集成和业务知识集成。领域知识的集成是具体的业务场景的基础数据和领域知识的基础上表达业务逻辑，方便重用和学习。再有就是业务知识的集成，具体的业务场景的基础数据和领域知识的基础上表达业务逻辑，方便重用和学习。&br&到最后就是魔术，也就是策略的生成。有各种业务逻辑和规则，是不是能机器能帮助我们做出判断呢？机器把可以帮助我们简化问题，也可以把一个问答可以简化成一个选择题，也许可以帮助我们加快做选择题或问答题的速度，但是真正的策略最终一定是人去做。所以在这一点上，不仅仅是一个所谓的人工智能问题，在我看来也是一个人机交互问题，怎么能够让人更好的去发现策略、验证策略。&img src=&/50/v2-de0762635bbd00ebfcb85d_b.png& data-rawwidth=&1265& data-rawheight=&406& class=&origin_image zh-lightbox-thumb& width=&1265& data-original=&/50/v2-de0762635bbd00ebfcb85d_r.png&&这是从这个技术的角度来说每一个层面都对应着不同的分支去解决这些问题，我在这里列了一个表，但我不打算把这个表里的每一个技术名词都解释一遍，因为如果要讲可能要讲四个星期。&br&我们现在做的差不多都是前几个层次，后面一些还在尝试，因为构建这样一个系统其实是需要几十个人进行大量技术投入完成的，所以在有限的资源下我们先完成的是前面两个层次，也就是文因互联的金融搜索。&br&如下图所示，一个典型的文本处理引擎有以下模块。早在今年4月份我们做的就是文本处理引擎，通过预处理、过滤广告、格式编码结构篇章、各种各样细节的处理。然后再做各种浅层的语义分析，包括实体、名字、地名的句子的标注与段落的标准。然后下面呢，就是一个相对深层的分析。最后就是到应用层面，就是各种面向用户的应用工具的展示，包括语义检索、自动化报告等等。&img src=&/50/v2-5c10d96b64aed5c1f64574_b.png& data-rawwidth=&554& data-rawheight=&254& class=&origin_image zh-lightbox-thumb& width=&554& data-original=&/50/v2-5c10d96b64aed5c1f64574_r.png&&但是一个完整的智能金融系统的核心，不仅仅是关于爬虫和自然语言处理，它包括了知识提取、知识表现、知识存储和知识检索这四大分支几十种细分技术的综合运用。&img src=&/50/v2-8e934e1dfafc_b.png& data-rawwidth=&1006& data-rawheight=&722& class=&origin_image zh-lightbox-thumb& width=&1006& data-original=&/50/v2-8e934e1dfafc_r.png&&&br&&br&对上述技术，6月份的时候我们在北京知识图谱学习小组做了为期4周的简单科普介绍。&a href=&/?target=https%3A///memect/kg-beijing/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&GitHub - memect/kg-beijing: 北京知识图谱学习小组&i class=&icon-external&&&/i&&/a&&br&9月19日在西山宾馆，在中文信息学会知识图谱前沿技术讲习班，我和林德康老师会再做一次纲要性的介绍。&br&最近我在想我们这个做的这些所有关于智能金融的技术，这些很多提高效率的工具它到底有什么价值？最后我们的COO孙洋想到了一句话——让金融狗们把更多的时间用来创造价值，不把宝贵的时间用在无谓的简单重复劳动上，让有效的生命延长。就算不用在创造价值上，每天多睡一小时，每天多谈一小时恋爱，干什么不（比当个机器人）好啊！&br&所以就是，用文因互联每天延长一个小时生命。&br&&strong&文因搜索&/strong&&a href=&/?target=http%3A//& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&&/span&&span class=&invisible&&&/span&&i class=&icon-external&&&/i&&/a&&br&&strong&针对买方（投资机构）&/strong&细分行业
支持任意关键词，语义关联相关产品多种板块
轻松搜索A股、美股、早期项目企业对标
智能分析企业业务，自动寻找对标&strong&针对卖方（企业）&/strong&基金偏好
查看机构投资偏好深度关系
深度挖掘投资机构附属关系&img src=&/50/v2-e3a13e9ee58ad8b0f94ac6a2474eabb2_b.png& data-rawwidth=&595& data-rawheight=&471& class=&origin_image zh-lightbox-thumb& width=&595& data-original=&/50/v2-e3a13e9ee58ad8b0f94ac6a2474eabb2_r.png&&在一次访问中我发现，一些券商从实习生到老总都在用文因互联的产品都在为他们节约时间创造价值。比如说董事长或者是高层明天去见客户需要有对方公司关于基本面、竞争对手、产业链的资料，但是没人可以在下班之前做到。现在有文因搜索就可以帮忙做到。像中层比如说做市部门，都需要这样的一个以知识图谱为基础的搜索产品去帮助他们在决策链条的点上创造价值。&br&&strong&产业链分析&/strong&&br&&img src=&/50/v2-9d914f633a355cf0568d_b.png& data-rawwidth=&565& data-rawheight=&190& class=&origin_image zh-lightbox-thumb& width=&565& data-original=&/50/v2-9d914f633a355cf0568d_r.png&&&br&在产业链分析的一个小工具里输入任何一个关键词，可以在2万个细分领域里找到这个关键词上有哪些公司。比如说，以园林为作为例子输入关键词，得到一些园林的代表性公司。而且可以看到园林的上游公司主要为卖化肥、建材、石材的一些公司，那么下游呢，就是一些施工、景观、工程、还有污水处理的一些公司。在以前，要想生成这样的产业链分析，实际上是需要一个至少两年以上工作经验的分析师去阅读大量研报才能做出这种的效果。不管是产业链还是对标还是供应链，都应该应用机器来部份的自动化这些工作。&br&&strong&文因快报 &/strong&&a href=&/?target=http%3A//& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&&/span&&span class=&invisible&&&/span&&i class=&icon-external&&&/i&&/a&&img src=&/50/v2-f916c6482a5cff27aca47078fb6dbef3_b.png& data-rawwidth=&588& data-rawheight=&498& class=&origin_image zh-lightbox-thumb& width=&588& data-original=&/50/v2-f916c6482a5cff27aca47078fb6dbef3_r.png&&&br&关注动态变化 - 提取公告摘要在审企业
PDF解析股转书，每日推送上报企业重大事项
