5.深度学习在金融行业的应用

　　5.1.金融大数据特性决定了引入人工智能技术的必然性

　　资金融市场的数据特性主要体现为两点：一是海量数据。二是数据维度。人工智能是解决数据瓶颈的必然选择。

　　人工智能理财市场空间巨大且处于拐点。科尔尼咨询预计，到2020年，智能理财的渗透率将提高到6%左右，管理的资产规模将达到2万亿美元（2015-2020年复合年均增长率约70%）。根据花旗银行的最新研究报告，人工智能投资顾问管理的资产，2012年基本为0，到了2014年底已经到了140亿美元。在未来10年的时间里，它管理的财产还会呈现指数级增长的势头，总额将达到5万亿美元。

　　人工智能投资与传统量化交易有显著区别。区别于程序化交易、量化交易，证券投资人工智能机器人构建了学习机制以及建立在其上的知识库，能够自主学习、推理以及进行决策。目前已经投入实际运用的证券投资人工智能已经可以取代大部分以往由人力进行的投资分析工作，自主“生产”投资策略，能够很轻松的同时监控上千只股票、并实时根据各种市场情况自主进行买卖交易。

　　5.2.人工智能投资基金表现优异

　　第一个以人工智能驱动的基金Rebellion预测了2008年的股市崩盘，并在2009年9月给希腊债券F评级，而当时惠誉的评级仍然为A。通过人工智能手段，Rebellion比官方降级提前了一个月。掌管900亿美元的对冲基金Cerebellum也使用了人工智能技术，结果从2009年以来，几乎没有一个月是亏损的。2012年以后，由于大数据技术成熟，以机器学习为核心的人工智能技术在证券投资领域得到认同和飞速发展，包括Renaissancetechnologies、AIDIYIA、CerebellumCapital、Cmmeq、Castilium、Binatix、Sinai、KFLCapital等多家全球著名资产管理公司开始运用人工智能技术进行证券投资。

5.3.机器学习和自然语言处理是目前人工智能投资基金常用技术

　　相对于以往仅仅依靠传统交易数据，人工智能基金开始考虑引入新闻，政策，社交网络中的丰富文本并运用自然语言处理技术分析，将非结构化数据结构化处理，并从中探寻影响市场变动的线索。典型代表是坐落在香港的人工智能投资机构Aidyia，其开发的交易机器人从包括新闻和社会媒体在内的多个渠道摄取大量的信息，使用机器学习能力预测市场并转化为买和卖单。

　　5.4.国内以同花顺、资配易为代表的人工智能投资机器人已初露锋芒

　　国内以同花顺、资配易、弥财、蓝海财富等公司为代表的投资机器人正迅速崛起。

　　其中，弥财和蓝海财富基本上是参照国外机器人投顾的模式来做的，主要的投资标的是全球ETF产品，同花顺、资配易是专门针对A股市场的，更加具有本土化特征。

　　同花顺早在2009年便提出进军人工智能，涉足金融投资机器人前沿领域，经过7年的不断摸索与精进，已研制出一个金融界的“AlphaGo”—同花顺投资机器人。根据公司数据，其机器人智能投资实盘账户自2014年以来累计回报率为470.2%，收益率惊人。

资配易的投资机器人属于“资产配置型”机器人投顾。它在不改变客户现有账户体系、不对客户资金进行任何操作、在客户现有证券投资账户基础上提供如下服务内容：

　　1.投资规划：根据用户的拟投资金额、期限、预期收益以及风险偏好进行单期和跨期的投资计划的拟定；

　　2.投资组合：根据投资计划为客户构建投资组合和投资组合的调整；也可以对用户自定义的投资组合进行诊断、看护(盯市、预警和风险提示等)服务。

　　3.交易执行：由于采用更好的算法，大数据分析系统能够比普通投资人更好的择时(在交易时间段内选择最优的价格进行买或卖的操作)。资配易可以为客户定制一个完全属于客户自己所拥有的智能交易代理(AI)，这个智能交易代理完全在客户的授权范围内执行交易。交易需要的买卖信号，由客户向资配易系统订阅。

　　4.风险管理：采取不间断盯市的策略，能够依据预先与客户商定(或资配易公司推荐)的风险管理规则对客户的投资组合进行各种风险管理操作，包括调仓、平仓、补仓。

　　5.5.深度学习显著提升互联网金融风控和征信的能力

　　风控是贯穿整个互联网金融链条的系统，从数据收集到机器学习和模型处理，然后到实时的判断，需要10毫秒内实时计算，必须依靠机器学习的模型将关系网、人、用户行为等数据联系在一起。蚂蚁金服打造的基于大数据的芝麻分信用系统，背后就是利用深度学习等人工智能算法对用户进行各个纬度的刻画。基于这个平台帮助银行提高审核率，同时提高不良用户的识别率4倍以上。蚂蚁金服的大数据征信和风控的基础就是其近期发布的叫DTPAI的机器学习平台。

6.深度学习在无人驾驶及无人机中的应用

　　6.1.深度学习在无人驾驶技术中的应用

　　无人驾驶技术由四大模块驱动：环境感知模块、规划与导航模块、决策模块、主控模块。其中决策模块是无人驾驶汽车系统的核心，其主要任务是根据环境感知系统获得的环境信息、车辆当前状态以及任务规划层规划的任务目标，采取恰当行为，保证车辆顺利地完成任务。

