2016年7月22日文因互联与全景数据联合举办了“智能数据如何拥抱金融变革”的沙龙活动，沙龙活动邀请了金融、技术、学术三界的人士，共商智能数据与金融变革的时代下可能面临的机遇与挑战。活动邀请了三位重量级的主讲嘉宾文因互联CEO——鲍捷、华商主题精选混合基金基金经理——马国江、中科院自动化所——张家俊。本次活动的主持人由全景数据的技术总监陈天华先生担任。

首先是马国江先生结合当前智能大环境与自身工作经验进行了“智能数据用于投资决策”为主题的演讲。马国江先生将人工智能分了三个层次：感知、认知与预测。感知就是是利用互联网及其他数据技术，打破金融产品、服务和流程上的物理地区、时间和交易滞后的限制，使传统的银行、证券、保险的支付、借贷投资理财等金融功能以新的产品和服务以及新的贴近客户的方式发售和交易；认知，对于金融风险的认知的一方面是对细化的风险维度的概率分布的认识，一方面是对相关性的认识问题，是金融风险管理和资产配置的核心问题；预测，利用量化模型和量化分析，期望正确的预测资产价格趋势以及大类资产轮动来获得回报。演讲中，马先生对美国市场的发展现状进行了分析，并且在市场发展方向方面进行了预测。马先生同时指出非结构化数据创造另类信息优势是获取相关超额收益的一个潜在新来源。非结构化的数据来源包括：社交网络、地理位置、卫星图像等。数据获取之后就需要对数据进行智能化的处理，算法优化和机器学习是数据处理的两种方法，处理后会辅助人做出投资决策。人工智能核心目的就是消除人主观意识的形成，更加结合市场的现状来做投资判断，其实里面是有悖论的。量化模型前提是假说，假说是人提出来的，人提出来之后，跟消除人的影响，这又是完全相悖的东西。如果人的因素排除不了，智能化只能是一个辅助或是依据的工具。

张家俊先生分享了以“人工智能时代中的自然语言处理”为题的演讲，演讲伊始张老师首先讲述了自然语言处理与人工智能的关系，并分别对二者进行了定义。为了使嘉宾更好的了解自然语言，张老师举了四个自然语言处理方面的应用实例：机器翻译、自动问答、文本分类以及自动摘要。这四种应用实例背后的自然语言处理技术有词法分析、句法分析、语义分析以及篇章分析。自然语言处理技术的发展经历了规则的方法、统计的方法以及深度学习的方法。张老师结构和功能上讲述了什么深度学习方法，并且解释了深度学习在语音、在图像里面取得了非常多的突破，但是在自然语言处理中，并没有那么好的发展。第一个原因是处理对象不一样。云处理对象的是原始云信号和原始象素，几乎没有任何的语义信息的。自然语言处理的基本对象是词语，已经具有非常抽象的语义。核心关键问题，深度学习是在连续空间中建模，如何在连续的语义的空间中表示这些词基本的云单元？成为自然语言处理中深度学习的一个关键的核心问题。第二个是处理的模型。语音图像设计了比较高效的深度卷积神经网络，但是这些深度学习模型并不能直接迁移到自然语言处理，而需要为自然语言处理量身订作一些合适的模型。最后一个是数据规模。语音处理有成千上万小时的语音数据库，图像处理有几千万规模的图像数据库；而绝大多数自然语言处理任务缺乏大规模的标注数据库，直接影响了深度学习在自然语言中的发展。自然语言处理经历了规则方法、统计方法以及深度学习方法的发展历程，目前深度学习方法是热点，也是潜力最大的发展方向，在机器翻译等应用上已有突破之势。

最后一位压轴演讲的嘉宾的文因互联CEO ——鲍捷。鲍捷先生演讲的主题是— 智能金融的核心驱动力。鲍捷先生首先以智能停车系统为例，分别在两个层次上讲述了技术的核心推动力：第一层次是机器取代人力，降低成本，让原来无利可图的商业模式得以成立；第二层次是用软件规范行为，实现标准化、透明化、平台化。之后举了一些国外的Fintech公司说明技术到底是如何推动金融各业务的发展，如何与金融相结合。鲍捷先生表示整个金融技术的发展是有共性的，技术对金融的驱动，虽然在每个市场区段上都有自己独特的表现，在每一个区段上都找到一个发力点，传统的业务模式可以降低成本，从而比传统业务做得更好。在各个区段上面，他们能够起到的作用，可以分为三个层面来讲，三个层面的革命。这三个层面分别是技术层面、业务层面以及平台层面。最后鲍捷对文因互联目前的定位以及服务架构进行了介绍。文因互联的定位是在投资研究上面，目前主要集中在新三板市场，以后可能会是早期投资、美股投资。文因互联的工作主要分成五个层次：数据收集、图谱化、深度分析、具体呈现、场景定制。文因互联与智能金融都有相同的目标：把人从复杂的事务性工作中解放出来，从事更具创造性的工作。

在本次沙龙活动过程中，主讲嘉宾的演讲获得到场观众的一致好评，并对某些关心疑惑的点进行了热烈的讨论。最后活动圆满结束，感谢联合主办方全景数据为此次活动所做的精心准备。