北京中医院治疗白癜风效果怎么样 http://baijiahao.baidu.com/s?id=1707672648061290025&wfr=spider&for=pc作者：DIGITIMES李逸涵AI在语音与影像领域的识别已取得相当可观的成就，然而当数据科学家欲将其导入于商业经济领域，用以做出预测、提供参考决策时，却面临着数据量过大、太多维度，以及难以定义变量的问题。信息管理学教授庄皓钧分享了实际案例导入时会经历的困难。他表示，AI运算首先要建立模型，接着操作者输入特征之后，模型就会输出相关的预测。过去在影像识别与语音识别上，输入的变量内容较明确。然而在商业经济的案例中，无法确定有用的变量为何，以预测股票表现的模型为例，分析师重视的变量便众说纷纭。除了定义正确的输入数值之外，另一门槛在于金融行为中所产生的大量数据。拜流程网络化所赐，大量行为数据得以完整地被记录，而这些多维度的数据如何做为辅助决策？庄皓钧坦言，有时噪声多过有用的信号，有时海量数据之间找不到关联性、甚至没有因果关系。其次为数据的更新速度极快，每分每秒都有新的数据出现，如何确保现在的模型训练结果能够适用下一波数据？亦是训练模型时的顾虑。即便模型训练完成，还有输出结果可解读性的问题。当数据科学家也无法参透黑盒子的奥秘，该如何向客户、领域从业人员解释，这些全部由数据驱动的模型与输出结果，究竟代表什么意义？是以人类决策与机器决策的结合整合有其必要。庄皓钧表示，在金融财务领域高风险高报酬的决策，以及科技业价值动辄上亿的存货评估中，即便AI应用如何炉火纯青，分析人员仍会综合自己的观察与经验，妥协出一个最适解。庄皓钧指出，教导分析人员依据机器输出的决策做调整，将是AI在业界应用上下一个里程碑。