通过企业公告与新闻事件分析异常其他各类细分主题，如人事变动，重大资产重组等等&br&这些市场的动态变化的跟踪，就是我们的快报产品。这一块后来我们延伸出来了很多自动化分析报告的工作，比如说异动分析报告就是在每天1000多份公告里找到哪些公告是最值得关注。这里面有些领域规则是我们可以去定义的，这样就可以把每一个行业当中最值得关注的报告先给推送给需要看到的人。像下面这个SaaS行业周报就是一个典型，涵盖了SaaS行业在一周里发生了什么大事情、交易情况、定增情况、再融资情况等。这样一来，快报产品就是对那些券商内部做周报日报工作的人的解放，把大量基础信息让机器来做，对于那些机器做不了的工作比如说投资亮点的分析就再让人去处理，这样至少可以让人力价值提高3-5倍。&br&&img src=&/50/v2-a5d4f135fa6430abab21bbf_b.png& data-rawwidth=&536& data-rawheight=&823& class=&origin_image zh-lightbox-thumb& width=&536& data-original=&/50/v2-a5d4f135fa6430abab21bbf_r.png&&&img src=&/50/v2-d49f93a56d1dafc6253042c_b.png& data-rawwidth=&524& data-rawheight=&800& class=&origin_image zh-lightbox-thumb& width=&524& data-original=&/50/v2-d49f93a56d1dafc6253042c_r.png&&&br&&br&&strong&股转书PPT摘要&/strong&&img src=&/50/v2-5f3cee01f463be06d3d1468_b.png& data-rawwidth=&536& data-rawheight=&301& class=&origin_image zh-lightbox-thumb& width=&536& data-original=&/50/v2-5f3cee01f463be06d3d1468_r.png&&&img src=&/50/v2-c9fafb564d1c8c972d66047_b.png& data-rawwidth=&538& data-rawheight=&302& class=&origin_image zh-lightbox-thumb& width=&538& data-original=&/50/v2-c9fafb564d1c8c972d66047_r.png&&&img src=&/50/v2-0aee1cee9c9c83ce3d576a_b.png& data-rawwidth=&535& data-rawheight=&301& class=&origin_image zh-lightbox-thumb& width=&535& data-original=&/50/v2-0aee1cee9c9c83ce3d576a_r.png&&&img src=&/50/v2-e82cc456a23ebdec7072031_b.png& data-rawwidth=&535& data-rawheight=&301& class=&origin_image zh-lightbox-thumb& width=&535& data-original=&/50/v2-e82cc456a23ebdec7072031_r.png&&&br&&br&这个股转PPT摘要也是来源自一个真实的案例，一位PE投资人马上就要见竞争对手，就说你们能快速整理出这么一份要素分析PPT吗？我们一看差不多80%数据都已经有了，就非常快的把它生成了这么一个PPT报告，当时还没有自动化，现在这个已经全部自动化了。平台内一共有9000多份股转书PPT，每个公司有10个点左右的关键要素，其中包括产品、公司治理、生产资质、竞争对手、财务情况、关键风险提示、发展要点等等。当然不同的投资人会关注不同的点，但是这个东西的核心就是至少可以帮助投资人做投资，这样一份股转书PPT摘要至少可以帮助投资人节省将近一个小时的时间。&br&&strong&微信企业秀&/strong&&br&企业秀也是类似的产品，我们的微信企业秀就是为企业高管和董秘服务的，就是将200多页的年报、半年报提取关键要素做成Html5页面，目前和两家新三板媒体公司做企业的推广营销。&img src=&/50/v2-87cb283dcc28a55ba911bb2_b.png& data-rawwidth=&743& data-rawheight=&371& class=&origin_image zh-lightbox-thumb& width=&743& data-original=&/50/v2-87cb283dcc28a55ba911bb2_r.png&&&br&上述这些尝试，还是都一些局部的、不系统的效率工具。下一步，我们打算针对特定的业务场景，提供更完备的解决方案。&img src=&/50/v2-50ca814ea4bea5b813e77_b.png& data-rawwidth=&553& data-rawheight=&415& class=&origin_image zh-lightbox-thumb& width=&553& data-original=&/50/v2-50ca814ea4bea5b813e77_r.png&&我们从8月份开始就是要将这一系列的小工具、小零件在一些具体的业务产品上造成车。比如说投前研究、市场跟踪、投研分析、投后跟踪。还有其他一些跟银行有关的场景，比如说新兴业务的股权质押。这些都需要把我们刚才提到的这些工具有机的组合起来。有些时候看风险，有些时候看价值，有些时候看发展，那么怎么去把大家最需要的形式在一个业务场景上面综合在一起，就是我们当前做的最重要的一个东西。&br&上面是主要是谈谈技术的一个配置，还有包括我们产品。那下面呢，其实我觉得这块可能更有意思，那就是从市场宏观的角度，我们也做一个回顾。&br&&br&&strong&市场的回顾&/strong&&br&过去一年，我们调研了上百个相关企业，走访了二三十家相关的企业。我们沙龙前后来过一百多位嘉宾，我们的邮件列表和维新群保持和几百名金融从业者的日常联系。&br&我们前后写的正式调研报告有几百页。我们公开写的报告和博客也有几十篇（&a href=&/?target=http%3A//& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&&/span&&span class=&invisible&&&/span&&i class=&icon-external&&&/i&&/a&），其中一部分整理在《文因洞鉴》中，目前出了第1期，第2期和第3期（互联网投行专辑）下周就会出来。&br&在广泛占有第一手资料的基础上，我们得到了什么结论？&br&我得到的第一个感觉就是中国的股权投资市场其实是满落后的，不能适应新形势的发展。&br&传统的券商，只能服务两千家公司，现在勉强服务了一万家（加上新三板）。但是中国可考的创业企业就有二十多万家，规模以上（主营业务2000万以上）工业企业37万家，这50多万家企业传统的股权投资体系很难服务。无论是价值判断还是风险评估，如果还按旧的办法做，那要把人力扩充50倍才能完成，这是不可能的。所以随着中国经济的转型，随着中国投资结构从贷款和债权为主逐步转变为以股权为主，一定需要技术的投入才可能完成这个转变。能服务好50万家企业的投行，就是互联网投行。&br&帮助这50万家企业，未来也许有100万家企业，做好它们的价值判断和风险评估，和互联网投行这个潜在百万亿级的市场一起成长，就是文因互联的核心使命。&br&&strong&第二，不存在真正的美国对标企业。&/strong&&br&投资人总是问我们你们的美国对标企业是什么？我不得不做了下面这个表。&img src=&/50/v2-fd965b0e3f9dcbe926caae_b.png& data-rawwidth=&554& data-rawheight=&225& class=&origin_image zh-lightbox-thumb& width=&554& data-original=&/50/v2-fd965b0e3f9dcbe926caae_r.png&&&br&其实我心里觉得，并没有哪个美国公司做的事情和我们是一样的。我也请教了很多国内的智能金融的先行者，大家在产品价值和商业价值上，都在进行探索，可以说没有哪一家得到了完整的答案。我一直有些困惑，直到一天因果树的滕放和我说，他觉得是因为我们的金融创新走到美国前面去了。我们根本没有先例可以抄。&br&美国是有AlphaSense, Kensho, CapitalIQ，但是美国没有新三板，没有中小企业产业升级，没有区域金融结构调整，没有双创。美国对金融技术创新的需要，其实是不如中国迫切的。&br&其实就好像美国的铁路一样。美国有世界上最完备的铁路系统，但是它的高铁却是落后于中国的。因为它没有那种经济发展的需要去更新它的铁路系统。我觉得现在两国的金融革新也是类似的。中国在一些具体的技术点上可以抄美国，就好像我们高铁发展的早期一些具体的技术也要引进一样。但是在整个全局上，我们没有可以模仿的对方，必须进行长期艰苦的探索。但是我相信，中国这么大的经济体，中国智能金融这么广阔的发展空间，一定可以像中国的高铁一样，赶上并超越其他国家。&br&&strong&第三，不谈边界的智能金融，都是耍流氓。&/strong&&br&3月份AlphaGo赢棋以来，一堆危言耸听的预言。我以为凡是谈人工智能将如何如何取代人类的新闻，但是不谈人工智能本身局限的，都是耍流氓。智能投顾取代不了投资顾问，自动写稿取代不了财经记者，正如ATM没有取代银行门店，计算器没有取代会计。现在的“智能投顾”，智能性还和“智能灯泡”里的“智能”差不多，其实威胁不了人。&br&现在的人工智能充其量只是作为智能助手存在。我们的生活中需要很多这样的助手，比如洗碗机、洗衣机、电饭煲。智能金融做好刑侦大队，不是去做法官，不是让机器来代替人做判断。&br&&strong&第四，智能金融之所以成立，是因为技术起到两个层面的推动力
