8月11日訊，斯坦福大學與硅谷有著難舍難分的關(guān)系：二戰(zhàn)后斯坦福大學因財政困難，將其閑置的土地出租出去辦起了斯坦福工業(yè)園，很多科技公司開始進駐該園。計算機時代降臨后，園里的公司大多集中在半導體技術(shù)領(lǐng)域，從此這里便被稱為硅谷。

可以說硅谷催發(fā)了斯坦福大學的創(chuàng)業(yè)基因，盡管學生們創(chuàng)業(yè)不一定都選擇在硅谷。歷史上斯坦福校友共創(chuàng)建了四萬多家公司，創(chuàng)造了數(shù)以百萬計的工作機會，這些公司現(xiàn)在平均每年創(chuàng)造約2700億美元的營收。

近日，斯坦福大學上海校友會與飽含斯坦福基因的公司杉數(shù)科技共同舉辦了校友內(nèi)部分享會，探討了運籌學驅(qū)動的智能決策在AI浪潮中的重要地位。實質(zhì)上，當AI將隨機模擬組合的價值最大化，背后便是運籌學技術(shù)在支撐。

當前AI的局限性

美國國家工程院院士，斯坦福大學運籌學博士Peter Glynn認為，當前取得突破的AI領(lǐng)域有一些共同點：有的是存在大規(guī)模的低噪音數(shù)據(jù)，而這些數(shù)據(jù)能直接指引機器做出決策，如無人駕駛與智能音箱;有的是當AI做出錯誤決策時造成的負面效應(yīng)較低，如游戲比賽。但從真正的決策層面看，這些機器人并不完美。

“AI也可能做出的糟糕決策，例如在語音識別領(lǐng)域，最先進的技術(shù)也經(jīng)常會鬧出誤會。其實人類自己也會犯錯，然而如果機器的錯誤決策導致極為嚴重的后果，這會讓人格外擔心——例如自動駕駛在事故中犯的嚴重錯誤和人工智能醫(yī)療作出的誤診，這些是性命攸關(guān)的。”

那么，運籌學對AI發(fā)展的意義體現(xiàn)在哪?Glynn表示，運籌者的任務(wù)是作出戰(zhàn)略或者運營決策，例如進入哪些市場最好、是否進行戰(zhàn)略擴張、如何高效地管理庫存、是否進行一項并購等等。“這些決定可能會對公司產(chǎn)生重大影響，管理者不得不做假設(shè)性分析。在這些情況下，通常我們并沒有足夠的數(shù)據(jù)去挖掘出一個普適的規(guī)律。即便我們恰好有大量的數(shù)據(jù)，過分地依賴歷史數(shù)據(jù)可能也會因為市場環(huán)境的改變而誤導管理者對未來的判斷。例如2008年金融危機后整個市場的監(jiān)管措施和機構(gòu)操作方式上進行了大洗牌?？梢钥闯霰M管我們有海量的金融歷史數(shù)據(jù)，但大部分的參考價值并不大。金融環(huán)境的復雜多變也是人工智能在預判金融市場時遭遇的瓶頸。”

從管理者的角度出發(fā)，Glynn提出了一個解決辦法——人工智能與隨機仿真的結(jié)合。他認為隨機仿真的方法能建立靈活多變的模型來模擬在采取不同決策時，未來的市場結(jié)構(gòu)和商業(yè)環(huán)境會發(fā)生什么變化。管理者可以通過不同情境下的模擬效果來判斷決策的風險，尤其是單純依靠歷史數(shù)據(jù)所無法預知的風險。

“既重視數(shù)據(jù)分析，又重視將數(shù)據(jù)有效地轉(zhuǎn)換為決策，會創(chuàng)造更多的商業(yè)價值。”

AI能在金融中做出什么運籌帷幄?

