<mark id="oztn4"></mark>
0
人工智能（AI）經以雷霆萬鈞之勢從學術界潛入產業界的每一個角落，AI已經不是科技公司創新創業的專屬武器，因其價值之大，也成為了傳統行業變革求新、提高效益的利器。AI掘金志致力于傳統行業AI應用的解讀，幫助從業人士尋找最有價值的模式與落地路徑，記錄AI浪潮之巔的時代變遷。
未來，我們還將舉辦相關培訓訓練營，以及行業首創的“首席數據官峰會”，搭建起數據科學家與首席數據官之間的橋梁。
AI掘金志本周關鍵詞：精細營銷、未來醫療、智能金融
雷鋒網消息，智能投顧正處于是垂髫之年，行業和產品還在成長期，不過諸多機構、個人都對其寄予厚望。花旗集團預計在未來十年時間里，智能投顧平臺資產管理總額將達 5 萬億美元，呈現出指數級增長勢頭。據HCR慧辰資訊預測，2020年中國智能投顧資產規模將超5萬億，按0.2%管理費計算，行業整體收入規模約在104億。
有業內人士稱現在是金融與科技的第三次大碰撞階段，在借人工智能這次東風上，Fintech公司似乎比傳統金融機構借勢得更及時。在智能投顧領域也是如此，盤點起智投平臺，互金、智能金融服務公司十占八席，但事實上，不少傳統金融機構也已經坐上席位。這一次，雷鋒網著重描述傳統金融機構的智能投顧版圖，并簡析產品差異。
2月17日晚間，招商銀行公告稱，招商銀行擬出資20億元人民幣，全資發起設立獨立法人直銷銀行，初始注冊資本擬定為20億元人民幣，招商銀行持股比例100%。在適當時機，根據業務發展的需要并在監管批準的前提下，可轉讓不超過30%的股權，以引進戰略投資者。
招商銀行說這是對“未來銀行”的探索。所謂直銷銀行，是幾乎不設立實體業務網點，而是通過網上銀行、電話銀行、ATM、電子郵件、移動終端等遠程手段來與終端客戶直接進行業務往來。
根據麥肯錫2016年12月發布的報告《中國銀行業的明天在哪里》，2014年，全球銀行業的凈資產收益率（ROE）延續了2008年金融危機后緩慢回升的態勢，穩定在9.5％。但是，過去一年股東回報率的回升卻無法掩蓋整個行業毛利下滑的現實。2013—2014年，包含銀行利差和手續費利潤率的毛利水平拖累ROE達185個基點，銀行不得不通過大幅度削減成本（貢獻169個基點）來保持ROE的穩定。
所以這次擬設立直銷銀行的公告中，招商銀行表示，設立獨立法人直銷銀行是該公司把握創新驅動發展趨勢、積極探索普惠金融和未來銀行形態的重要舉措，可有效降低銀行運營成本，對現有業務模式和客群進行差異化補充，并可通過風險隔離將創新風險限制在可控范圍。設立獨立法人直銷銀行符合監管政策導向，符合國內外銀行業創新發展趨勢，也符合本公司自身業務發展水平。
事實上，招行設立直銷銀行的背后，是其對直銷銀行的基礎技術——AI的全面探索的成果，包括人臉識別、大數據挖掘、深度學習等等。
信中利美國創投創始管理合伙人王維嘉，本文是王維嘉博士做客2月17日江湖沙龍的分享，談及他對AI在傳統行業中的應用發展的看法，本文由雷鋒網整理編輯。
王博士，怎么看一個應用公司的競爭優勢呢？核心就是他能不能壟斷行業的數據。如果不能壟斷數據，這公司是沒有技術的，絕大部分應用公司是沒有自己的核心技術。
比如說美國有一個VKP我一天上四五次，每個月要定期捐款，中國有幾個百科做得非常爛，原因是沒有社區貢獻的文化，美國這個社會是從一個小鎮五月花，聯邦13州從底到上建立起來的，有一大批自己出錢處理搞公益的人，整個社會是這樣的風氣，開源這件事情一定要有這樣的文化。
中國大部分人說，我又不賺錢，給別人寫了別人用，對我有什么好？這個問題的出現，導致于這次人工智能的開源框架一定是美國領導。
值得注意的是，未來這些開源框架就像今天的安卓一樣，會在上面長出很厚的生態系統，會做出各種各樣的庫，所以說最后你已經沒法和它匹敵了。
今天開源這件事仍然是一個在競爭，各個大公司為什么要開元呢，都想把所有開發的資源聚集在自己的生態上面。