&/strong&第一层次:机器取代人力，降低成本。让原来无利可图的商业模式得以成立。&br&第二层次:用软件规范行为，标准化、透明化，从而扩大交易范围，提高交易速度，降低交易成本。&br&&strong&第五，智能中心是一个生态系统，是以智能技术和核心，做好价值判断和风险评估这两大类要素分析，从而支撑企业、投资方、中介方、监管方等做好资源配置。&/strong&&br&国内现在在金融技术上过于重视风控，而且一谈风控就是反欺诈，这是不对的。其实如果我们的着眼点是服务中小企业，那光看风险是远远不够的。中小企业光看风险，全身上下都是风险，根本没法投资。所以要向前看，看企业的发展和价值。我们现在要落地，要服务银行贷款、发债等，但是长远看，一定是股权投资的比例成长快，空间大。要看价值，做价值投资。&br&抓住价值，放开了看，有非常多的事情可以做：&img src=&/50/v2-e00aecceb8_b.png& data-rawwidth=&554& data-rawheight=&520& class=&origin_image zh-lightbox-thumb& width=&554& data-original=&/50/v2-e00aecceb8_r.png&&&br&其他还能服务哪些需求？传统金融终端如CapitalIQ能服务的，智能化的分析工具应该都能进一步提高效率。所以不应该仅仅盯着反欺诈不放。&br&&strong&CORPORATE DEVELOPMENT &/strong&&strong&计划与执行&/strong&Identify Deals 发现交易机会Conduct Valuations 估值Formulate Corporate Strategy 公司战略制定Monitor Markets 市场监控&br&&strong&SUPPLY CHAIN, CUSTOMER & BANKING &/strong&&strong&供应链，客户和银行&/strong&CREDIT RISK ANALYSIS 信用风险分析Select Counterparties 对标选择Understand Exposure 披露理解Monitor Credit Risk 风险监控Track Market Developments 市场动态跟踪&br&&strong&INVESTOR RELATIONS 投资者关系&/strong&Monitor the Street 监控市场Analyze Competitors 分析竞争对手Identify Investors 发现投资者Prepare Board Presentations 准备董事会ppt&br&&strong&COMPETITIVE INTELLIGENCE 竞争情报&/strong&Track Industry & Competitor Trends 跟踪产业和竞争趋势Uncover Opportunities 发现机会Gauge Wall Street Sentiment 衡量市场情绪Create C-Level Reports 写高管报告&br&&strong&第六，不要言必称金融大数据。智能金融是小数据问题，智能数据（smart data）问题。&/strong&&br&我从来不认为文因互联是个大数据公司。数据的深度比数据的量重要的多。仅仅是把大量的数据从网上收集来汇总，这能起到的价值并不大。我们关注的是小数据问题。大数据去中心化为小数据，并不只是规模变小，而是关注中心转移到新的三个V。① value价值，不是连垃圾都存起来，而是特别关心数据的价值密度，提高投入产出比。&br&② veracity真实性，关心数据的可验证性，可用性，自描述性等。③ versatile多能性，因为数据要用来交换，在交换中增值，所以要适应未知的应用。&br&&br&小数据里当然大部分也是低价值的。其中被交换最多的那部分可称为smart data智能数据。它有三个特性：①催化剂，它能加速价值的产生，在数据聚合中产生新的数据。例：人名实体链接。②浓缩铀，它是大量知识和数据的提炼，是流动性好，摩擦力特别小的数据。例：产业链图谱。③打折卡，是能降低成本，利用先验知识大幅提高价值的数据。例：基于领域模型的行业标签。&br&&br&小数据的“小”也有三个方面：①“小用户” 更多关心中小企业，个人用户，他预算很少，投入敏感，没有专家。② 小工具，类似蒸汽机的改进其实在于各种小机械，重视工具系统建设，和现有数据的集成和演化，降低认知成本，学习成本。③小周期，短周期演化，精益迭代，懒处理，减少数据处理的浪费。&br&&br&小数据上的分析建模会很不一样，没有那么多训练样本。因为这里涉及知识，所以猫论和不争论也很重要。①摸论，建模是一个在常识基础上的摸着石头过河。②猫论是说不追求普适，客观的正确，只要在有限作用域可用就好。③不争论是说要隔离世界观，保证每个人各行其是。&br&&strong&总结&/strong&&br&智能金融还是个初生的领域，它不是互联网金融（Internet Infnace），也不等同于金融科技（Fintech）。我认为它的英文应该是Smart Finance。它是用人工智能的方法，辅助人们进行金融领域价值判断和风险评估的方法。它通过标准化部分决策步骤，来降低成本，从而使传统不可能成立的商业模式得以成立。&br&智能金融并不神秘，也不神奇。它不是灵丹妙药，也不是凶神恶煞。它现在在一些小事情上帮助我们，让我们每天有效生命延长一小时（或更多）。在技术上，它也不是基于什么天上掉下来的秘密，而是过去十几年逐渐发展起来的一系列知识处理技术。我们要做的是看得大，但是做得小，利用好“小数据”技术。&br&&img src=&/50/v2-59b9baca7bc_b.png& data-rawwidth=&204& data-rawheight=&306& class=&content_image& width=&204&&&br&大家看过《Moneyball》（点球成金）这个电影吗？新技术引入一个领域的时候，难免大多数人不相信，同样也难免很多人产生宗教迷信。我相信智能金融也是一样的。这是很长的旅程。Just do it。&br&&br&&br&&strong&嘉宾问答&/strong&&br&&strong&问：&/strong&像互联网金融、金融大数据，还有之前提到的互联网投行。我觉得每个阶段都有具体要解决的矛盾。现在风控的需求更强盛，后面可能就是金融投顾，所以造成的影响就是盈利模式不明显。所以核心问题就是，互联网投行模式是现阶段解决的问题吗？&br&&br&&strong&鲍捷：&/strong&基于现在的模式，银行会衍生出一些盈利点，比如中小企业股权质押、知识产权质押、投贷联动。但是无论面向现在，还是面向未来，新的模式的出现不是一夜就诞生出来，很多雏形有很多关键事件凝聚在一起才会让一个新的模式诞生。除了银行之外，还有大量规范后P2P、新三板、新四版，FA等凝聚在一起，才会诞生真正的互联网投行。现在具体的一些点本身也是可以盈利的。现在券商和银行已经和我们展开了有效的合作。
文：鲍捷|发布于 日 今天讲的是我最近一些思考的总结。也不能算是很系统的思考，主要还是想抛出一些问题来和大家探讨。之前也有几篇文章，今天说的算是这些的延展：
016-08-01 智能金…
&p&令人意想不到的是高盛的一位博士退出了银行业，去了谷歌Brain。&/p&&p&这并不意味着你需要离开金融业去投身机器学习。如今人工智能（AI）正受到广泛认可，越来越多的公司使用具有自学功能的电脑进行金融工作。&b&更好的是，它们中的大多数还在招聘&/b&。 &br&&/p&&p&下面就是一些正在研究机器学习的顶尖金融公司, 以及他们&b&喜欢招聘的人才和需要的职位&/b&。如果你对机器学习感兴趣，赶快去申请吧。全球各地的大学正在培养数以千计的机器学习专家，包括一些预见了这一趋势的精明的前交易商。&/p&&img src=&/50/v2-cab9c8fb66c70_b.png& data-rawwidth=&1296& data-rawheight=&358& class=&origin_image zh-lightbox-thumb& width=&1296& data-original=&/50/v2-cab9c8fb66c70_r.png&&&p&&b&这是一家什么公司？&/b& 一项革命性的，一流的（金融服务）搜索引擎来帮助你及时穿过噪音，发掘其他搜索引擎可能会错过的重要数据点。AlphaSense让用户可以搜索到内部的和公司披露的内容以及外部资源例如卖方研究。AlphaSense目前已经有500个客户。&/p&&p&&b&人工智能起到了什么作用呢？&/b&AlphaSense提供了“专业搜索功能”，用公司的话来说“利用复杂的自然语言处理和简化查找和跟踪最相关的信息的搜索技术。”简单来说，它采用智能搜索和语言算法，从过去的错误和成功中学习，使得发掘相关数据的过程更有效率。