“就像我的老師Peter說的，我們做的是決策的藝術(shù)，幫企業(yè)去分析你應(yīng)該如何布局、怎么讓業(yè)務(wù)設(shè)定得更好，怎么定價更合理。”杉數(shù)科技的聯(lián)合創(chuàng)始人葛冬冬是斯坦福大學運籌學博士，上海財經(jīng)大學交叉科學研究院院長，分享會上，他從金融領(lǐng)域中的收益管理、供應(yīng)鏈管理和風險管理講述了AI如何做出將價值最大化的決策。

當消費者在一個金融平臺上對某些理財產(chǎn)品瀏覽時間足夠長的時候，內(nèi)部的人工智能系統(tǒng)已經(jīng)對消費者的瀏覽歷史、停留時間、過往理財記錄進行了深度的學習分析，然后得出了他最有可能的購買產(chǎn)品，并且估算出了對系統(tǒng)最為有利的利率，可能會以優(yōu)惠折扣的方式推送給他。據(jù)億歐了解，這是杉數(shù)曾處理過的一個項目。

AI運籌幫助收益最大化的思路在電商中也有體現(xiàn)，葛冬冬對億歐作者柯東舉了個例子：“對一個不停搜索索尼48寸電視的顧客來說，一張個體化的折扣券很可能會激發(fā)他的購買行為。而對他的激發(fā)判斷，可以通過大數(shù)據(jù)和機器學習的方式來判別。折扣券的推送時間，折扣力度，對公司業(yè)務(wù)目標的影響權(quán)衡則是需要一個相對高等的收益管理模型和算法。”

融資平臺本身制定理財產(chǎn)品合理的利率則是需要從歷史購買記錄來擬合供需關(guān)系，監(jiān)控競爭者的利率來判斷自己的動態(tài)調(diào)整幅度，也需要對多種金融產(chǎn)品作出替代效應(yīng)分析來實現(xiàn)整體的優(yōu)化。“從我們的經(jīng)驗來看，需要對選擇模型(choice model)、馬氏鏈、非凸優(yōu)化、博弈論等多種模型進行一個綜合運用。最后算法也需要滿足速度和精度的需求。”

供應(yīng)鏈管理過程也處處需要優(yōu)化——生產(chǎn)中的利潤最大化、倉庫配貨量與庫存成本調(diào)整、貨架和網(wǎng)頁上產(chǎn)品的擺放與定價、運輸路徑制定等等。“我們用數(shù)據(jù)來驅(qū)動，提供智慧供應(yīng)鏈技術(shù)，讓這些問題被一體化、自動化解決。”

在風險管理方面，風控體系的建立也需要深度數(shù)據(jù)分析和模型解析。一個普通貸款是否發(fā)放，要對申請人進行全方位的信息搜集和分析——基本情況、芝麻信用分，甚至午餐習慣、日常愛好都可能被默不作聲地整合到模型里。“從美國主要信用商FICO的50維傳統(tǒng)金融模型，到今天Zest的百萬級別交叉衍生維度信息，考驗著運算速度、標準化能力、過擬合判斷等多方面技術(shù)。”

葛冬冬認為很多時候一個好的預測離好的決策依然有著很大距離，例如金融平臺上顧客申購與贖回金的預測可做到相對偏差越來越小，但是因其敏感性，準備金的策略必須謹慎而保守。“這個時候，一個相對安全但合理的準備金策略是非常重要的。在偏差影響下，一個好的抗干擾模型，需要將風險因子轉(zhuǎn)化為可計算的凸優(yōu)化模型，運籌學的魯棒優(yōu)化策略(Robust Optimization)在后臺為這些模型的建立起到了基礎(chǔ)的支撐。”

當AI在金融領(lǐng)域做出越來越多的決策，人類似乎能得到更精準高效的服務(wù)。那么如何安置被AI替代掉的潛在失業(yè)人群?AI通過收集大量的個人信息來對每個人量體裁衣地進行服務(wù)，信息泄露的重大風險該如何解決?深度挖掘個人信息的算法是否會導致對特定地區(qū)、特定群體的人的歧視?這些問題都值得審視，Glynn教授，杉數(shù)科技的科學家們也已經(jīng)在思考這些問題。

生成海報

免責聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關(guān)資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。