現在的情況仍然是Google，Google上面的開發人員加起來是其他所有人加起來的10倍——其他所有人是Facebook這幾家公司。其實就在這幾家競爭。開源領域除了這幾家公司以外，百度也出了這樣一個東西，每個大學都有一些開源的東西。
2月24日凌晨，IBM中國官方微信告訴大家它將要做兩件事：
與CNYCC合作
與Atrius Health合作
據雷鋒網所知，這兩家機構均為非盈利醫療機構，是提供價值型醫療服務的行動者。
人口健康平臺：提供患者信息全景圖
與CNYCC（Central New York Care Collaborative，護理協作紐約中心）的這次合作將創建一個認知人口健康平臺，用于連接紐約州中部 6 縣的2,000 多家醫療和社區服務提供商。
該認知人口健康平臺上集成了IBM的多項看家本領。
IBM Watson Health集成CNYCC 的人口健康管理(PHM) 系統中的多種數據：治療場景 - 初診治療、急性后期護理、行為健康、社區和急性護理 - 以及超過 75 個電子健康記錄系統、健康信息交流平臺以及其他數據來源，聚合多樣化數據，形成對患者病況的整體把握，包含臨床病例、社會決定因素和行為健康。
Watson Care Manager 結合護理管理最佳實踐與執行工作流，使護理工作者有能力創建個性化護理計劃，兼顧各種健康相關因素，并讓個人聯合參與提高健康水平。
WatsonHealth Cloud 中大量的健康數據，幫助臨床醫生找出類似患者的潛在風險因素。
并且，該人口健康平臺將提供患者互動功能，打通從患者發現病情到醫患互動、再到開展治療的完整醫療流程。
互動護理系統：擺出臨床證據，醫患一起決策
雷鋒網了解到，AtriusHealth為675000多位成人和兒科患者提供了一個互動護理系統，以提供患者高質量、以患者為中心、協同式的護理。
據Health Affairs之前發表的文章，共同決策（即醫生及其患者根據臨床證據一起做出醫療決策）對患者、臨床醫生和醫療保健體系均益處多，例如提高患者對疾病的認知、緩解治療過程中的焦慮、減少無根據的護理和成本浪費等。
盡管存在諸多好處，許多醫生仍然表明很難將共同決策融合到他們與患者的直接互動中。這種設想的難點在于：將臨床證據清晰明確地擺在醫生與患者面前。
有一種解決方案可以解決這個問題：總結出影響患者健康狀況的關鍵點（關鍵詞），整合相似的患者人群，描述這些人在不同治療選擇下的轉歸結果。
這個工作Watson可以勝任，其有能力處理醫患互動過程中生成的海量數字化信息。
要治療心臟疾病，就必須有一個精準的診斷，但對醫生來說，長期坐在那里聽聽診器或看心電圖又有些不切實際，因此有時他們會漏掉一些不起眼的小問題，而這些小問題可能是治療心臟疾病最棒的突破口。
IBM 認為它們能通過人工智能幫醫生解決這個小煩惱。對，你沒猜錯，它們旗下著名的 Watson 又掌握新技能了。
診斷心臟疾病是 Watson 健康醫學影像項目的一部分，全球參與該項目的醫療組織已達 24 家。
診斷心臟疾病對 Watson 來說是個完全不同的挑戰，因為這是它首次查看復雜的醫療數據，其中包括超聲波圖像、X 光圖像和其他不同類型的醫學影像。Watson 將首次坐上主治醫生之位，判斷到底那個病人患有主動脈瓣狹窄，此類病人術后依然需要隨訪護理。
即使忽略它在癌癥研究上的貢獻，這也不是 Watson 首次涉足醫療行業了。這個明星 AI 平臺此前不但發現了與漸凍人癥（ALS）有關的基因，還在研發新藥上頗有建樹。當然，Watson 在成長為大醫生的路上并非一帆風順，最近它在 MD 安德森癌癥中心參與研究時就犯了處置失當的錯誤。
對心臟病專家來說，主動脈狹窄是最難診斷的病癥，但該病癥會阻礙血液流動，對病人來說是最為致命的。
在某些情況下，醫學影像非常具有“欺騙性”，稍不注意，醫生的判斷可能就會被干擾，而 Watson 的“慧眼”并不會，它會成為一個精確的翻譯器，將醫學影像中展現的問題清楚準確的列舉出來。