&/p&&p&&b&谁创办了AlphaSense？&/b&公司由摩根斯坦利的前分析师Jack Kokko创办。&/p&&img src=&/50/v2-0c9b86f0fcba_b.png& data-rawwidth=&654& data-rawheight=&568& class=&origin_image zh-lightbox-thumb& width=&654& data-original=&/50/v2-0c9b86f0fcba_r.png&&&p&在从赫尔辛基经济学院毕业后，Kokko于年供职于摩根斯坦利。它的欧洲，中东，非洲销售包括前职业高尔夫选手。它的一些员工来自S&P和Factset Research systems，两者都提供有竞争力的（及时非人工智能）智能产品。Alphasense 声称它在寻找“计算机语言，搜索引擎技术，云计算和证券研究”方面的人才。&/p&&p&&b&谁应该对AlphaSense感到畏惧？&/b&可能是财经记者（将会被优秀的搜索引擎代替）和买方研究者。&/p&&img src=&/50/v2-093cbe4d206a3ee6bae85e8b9faabf99_b.png& data-rawwidth=&1302& data-rawheight=&912& class=&origin_image zh-lightbox-thumb& width=&1302& data-original=&/50/v2-093cbe4d206a3ee6bae85e8b9faabf99_r.png&&&p&&b&这是一家什么样的公司？&/b& Cerebellum是一家对冲基金管理公司，它使用人工智能系统来做出投资决策。&br&&/p&&p&&b&人工智能起到了什么作用呢？&/b&用Cerebellum自己的话来说：“这个系统用来根据市场波动状况，不断建立新的模型，检测修改这些模型，并学习利用这些预测模型的交易策略。”&/p&&p&&b&谁创立了这家公司？&/b&这家公司的CEO和总监是一位在斯坦福有很长机器学习（包括基于生理数据的算法）经验的博士。&/p&&img src=&/50/v2-2eaaab68fc2a6_b.png& data-rawwidth=&622& data-rawheight=&470& class=&origin_image zh-lightbox-thumb& width=&622& data-original=&/50/v2-2eaaab68fc2a6_r.png&&&p&首席运营官（COO）是“TrimTabs 资产管理”的前合伙人。这家公司还在其旧金山的总部雇佣了投资组合经理和战略分析师。公司想要听到来自“真正享受制作，处理和解决关于全自动分析和交易系统方面的挑战的世界级的专家”的声音。&/p&&p&&b&谁应该对Cerebellum Capital 感到畏惧？&/b&定量对冲基金经理，也许是所有活跃的选股人。&/p&&img src=&/50/v2-b04769e2edcd9db4940d7_b.png& data-rawwidth=&1314& data-rawheight=&374& class=&origin_image zh-lightbox-thumb& width=&1314& data-original=&/50/v2-b04769e2edcd9db4940d7_r.png&&&p&&b&这是一家什么样的公司？&/b&这是一家可以将Twitter资讯和其他“公共数据集”转换为投资者可以采取行动的“可操作警报”的公司。 &br&&/p&&p&&b&人工智能起到了什么作用？&/b&Dataminr使用了一种算法来分析推特用户和其他可获得的公共数据。&/p&&p&&b&谁创办了Dataminr？&/b&这家公司由耶鲁大学的三名本科生：Ted Bailey, Jeff Kinsey and Sam Hendel于2009年创办。 Bailey和Kinsey只为Dataminr工作过。Hendel声称他不仅是Dataminr的联合创始人。&/p&&p&&b&谁应该对Dataminr感到畏惧？&/b& 银行和对冲基金的柜台研究人员。&/p&&img src=&/50/v2-61b74b457fbf50ec8e3733_b.png& data-rawwidth=&1408& data-rawheight=&258& class=&origin_image zh-lightbox-thumb& width=&1408& data-original=&/50/v2-61b74b457fbf50ec8e3733_r.png&&&p&&b&这是一家什么公司？&/b& iSentium从社交媒体信息中“获取情感”，并“将其转化为可操作的指示”。客户包括对冲基金和投行。&/p&&p&&b&人工智能发挥了什么作用？&/b&iSentium 使用内部算法来解密和处理数百万的社交消息并且为每条信息分配情感得分。虽然这些模型不是自主学习：iSentium 解释说它的产品没有涉及机器学习。相反，它依靠的是“人工智能结构的技术”，“根据短信的情感做出正确的预测，例如tweets，并没有自然语言，和长文本一样，可能包括非相关主题信息。”&/p&&p&&b&谁创办了“iSentium”？&/b&&/p&&img src=&/50/v2-81e28d26fbd974b307b532_b.png& data-rawwidth=&1010& data-rawheight=&1006& class=&origin_image zh-lightbox-thumb& width=&1010& data-original=&/50/v2-81e28d26fbd974b307b532_r.png&&&br&&p&它的COO（首席运营官），Sameer Gupta在2014年加入iSentium前，是J.P. Morgan的全球电子交易和美洲高触摸和程序交易股票业务的前首席运营官。iSentium遵从了高盛前证券前联合主管David Hellier的意见。iSentium在迈阿密，纽约和蒙特利尔有办公处，目前在招聘一名数据工程师和一名数据操作助理。 &br&&/p&&p&&b&谁应该对 iSentium感到畏惧？&/b&战略分析师和研究人员。&/p&&img src=&/50/v2-e5b3b679f769fce6a3761f5_b.png& data-rawwidth=&1362& data-rawheight=&200& class=&origin_image zh-lightbox-thumb& width=&1362& data-original=&/50/v2-e5b3b679f769fce6a3761f5_r.png&&&br&&p&&b&这是一家什么样的公司？&/b&Kensho 使用“基于云计算的软件”来扫描从药物批准到经济报告，货币政策变化和政治事件方面的一切文件，并回答了超过六千五百万个关于哪块市场处于领先的问题组合的答案。例如：当三级飓风袭击佛罗里达时，哪支水泥股票上涨的最快？投资者包括高盛和谷歌。Kensho的创始人，Daniel Nadler告诉高盛当他惊讶地发现，除了对于过去的事件的回顾并手动创建一些电子表格以外，没有办法有效地评估地缘政治事件对市场的影响时，他构想出了这个产品。&br&&/p&&p&&b&人工智能发挥了怎样的作用？&/b&Kensho使用了能够学习如何阅读假想的问题和如何提出的自然语言处理（NLP）系统。 它能够在事件和资产价格之间发现新的和意想不到的关系，并推荐用户可能没有到考虑的搜索。&/p&&p&&b&谁创办了Kensho？&/b&33岁的哈佛博士Nadler，曾在斯坦福大学数字工程学院担任金融研究主任。Kensho的员工中有很多谷歌前工程师，首席运营官是Credit Suisses前管理总监和前台计算部门负责人。Kensho喜欢雇佣博士，它目前在为其在马萨诸塞州的测试部门招聘一个软件工程师。&/p&&p&&b&谁应该对Kensho感到畏惧？&/b&高盛的销售人员。他们据说已经在用Kensho去回复客户请求了。未来，客户很有可能会直接自己使用Kensho（或者它的界面称呼“interface”）。正如Nadler指出的那样，Kensho可以在几分钟内赚到常人40个小时才能赚到35万美元。&/p&&p&&img src=&/50/v2-f8ffebfcb7460_b.png& data-rawwidth=&1346& data-rawheight=&866& class=&origin_image zh-lightbox-thumb& width=&1346& data-original=&/50/v2-f8ffebfcb7460_r.png&&位于多伦多的Quandl是一个“开放的数据资源”，它直接向对冲基金，资产经理和银行提供免费数据，作出投资决策。Quandl最大卖点是为这些投资专业人员提供“替代品”，“阿尔法生成”数据集，他们通常不能通过传统来源买得到。