　　1)感知

　　感知层需要完成环境态势感知，这个是无人驾驶的首要环节。理解整个驾驶环境是无人驾驶中执行动作的前提。其中环境又分为车外环境和车内环境。

　　车外环境需依靠多种传感器的输入，比如多摄像头、毫米波雷达以及激光雷达等，通过融合映射到一个统一的坐标系中，这些图像信息需要进行物体的识别和分类，比如车道、路肩、车辆、行人等等。利用深度学习，在计算系统中重构出来一个3D环境，这个环境中的各个物体都会被识别并理解。车内环境指对车内驾驶员的感知，包括其疲劳程度、驾驶意图等，如疲劳检测系统在检测到驾驶员进入严重的疲劳状态后，自动将驾驶状态从人工操控转为无人驾驶，基于深度学习的人脸识别将提高感知驾驶员的效率。

　　2)局部路径规划

　　路径规划需要对车外环境中车辆、交通状况和行人等的意图或者在一段时间内的行为进行预测，结合本车的状态和高精度地图提供的道路信息等，规划出最佳的行驶路径，达到满足驾驶意图，并对周围的车辆友好、安全的目的。

　　通过积累大量里程数据的训练，基于深度学习的系统可以给出最优规划。同时深度学习必须和交通规则的专家系统，以及其它高可靠性手段结合，才能够实现安全高效的无人驾驶。例如V2X的普及，会使得本车可以在超视距范围内，精确地获取周围车辆的位置、速度以及驾驶意图（转弯/变道）等。

　　3)决策控制

　　在路径规划确定后需要进行本车意图决策，比如进行超车、转弯、变道的最优控制等等。无人驾驶系统需要学习理解人类开车的习惯，在与传统汽车同时行驶时，学会在复杂的场景下进行操作、保持合理的车距等。深度学习在复杂决策控制中将发挥作用。

　　在深度学习技术引入之前，数据处理采用传统的机器学习，通过人为地提取所需解决问题的特征或者总结规律来进行编程，进而实现所需功能，这种方法相当费力，并且在处理复杂场景时的难度更大，因为高度复杂的场景很难用有限的规则来定义清楚，甚至会出现在新场景出现时无法给出有效解决方案。比如人车交互中无法识别新的动作和不规范的语音表达，在环境感知中无法判断传感器获取的数据，对未遇见的路况难以做出及时有效的反映等等。相比较而言，深度学习可以自动学习提取抽象特征，在处理复杂场景时的优势就体现出来。

　　6.2.深度学习在无人机上的应用

　　无人机对于人工智能的需求主要体现在三个方面：智能飞行，智能协同和智能任务。要想实现无人机的“智能化”，真正困难的在于应对数以千计的意外状况和极端情况。无人机需要做到智能的感知和规避，灵活容错，智能跟踪和智能路径规划，关键就在于深度学习。深度学习在无人机上主要体现在图像识别技术、语音识别技术和智能控制。通过深度学习的智能图像识别技术和多源信息融合技术，将进一步提升无人机对复杂环境的感知和认知能力，增强无人机对非结构化环境的适应能力和任务执行能力；应用深度学习、语音识别等人工智能技术，无人机交互操作能力将大大提高，对实现有人或无人多系统协同、集群无人机协同和任务规划均具有重要意义；利用深度学习、行为控制技术使无人机在不依赖GPS的情况下进行飞行，提高现有组合导航技术的精度，为无人机系统提供自动规避能力。

　　1、智能飞行

　　无人机面临的环境本身十分嘈杂，无人机可能处在即将与远方物体相撞的轨迹上，但远方的物体在图像上只有几个像素点那么大。在已有的躲避系统下，即使故意让两架遥控飞机接近，也很难触发“探测-躲避”机制。由于无人机飞行速度很快，且视程只有20米，所以它需要不断更新其地图数据，然后做出飞行决策来绕开障碍物，快速精准的计算机视觉技术是不可或缺的。通过深度学习的智能图像识别技术和多源信息融合技术，将进一步提升无人机对复杂环境的感知和认知能力，增强无人机对非结构化环境的适应能力和任务执行能力。2016年2月，苏黎世大学DavideScaramuzza教授及其团队使用基于深度神经网络利用单目视觉技术帮助无人机穿过森林小道，第一次实现了基于机载硬件在真实林间小路上实时地规划和控制。

2、智能协同

　　美国海军要搞无人机分群，这里面的关键技术就涉及到协同指挥控制，大动态、自组网通讯技术，控制飞行，任务规划和目标分配技术。无人机和无人机之间协同，无人机和有人机之间协同，无人机和其他无人系统之间也要协同，包括地面的控制系统。自然语言的机器理解真正使语义来交互。

　　3、智能任务

　　无人机要做到智能任务，也就是任务要由自己来判断。无人机的终极目标便是实现智能任务，在制定了目标地点和目标任务后，无人机便可以自主规划路径，实时躲避障碍和自主完成操作，因此未来智能化无人机将运用到作战空袭，作战检测，地质勘探和无人机快递等领域。2016年8月，谷歌通过FAA审批，将在美国展开无人机送货服务测试。

　　4、消费无人机产品的智能化功能

　　无人机在消费领域的运用主要是自拍社交和娱乐航拍，在消费无人机上，智能化的功能主要体现在空间位置的自适应能力和拍摄角度的自选取能力，且能实现智能避障从而避免桨叶伤人，对无人机的稳定性和安全性要求较高。消费无人机正在朝小型化，智能化的方向发展，如大疆创新的Phantom4能采用芯片制造商Movidius的Myriad2芯片，基于深度学习算法，Phantom4能做到精准悬停，指点飞行，视觉追踪和环境感知与避障。零度智控的Dobby也特别加入了人脸识别、目标跟随等基于人工智能的功能。