Sentara Healthcare 的心臟病專家 Jaime Murillo 表示：“借助 Watson，我們希望能將診視過程標準化，這樣就能提高診斷的準確率，而病人是最大的受益者。”
Watson 影像部門副主席 Anne Le Grand 稱，臨床影像檢查是 IBM 首次提供認知影像，此前它們鉆研該技術已經超過 10 年時間。
“我們所做的主要工作就是對醫療數據的回顧性分析，IBM 能幫助臨床醫生回到過去，找到那些曾讓醫生感到遺憾的典型病例。”Le Grand 說道。
Watson 將大量閱讀心臟病專家的醫療報告，通過與其數據庫中數據的對比，對病人的心臟影像進行分析。在一項初步研究中，IBM 對這項技術進行過測試，雖然它們拒絕透露詳細數據，但它們認為 Watson 的加入確實讓心臟疾病診斷有了巨大的飛躍。
除了判斷到底哪些病人需要隨訪護理，Watson 還會對患者群體進行集體掃描，找到那些同樣需要接受隨訪護理的人群（這些病人的醫學影像可能并未經過 Watson 的篩查）。隨后，通過 AI 的分析，Watson 會為病人提供預見性護理，將病人面臨的風險降到最低。
Le Grand 表示：“Watson 的功效是雙重的，它不但能提升診斷的質量，還能保證診斷的一致性。”
未來，Watson 在醫學影像上的技術積累不但能用到心臟病上，還能推廣至乳腺癌、肺部、眼部和腦部疾病上。在不久的將來，IBM 計劃讓 Watson 涉足除主動脈狹窄外其他九種心臟疾病的診斷。
今年晚些時候，該技術將成為美國大部分保健醫生的標配。
雷鋒網按：當基因檢測變得越來越普及，所得數據越來越多，對數據解讀的需求也由此誕生，而這就是生物信息技術的作用。本文整理自華點云技術總監于偉文在雷鋒網硬創公開課上的演講，主題為如何用云計算模式實現生物信息分析。
于偉文，高級工程師，上海華點云生物科技有限公司技術總監。是北京航空航天大學國家示范學科——“移動云計算”專業的首批畢業生。擁有十余年 IT 領域從業經驗，主要關注于臨床、生物、金融等領域。作為課題負責人，曾主持過國家“十一五” 重大專項子課題；參與多項國家自然科學基金、國家重點實驗室專項信息化建設項目。在Nature子刊、SCI等權威刊物上發表學術論文10余篇。
公開課視頻如下：
把媒體內容分發給用戶，“你關心的才是頭條”，對于今日頭條這個產品，相信大家都不陌生。那么，你是否好奇過，今日頭條是如何做到，向每個讀者推送不一樣的、據稱是符合讀者每個人不同興趣的內容的呢？每個人產生的閱讀數據，還有哪些效益呢？今日頭條算數中心執行總監劉志毅在日前于深圳北京大學匯豐商學院舉行的“數據之美”論壇上做了介紹。
首先，數據從哪里來？
雖然對于頭條來講，其用戶量、用戶的粘性時間已經足夠大了，但是，要怎么樣精細，怎么樣的數據才是可信賴的，怎么樣的數據是可復用的？
對于數據所產生和獲取的流程，今日頭條算數中心執行總監劉志毅拋出一道小問題來介紹：
現在面前有很多顆糖果，然后有兩個人要把這個糖果的數量數清楚，有一個人他會加減乘除地來數，3顆3顆數，5顆5顆地；還有一個人就很笨，只會一顆一顆，永遠一顆一顆地數，那問一下，是哪一個人能夠先把這一大堆糖果數清楚啊？
事實上，按正常的邏輯確實應該回答“第一個”的，“但是在互聯網公司，答案是第二個，因為雖然是一顆一顆地數，但他一秒種可以數一萬個，所以他更直接更快速。”這是機器學習發展到今天的成果，機器分發的效率一定大于人工分發。在2016年的年終，易觀發布的第三方數據顯示，如今機器分發的比例已經超過了人工分發。
分發糖果與分發內容邏輯是一樣的。那么，這背后，頭條具體的引擎是怎么樣工作的？這時候需要把文章和用戶兩端的數據連接起來。
據劉志毅解釋，
首先文章進入機器引擎后，頭條需要機器識別它們的關鍵詞，識別其涉及到的內容領域，用戶對它們的反應，然后把結果放到一個特征向量空間中。