&br&&/p&&p&&b&人工智能发挥了什么作用？&/b&Quandl用人工智能来寻找未被发现的数据并评估其相关性。&/p&&p&&b&谁创办了Quandl？&/b&&/p&&p&&img src=&/50/v2-5aee1ecfead4c_b.png& data-rawwidth=&1260& data-rawheight=&686& class=&origin_image zh-lightbox-thumb& width=&1260& data-original=&/50/v2-5aee1ecfead4c_r.png&&Quandl的联合创始人和CEO，Tammer Kamel 1995年时是花旗银行的一名分析师。另一名创始人有利率交易的背景。Quandl在为其多伦多的办公室招聘营销，工程和数据方面的人才。 &br&&/p&&p&&b&谁应该对Quandl感到畏惧？&/b&Bloomberg 和 Reuters。Quandl免费提供了大量的易于解释和可操纵的数据。&/p&&img src=&/50/v2-751ca594deffd3a633fa74_b.png& data-rawwidth=&1322& data-rawheight=&318& class=&origin_image zh-lightbox-thumb& width=&1322& data-original=&/50/v2-751ca594deffd3a633fa74_r.png&&&p&&b&这是一家什么样的公司？&/b& 一家使用人工智能来进行专有量化交易和制定投资战略的投资公司。 &br&&/p&&p&&b&人工智能发挥了什么作用？&/b&以 Cerebellum Capital为例，Sentient利用机器学习来发展和优化它的交易算法。&/p&&p&&b&谁创办了Sentient？&/b&&/p&&p&&img src=&/50/v2-98e8e4e0f1_b.png& data-rawwidth=&1252& data-rawheight=&614& class=&origin_image zh-lightbox-thumb& width=&1252& data-original=&/50/v2-98e8e4e0f1_r.png&&Sentient的首席投资官，Jeff Holman在Citadel投资集团开始了他的职业生涯，曾担任Highbridge Capital Management的首席风险官。其首席财务官（CFO）是Gabelli Asset Management 的前兑换商，平台主管是前花旗银行的算法执行战略师。Sentient在旧金山和香港有办公室，公司正在招聘算法交易员，研究人员，工程师和销售人员。2017年暑期有一个博士生的实习项目。&br&&/p&&p&&b&谁应该对Sentient感到畏惧？&/b&定量对冲基金经理。&/p&&p&文章来源 / eFinancial Careers&/p&&p&原文作者 / Sarah Butcher &/p&&p&译 / 何杍安&/p&&p&编辑 /珺妹妹&/p&
令人意想不到的是高盛的一位博士退出了银行业，去了谷歌Brain。这并不意味着你需要离开金融业去投身机器学习。如今人工智能（AI）正受到广泛认可，越来越多的公司使用具有自学功能的电脑进行金融工作。更好的是，它们中的大多数还在招聘。 下面就是一些正在…
这个问题我自个来回答吧 答案来源于简书作者“平凡的小路” ,侵删。最近在用简书，上面有很多关于人工智能相关的学习内容，所以推荐给大家吧。&br&&br&这是分割线—————————&br&&br&CB Insights的评选结果基于这些公司所提交的数据、对一系列问题的回答、以及企业的Mosaic分数。Mosaic是一种获得了美国国家科学基金会资助的算法，能预测一家的健康状况。&br&&br&CB Insights联合创始人兼CEO阿南德·桑瓦尔(Anand Sanwal)称：“从金融服务到医疗保健，再到运输，每个行业的传统巨头都认为，人工智能将重塑他们所在行业。历史多次证明，这种革命性创新恰恰来自新兴公司。在人工智能领域，上榜的这100家公司正在从事一些具有突破性的研究工作，并有望在未来数十年内颠覆我们的生活。”&br&&br&有关这100家人工智能公司的一些数据：&br&&br&·超过1650家公司被提名，仅6%被选中。&br&&br&·入选的中国内地公司有深圳碳云智能科技有限公司(iCarbonX)、杭州Rokid公司、北京出门问问和深圳优必选。&br&&br&·自2012年以来，这100家公司通过263笔交易融资38亿美元。&br&&br&·其中5家公司的估值为10亿美元或更高，即“独角兽”公司。&br&&br&·2014 年以来，这100家公司进行9笔超大规模融资(融资额达到1亿美元或更多)。&br&&br&·其技术的应用领域包括医疗保健、药物发现、商业智能、游戏和制造等。&br&&br&·这100家公司来自11个国家和地区。&br&&br&以下为AI世代（tencentAI）编译整理的 “最值得关注的100家人工智能公司”(按公司名称首字母顺序排列)：&br&&br&1. Affectiva&br&&br&公司网站：&a href=&///?target=http%3A//& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&&/span&&span class=&invisible&&&/span&&i class=&icon-external&&&/i&&/a&&br&&br&Affectiva拥有“麻省理工学院媒体实验室”背景，是“情感人工智能”(人工智能的下一个研究前沿)领域的先驱。Affectiva的使命是利用情感识别技术将情感智能带入数字世界。Affectiva的专利技术集计算机视觉、深度学习和全球最大的情感数据库为一体。Affectiva的SDK和API允许开发人员将情感感知和分析添加到自己的应用程序、游戏、设备和数字体验中。当前，1/3的“财富全球100强企业”都在使用Affectiva的情感识别技术。该技术可用于多个垂直领域，包括在线教育、健康、游戏、机器人、媒体和广告、市场调研、汽车零售、人力资源、培训和辅导、视频通信、体验性设计、可穿戴和各种设备。&br&&br&2. AImotive&br&&br&公司网站：&a href=&///?target=http%3A//& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&&/span&&span class=&invisible&&&/span&&i class=&icon-external&&&/i&&/a&&br&&br&AImotive总部位于布达佩斯，为完全自动驾驶汽车开发全套软件组件。AImotive的算法将摄像头作为主要传感器，以完成对象识别、分类、定位、决策、路线规划和车辆控制等任务。除了软件引擎组件，AImotive还提供一个广泛的工具开发包，以加速训练和验证，包括校准、数据采集和增强数据生成、半监督注释，以及实时逼真的模拟环境。为了解决日益增长的硬件加速器需求，AImotive还面向汽车嵌入式解决方案设计了一个强大、高效的神经网络硬件IP。其参考设计可帮助芯片厂商开发有针对性的硬件来匹配人工智能软件套装。&br&&br&3. Algorithmia&br&&br&公司网站：&a href=&///?target=http%3A//& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&&/span&&span class=&invisible&&&/span&&i class=&icon-external&&&/i&&/a&&br&&br&Algorithmia帮助开发者、企业和学术界创建、运营、部署并商业化人工智能微服务。当前，超过30000名开发者访问Algorithmia的超过2500种算法的微服务。通过简单的API，开发者可以将这些微服务整合到自己的应用中。Algorithmia的使命就是推动“算法智能”(algorithmic intelligence)的发展、发觉和接入性。目前， Algorithmia提供了两个主要产品：&a href=&///?target=http%3A//& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&&/span&&span class=&invisible&&&/span&&i class=&icon-external&&&/i&&/a&(微服务市场)和CODEX(功能和人工智能模型的平台)。&br&&br&4. AlphaSense&br&&br&公司网站：&a href=&///?target=http%3A//& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&&/span&&span class=&invisible&&&/span&&i class=&icon-external&&&/i&&/a&&br&&br&智能金融搜索引擎AlphaSense帮助那些需要应对大量数据的专业人员解决信息过载的问题。当前，一些平台提供了人们需要的大量文件，但没有一家提供智能搜索功能。而AlphaSense提供对专有研究数据库的访问，并包括金融语言的语义知识和相关性分析，以开启有价值的隐藏信息。AlphaSense收集了数百万份文档，包括企业提交给监管部门的文件、公司简介、新闻、公关稿、华尔街的调研报告，以及其他任何被上传的内容。&br&&br&5. Anki&br&&br&公司网站：&a href=&///?target=http%3A//& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&&/span&&span class=&invisible&&&/span&&i class=&icon-external&&&/i&&/a&&br&&br&Anki的使命是把人工智能和消费机器人普及到人们日常生活中。Anki的主要产品是Anki Overdrive，它将电子游戏和实体道具相结合。通过智能手机，用户可以在自定制赛道上驾驶一辆赛车。玩家可以与好友一起比赛，也可以挑战由Anki人工智能技术控制的其他汽车。&br&&br&6. Atomwise&br&&br&公司网站：&a href=&///?target=http%3A//& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&&/span&&span class=&invisible&&&/span&&i class=&icon-external&&&/i&&/a&&br&&br&Atomiwise利用人工智能挖掘新的潜在药物。该公司建立了第一个用于“结构性药物设计”的深度神经网络。目前，Atomwise正在帮助研究人员解决慢性疾病(如癌症、多发性硬化症和糖尿病)、被忽略的全球疾病(如埃博拉病毒和疟疾)、死灰复燃的疾病(如耐抗生素细菌 )和生物疾病威胁(如肉毒杆菌神经毒素)。Atomiwise的神经网络已被应用到整个药物发觉过程中，每天可分析数以百万计的分子。&br&&br&7. Appier&br&&br&公司网站：&a href=&///?target=http%3A//& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&&/span&&span class=&invisible&&&/span&&i class=&icon-external&&&/i&&/a&&br&&br&Appier是一家总部位于台北的技术公司，帮助企业在“跨屏幕时代”利用人工智能获得增长和成功。Appier由一群充满激情的科学家和在人工智能等领域拥有丰富经验的工程师所创建，员工主要来自谷歌(微博)、英特尔、雅虎、哈佛大学和斯坦福大学等。当前，Appier服务于全球500多个品牌和机构。&br&&br&8. Automat&br&&br&公司网站：automat.ai&br&&br&Automat是世界上第一个基于人工智能的对话式营销平台。它允许企业与客户进行个性化的一对一对话，以促进互动。Automa的Bot Creator程序编写环境允许营销人员、创意人员和开发者协同开发基于人工智能的对话软件，以淘汰当前的“一刀切”销售模式。通过Automat的“对话即服务”(CaaS)平台，卖家能利用CLU编程语言来了解消费者对其品牌和产品的反馈。&br&&br&9. Ayasdi&br&&br&公司网站：&a href=&///?target=http%3A//& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&&/span&&span class=&invisible&&&/span&&i class=&icon-external&&&/i&&/a&&br&&br&Ayasdi帮助全世界的公司利用人工智能和大数据来提高员工的产出，激发超越人类能力。Ayasdi的革命性机器智能平台利用自动化、机器学习和拓扑数据分析，来简化从庞大复杂的数据集中抽取相应的知识，从而促进企业部署基于人工智能的应用。当前，许多全球500强企业都是Ayasdi的客户。&br&&br&10. babylon&br&&br&公司网站：&a href=&///?target=http%3A//& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&&/span&&span class=&invisible&&&/span&&i class=&icon-external&&&/i&&/a&&br&&br&babylon是智能手机或者平板上的个人医疗服务。它简单易用，任何人都可以随时随地使用。人们在几分钟内就能联系上医生，在手机上进行面对面问诊。babylon的使命是让人们更健康、更快乐。为此，babylon为其应用增加了许多实用功能。用户可以检查任何症状，通过聊天功能咨询任何问题，并迅速得到答复。此外，用户还可以通过其应用订购各种健康检测工具。babylon正在改变让人类变得更健康的方式。&br&&br&11. BenevolentAI&br&&br&公司网站：benevolent.ai&br&&br&尽管知识量急剧增长，科学发现的工作方式50年未变。人类自身不可能处理所有的信息，虽然每30秒就有一篇新的科学论文被发表，但实际上只有一小部分科学信息可形成“可用知识”。BenevolentAI把人工智能和深度学习技术用于大量复杂科学信息的分析，从而改变了知识的创建方式。BenevolentAI的第一款人工智能应用(生物科学领域)已被用于药物研发，并且正被拓展到其它领域。&br&&br&12. BloomReach&br&&br&公司网站：&a href=&///?target=http%3A//& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&&/span&&span class=&invisible&&&/span&&i class=&icon-external&&&/i&&/a&&br&&br&BloomReach的个性化平台集多种技术为一体，为各种数字环境(包括用户获取和用户转变)下的个人和企业提供良好的体验，使之更个性化，并贴近用户期望。&br&&br&13. Blue River Technology&br&&br&公司网站：&a href=&///?target=http%3A//& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&&/span&&span class=&invisible&&&/span&&i class=&icon-external&&&/i&&/a&&br&&br&Blue River Technology致力于为农业开发和提供先进的技术。利用计算机视觉和机器人技术，Blue River Technology希望让每一种农作物都被精准耕作。&br&&br&14. Cape Analytics&br&&br&公司网站：&a href=&///?target=http%3A//& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&&/span&&span class=&invisible&&&/span&&i class=&icon-external&&&/i&&/a&&br&&br&Cape Analytics的使命是改变人类所创建环境信息的创建和使用方式。Cape Analytics利用人工智能技术快速、自动地从地理空间图像中提取专属数据。Cape Analytics的云平台利用计算机视觉技术来提供高质量的信息，这些数据面向所有人开放，而且很容易保险公司等机构整合到自家应用中。&br&&br&15. Bonsai&br&&br&公司网站：bons.ai&br&&br&Bonsai总部位于加州伯克利(Berkeley)，是一个软件开发平台，允许所有发者搭建、训练、使用智能模型。不需要复杂的AI算法和技术，Bonsai人工智能引擎能让开发人员更高效地编码，以更好地控制和优化硬件和软件。&br&&br&16. Captricity&br&&br&公司网站：&a href=&///?target=http%3A//& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&&/span&&span class=&invisible&&&/span&&i class=&icon-external&&&/i&&/a&&br&&br&Captricity是一款安全的云服务软件，它能把手写文章转换成电子版，准确度超过99%。