與此同時，用戶端也發生了同樣的變化。
“然后我們去看這兩個向量，怎么樣匹配度最高，然后就推送給他。”
具體來說，這些用以匹配的數據變量可能包括幾個大方面的特征：
首先，這個用戶，他的性別興趣，年齡地域用的手機是什么？
家鄉是哪里？關注什么東西？會點什么樣的廣告？
然后他目前處在什么樣的環境？今天有沒有下雨？用WiFi還是用3G，4G，2G？
這個文章本身是一分鐘之內的快消息，還是幾年之內看都不算失效的消息？用戶的反饋對他們是什么樣？
這個文章有什么樣的關鍵詞……等等
這些數據將產生一個百億級別的特征，今日頭條最終根據特征判斷用戶的需求，把內容呈現到每一個人不同的手機屏幕上。
但是，這還不是最技術范的地方。數據部門真正做的事情是，“從剛剛所描述的這個過程中積累出來一些東西，然后讓他去發揮價值，”劉志毅說道，這才是數據挖掘的價值所在。
“這只是我所想要表達的數據維度的1%，”
用戶點擊什么文章？沒有點擊什么文章？
點贊還是點踩？
閱讀速度快不快？完成多少比例？
對某一個話題產生了持續性的還是短暫的影響？讀完之后有沒有講到什么評論？
那他用的是什么樣的手機在讀你的東西？是什么樣的手機的什么型號？去年用這個型號，今年是不是還用這個型號？
……
劉志毅稱，“這樣的信息都會作為這個用戶的組合特征的一部分，然后我們去提取這一部分來把它作為數據的樣本進行分析。”
數據到哪里去？
知道了數據怎么來之后，數據要到哪里去，產生怎樣的價值？這又是一場好戲了。
據雷鋒網了解，今日頭條曾推出了“今日頭條媒體實驗室”，這個實驗室的作用，相當于差異化內容創作的“參謀”。就是說，其將通過每一篇文章的傳播數據去告訴不同的內容的寫作者創作者，假如想要影響某一個特定的人群，需要怎么樣創作內容，并且在什么樣的平臺上，以什么樣的方式在什么樣的時間點發布是效率最大化的。
劉志毅舉了這樣一個例子：以美國總統選舉為例，在中國希拉里一直熱度是領先，但是跟美國人投票不一樣。最后希拉里敗選，但是她敗選之后，在頭條平臺上面的熱度也降得非常快，這個可能跟中國人對美國時政事件的關心規律有關系，那么，媒體則會依據這個來進行內容創作。
另外一個是，數據也許可以呈現出人類作者意想不到的角度：在今日頭條與南方周末的合作中，大家都關心學區房房價的問題，但數據顯示——在這些事實之外，跟學區房同時出現的概率最高的詞中間，“離婚”排在前3位。
這就是計算機輔助報道的一種方式，也是大數據、AI帶給傳統行業的變革。
AI帶給商業市場更多機會
除了反哺媒體創作，閱讀數據還有哪些想象力呢？
透視市場潛力
雷鋒網此前報道，在一些數據密集型的產業，都成為了AI產業應用孵化的首選之地。接下來看了OPPO和vivo的案例，你就不會奇怪了。
眾所周知，去年，手機市場一個關注度頗高的話題是：大家發現主流手機品牌不那么景氣了，包括蘋果，但是有兩家廠商非常受關注——OPPO和Vivo。
“OPPO跟Vivo做了一件很有意思的事情，他們在345線城市的用戶很多，但是他們請了很多跟一二線城市的口味更匹配的代言人來作為宣傳他們品牌的代言人。這是他們根據通過閱讀數據產生的決定。他們充分把握住了345線城市對于手機的需求。”
雷鋒網了解到，根據頭條閱讀的數據發現，345線城市對于手機的具體參數、性價比方面表現得不那么敏感，但對于手機的體驗的介紹，卻是閱讀量遠高于一二線城市的。“所以當OPPO沒有把大部分的推廣和宣傳經費放到線下的渠道去影響345線城市的時候，他后面的成功，也是在閱讀數據上能夠發現的奇妙的地方。”
總的來說，劉志毅表示，AI之所以影響人類各行各業，是因為，“閱讀其實是一種人們對于自我歸類的一種方式，所以頭條上面閱讀數據其實是人在不同的組別中間自我歸類的一些信息，這些規律的信息產生了我剛才所說到的所有的價值。”
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