Captricity的云解决方案基于深度学习技术，可以从任何来源(纸质文档、扫描件、传真、电子邮件、呼叫中心和Web格式)抽取数据，然后自动连接后端系统进行深度分析，从而省去了人工输入的低效率和高成本。&br&&br&17. Chorus.ai&br&&br&公司网站：chorus.ai&br&&br&Chorus的使命是基于每一个成功的销售电话来了解哪些因素影响对话结果，从而帮助你的团队做出正确的决策。当前，几乎所有的这些对话(销售电话)都在结束后的几秒内就被忘记，而Chorus正在改变这一现状。Chorus是一支由全世界一流科学家、工程师和产品设计师组成的紧密团队，许多数据驱动型上市公司和高增长型公司都是Chorus的客户。&br&&br&18. Citrine Informatics&br&&br&公司网站：&a href=&///?target=http%3A//citrine.io& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&citrine.io&/span&&span class=&invisible&&&/span&&i class=&icon-external&&&/i&&/a&&br&&br&Citrine运行着全球最大的材料库平台。Citrine利用该平台来构建人工智能软件，以推动更高效的发现、优化、制造和部署材料。该软件平台通过各种来源吸纳结构性和非结构性材料数据，然后利用人工智能引擎来识别这些数据中的重要信息，从而助力客户的研发与制造。Citrine服务于那些利用先进材料获取竞争优势的企业，涵盖汽车、航空、消费品、电池和电子等领域。&br&&br&19. Chronocam&br&&br&公司网站：&a href=&///?target=http%3A//& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&&/span&&span class=&invisible&&&/span&&i class=&icon-external&&&/i&&/a&&br&&br&Chronocam总部位于巴黎，该公司正在开发一种独特的、生物启发和自适应的方法，来满足自动驾驶、联网设备、安全和监控系统对视觉传感和处理的需求。其创新性的视觉传感器和系统复制了人眼的功能，可实时感知动态场景并获取必要信息，从而解决了普通视觉传感器的局限性。在感知速度、动态范围、视频压缩和能耗方面，Chronocam的视觉解决方案为业界树立了新标杆。&br&&br&20. Clara Labs&br&&br&公司网站：&a href=&///?target=http%3A//& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&&/span&&span class=&invisible&&&/span&&i class=&icon-external&&&/i&&/a&&br&&br&Clara Labs以比人类更聪明、更高效的方式来管理您的工作日历。当需要安排会议时，只要抄送给 ，Clara就会接管邮件对话，并以你的名义发送日程邀请。Clara Labs的客户遍及全球，包括销售团队和人力资源部门，每周可帮助他们节省数千小时的时间。&br&&br&21. Clarifai&br&&br&公司网站：&a href=&///?target=http%3A//& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&&/span&&span class=&invisible&&&/span&&i class=&icon-external&&&/i&&/a&&br&&br&Clarifai是一家人工智能公司，擅长视觉识别，为企业和开发人员解决现实生活中的一些问题。Clarifai创建于2013年，曾在“ImageNet计算机视觉识别”挑战赛中跻身前五名。Clarifai的强大视觉识别技术基于最先进的机器学习系统，可通过一套简单的API轻松访问，它允许全世界的开发者开发新一代智能应用。Clarifai允许开发者和企业利用人工智能进行快速、低成本的创新，同时提供更好的用户体验。&br&&br&22. CloudMedx Inc&br&&br&公司网站：&a href=&///?target=http%3A//& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&&/span&&span class=&invisible&&&/span&&i class=&icon-external&&&/i&&/a&&br&&br&CloudMedx打造了一个临床人工智能平台，把基于“脑启发的临床算法”&br&&br&应用的规模和简单性推广到医疗保健领域。该平台建立在一个全面和不断增长的医学知识网络基础之上，它集机器学习和大数据分析为一体，可实时生成健康见解，改善慢性疾病治疗效果。&br&&br&23. CognitiveScale&br&&br&公司网站：&a href=&///?target=http%3A//& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&&/span&&span class=&invisible&&&/span&&i class=&icon-external&&&/i&&/a&&br&&br&CognitiveScale为医疗保健、商业和金融服务市场开发机器智能软件。其主要产品为Engage和Amplify，可帮助大型企业提高用户参与度，改善决策，提供自学习和自我保证的业务流程。许多全球500强企业都成功地部署了CognitiveScale的软件，包括IBM和微软。CognitiveScale由IBM、甲骨文和Salesforce等公司的前高管于2013年创建，总部位于德州奥斯汀(Austin)，在英国和印度设有办公室。&br&&br&24. Context Relevant&br&&br&公司网站：&a href=&///?target=http%3A//& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&&/span&&span class=&invisible&&&/span&&i class=&icon-external&&&/i&&/a&&br&&br&Context Relevant的产品利用机器学习技术所驱动的“自动化数据科学平台”(ADS)，解决了世界上最棘手的大数据、预测和行为方面的挑战。与其他解决方案相比，Context Relevant的技术更快、更有效。Context Relevant的机器学习平台使用了世界上最优秀的开源基础架构，如Hadoop和Spark，并与自家的ADS引擎和应用环境相整合，从而确保快速创建、测试和部署由数据科学和预测性分析驱动的智能应用。&br&&br&25. &a href=&///?target=http%3A//Cortical.io& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&Cortical.io&/span&&span class=&invisible&&&/span&&i class=&icon-external&&&/i&&/a&&br&&br&公司网站：&a href=&///?target=http%3A//cortical.io& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&cortical.io&/span&&span class=&invisible&&&/span&&i class=&icon-external&&&/i&&/a&&br&&br&&a href=&///?target=http%3A//Cortical.io& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&Cortical.io&/span&&span class=&invisible&&&/span&&i class=&icon-external&&&/i&&/a&提供基于“语义折叠理论”(Semantic Folding，处理“大文本数据”的新型方法)的自然语言理解(NLU)解决方案。其灵感源自对大脑信息处理方式的最新发现，&a href=&///?target=http%3A//Cortical.io& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&Cortical.io&/span&&span class=&invisible&&&/span&&i class=&icon-external&&&/i&&/a&的Retina引擎可将语言转换成语义指纹，然后通过对比指纹的重叠度来比较任何两个文本的语义相关性。&a href=&///?target=http%3A//Cortical.io& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&Cortical.io&/span&&span class=&invisible&&&/span&&i class=&icon-external&&&/i&&/a&创建于2011年，总部位于奥地利维也纳。&br&&br&26. CrowdFlower&br&&br&公司网站：&a href=&///?target=http%3A//& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&&/span&&span class=&invisible&&&/span&&i class=&icon-external&&&/i&&/a&&br&&br&CrowdFlower是一个面向数据科学团队的人类干预训练平台，帮助客户生成高质量的自定义训练数据。CrowdFlower平台支持一系列应用案例，包括自动驾驶汽车、个人智能助理、医学图像标记、内容分类、社交数据分析、CRM数据改进、产品分类和搜索相关性等。CrowdFlower总部位于旧金山，客户包括“财富500强”企业和数据驱动型企业。&br&&br&27. Cylance&br&&br&公司网站：&a href=&///?target=http%3A//& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&&/span&&span class=&invisible&&&/span&&i class=&icon-external&&&/i&&/a&&br&&br&Cylance由互联网安全公司McAfee前高管于2012年组建，是一家网络安全产品和服务公司，专注于提前预防网络攻击。Cylance的旗舰产品是CylancePROTECT，是全球第一款下一代防病毒软件，基于人工智能和深度学习技术。与其他安全解决方案相比，Cylance的预防能力更强，2015年曾获得“最佳新兴技术奖”。&br&&br&28. Darktrace&br&&br&公司网站：&a href=&///?target=http%3A//& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&&/span&&span class=&invisible&&&/span&&i class=&icon-external&&&/i&&/a&&br&&br&Darktrace是全球领先的互联网威胁防御公司，去年曾被评为“最佳安全公司”。Darktrace的核心产品为“企业免疫系统”(EIS)，利用机器学习和独家算法来检测和响应以前未识别的威胁。Darktrace在英国剑桥和美国旧金山均设有总部，在奥克兰(新西兰)、波士顿、伦敦、米兰、孟买、巴黎、首尔、新加坡、悉尼、东京和多伦多等地设有办公室。&br&&br&29. Dataminr&br&&br&公司网站：&a href=&///?target=http%3A//& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&&/span&&span class=&invisible&&&/span&&i class=&icon-external&&&/i&&/a&&br&&br&Dataminr通过从社交媒体活动中获取信息，来建实时、可执行的消息警告。Dataminr的强大算法能将Twiiter等公开数据转变成可实施的消息警告，使世界各地的安全、运营、财务和通信专业人员能够随着事态的发展而获取必要信息。这些警告消息是通过桌面应用和工作流整合方式提供给用户的。当前，全球许多企业、财务公司、新闻机构和公共机构都在使用Dataminr的消息警告，从而对各种事件做出快速响应。&br&&br&30. DataRobot&br&&br&公司网站：&a href=&///?target=http%3A//& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&&/span&&span class=&invisible&&&/span&&i class=&icon-external&&&/i&&/a&&br&&br&DataRobot把建立机器学习模式的过程变成自动化。通过提供快速、准确和自动化的程序，DataRobot可帮助企业级用户做出更智能、更快速的商业决策。DataRobot通过改变预测分析的速度和经济学，解决了数据科学家严重短缺的问题。&br&&br&31. Deep Genomics&br&&br&公司网站：&a href=&///?target=http%3A//& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&&/span&&span class=&invisible&&&/span&&i class=&icon-external&&&/i&&/a&&br&&br&Deep Genomics成立于2015年，致力于通过建立一套计算系统化来改善诊断、 治疗和了解疾病的方式。Deep Genomics的技术集机器学习和基因组生物学为一体，以了解、预测和解释DNA的变化。Deep Genomics开发出了一种新的机器学习方法，可以在海量数据中找出相应的模式，并推断出细胞如何读取基因组、并生成生物分子的计算机模型。&br&&br&32. Deep Instinct&br&&br&公司网站：&a href=&///?target=http%3A//& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&&/span&&span class=&invisible&&&/span&&i class=&icon-external&&&/i&&/a&&br&&br&Deep Instinct是第一家将深度学习技术应用于网络安全领域的公司，旨在利用深度学习为任何设备、任何平台和操作系统提供全面的保护。Deep Instinct的技术能实时检测出“零日威}
我要回帖
更多关于 智能化办公室装修 的文章
更多推荐
- ·智能遥控推荐几款无人机机哪款好？
- ·喀什一般孕妇几个月做四维彩超最好维
- ·政府国家宏观调控手段经济的手段有哪些
- ·怎样区别政府政策中的宏观经济政策的主要目标、中观和微观?能否举例？不胜感激！
- ·菠萝啤不能和什么一起吃可不可以和鸡精一起做菜吃？
- ·为什么最后一天消防员女的唱的消失不见歌词了
- ·布兰迪斯看重面试吗大学的video essay就是面试吗
- ·"变法图强 改革军制，改革军制;奖赏军功，百家论兵."这指的是中国哪个历史时期的国防
- ·淘宝卖家删除评价上卖家对评价的解释能删除或修改吗
- ·如何做行业市场需求预测分析分析与预测
- ·联合办公优势空间对创业者来说有什么优势？对于联合办公优势的运营成本如何控制
- ·有人在网上卖流量10元8g 她说8g内存还要虚拟内存吗用支付宝支付1元 不知是真的还是假的
- ·求助我在京东金融金条额度里面，有那个额度，可以消费在哪里可以找到？急用
- ·如何防止环氧地坪如何套定额破损
- ·贵州贵阳金阳网吧哪里有网吧有h1z1
- ·法院冻结了我一张银行卡被冻结，但是我有30张卡，有一张卡里面有500元被冻结了，其余的卡还会冻结吗？
- ·业绩增长是用原一列数据除以一个数年度数据吗
- ·物业公司经营资质，资质被取消，仍然继续经营物业项目，属于什么行为？
- ·武汉的北京大型文具店店有几家、商铺位置在何处
- ·办公室环境智能化系统智能化的需求主要来源于哪方面，有没有比较成功的案例
- ·全民消费网审判情况是骗人的吗？
- ·三生中国唐朝到底是怎么回事事
- ·海宁到常州北站到奔牛机场奔牛物流多少公里
- ·今天我去超市防损员买东西出来的时候那个防损门叫了
- ·把人撞伤人没钱赔会怎么判应赔多少钱
- ·房屋设立抵押权设立登记要登记，只签合同有效吗
- ·如何用银行卡为itunes如何充值账号充值
- ·如何打造最具幸福感城市商业价值的联合办公空间，有哪些联合办公运营经验给分享一下
- ·有很多客户询价的标准回复都只是简单的对产品进行询价，请问怎
- ·跪求2015年复旦大学经济学专硕考研《801经济学综合基础（金融）》命题规律分析及常考 知识点精讲【张柯 29课时】
- ·谁有净夜服
- ·为啥我老是被骗QQ打字兼职被骗怎么办招聘被骗86三天不过兼职入会费99现在又被骗！我只是想有自己的经济来源想在我
- ·今天在支付宝绑定多张银行卡突然发现多了一张银行卡，写着网商银行。。。。。什么意思？ 从没绑过别的银行卡
- ·小孩触碰商业小区消防栓没水怎处罚设备有什么处罚
- ·经济形势好不好怎么办不好国家领导人知不知道
