人工智能的投资逻辑范文

导语：如何才能写好一篇人工智能的投资逻辑，这就需要搜集整理更多的资料和文献，欢迎阅读由公务员之家整理的十篇范文，供你借鉴。

篇1

近期，中国投资界关于人工智能（AI）在投资领域应用的焦点，非“广发百发策略价值基金”莫属，这是智能投资在国内公募基金投资领域首次多元化应用。

近年来，AI在投资领域的应用，正深刻改变着投资市场。高盛寻找员工建立自动化投顾平台，为100万美元以下资产的客户提供服务；全球最大资管公司贝莱德集团用机器人取代基金经理，对其主动投资基金业务进行重组，计划裁员包括7名投资经理在内的100名主动型基金部门员工。野村证券在报告中指出，截至2015年年底，全球机器人投顾旗下管理资产已经达到500亿美元，并预计于2020年达到2.2万亿美元，占到全球资管行业的2.2%。

基金投资开启人工智能时代

在中国资本市场，以人工智能为基础的投资技术以其独特的优势，正式走向前台。从广发基金网站上的“广发百发策略价值基金”的有关信息来看，百度与广发基金合作，正在尝试用智能投资技术，多元化整体提升投资效能、发掘市场价值。百度在人工智能领域一直走在国内的前沿，当人工智能遇上金融，我们看到了中国也正在进入人工智能的投资时代。

百发价值这只基金尝试将人工智能技术在量化投资领域多元化深度应用，实现“智慧投资”。不同于过去的风格或策略相对单一的量化基金，这是一款多策略和多数据种类交叉应用的主动型混合基金，瞄准的是大盘蓝筹股，投资基准对标沪深300指数，但不是简单追踪沪深300指数。从对标指数选择来看，适应了价值投资的趋势，回避了高波动、高风险和后市承压较大的小盘股。当以人工智能技术的应用来强化在选股、择时和资产配置方面的优势时，可以更加敏捷地应对风云突变的市场形势，也能回避投资风格漂移等问题，在效率和策略上强化传统量化投资的优势。

百度理财官网介绍，百发价值基于多元化智能投资的前沿技术，在极大拓展大数据应用领域的基础上，全领域萃取多样量化因子，并进行投资动态监测、风险监控跟踪，通过机器学习平台反复测试模型，建立量化交易策略的动态调整机制，最终实现智能选股、精准调仓、准确择时的完整投资链条。

为什么投资需要人工智能

投资的核心是什么？无非两点：决策好、执行好。人工智能的优势在于决策更好、执行更好。

一方面，人工智能极大地拓展了投资决策边界、更加智慧地捕捉投资价值。从大的投资逻辑来看，投资决策包括两点，一是宏观资产配置；二是微观组合构建。从资产配置来看，百发价值是混合型基金，股票好的时候多配置股票，债券好的时候多配置债券，股债双杀时则将资产集中于现金和货币资产保障安全收益。人工判断股票、债券和现金货币资产的配置比例，存在很大的随意性。人工智能依靠机器学习对海量数据处理和投资模型自适应的优势，实现科学决策，提高资产配置的效率，实现资金的使用效率和投资效率的全面提高。从微观组合构建或选股的角度看，人工智能不仅能有效运用远超任何个人处理能力的大数据和投资决策信息，还能通过高频反复迭代训练，为传统量化选股模型带来突破性创新，在投资逻辑与运算能力得到保证的前提下预期能够提升整体业绩。

另一方面体现在纪律上。机器辅助人执行投资，能够确保投资纪律的执行效率。机器执行，在时间上的效率优势上是人工难以比拟的。另外，除了时间效率，智能投资的逻辑也会对以人为主体的投资过程中的随意性进行有效的制约。投资的很多纪律，是反人性的。人性的任性往往造成情绪化决策，即便是优秀的基金经理也难以幸免。笔者曾写过“炒股的十三条纪律”，很多人虽然收藏了，但仍然很难做到。有一位优秀的基金经理，当时的同事对他的评价是“冷静得像一块石头”，这是对基金经理遵守选股原则和交易纪律的最高评价了，但如此优秀的基金经理毕竟是少数。人工智能，便是一个“冷静的机器人”。

投资哲学的优秀执行体系

笔者对基金公司的理解是：受人之托，替人理财，忠人之事。购买好的基金产品，核心评价当然是该基金公司的投资能力。一个优秀的基金公司，比人有好的投资哲学体系的指导，并在该公司长期的投资和研究实践中不断优化自己的投资哲学。如果一公司的投资哲学只停留在务虚的讨论上，而没有通过实践进行深刻检讨和改良，则很难形成真正有竞争力的投资能力。

百度用AI赋能金融，无疑给了投资哲学一个“智慧实践”的平台，让好的投资哲学能够在实践中不断进化，让好的投资哲学形成更加优秀的投资决策模型，形成真正的投资能力。比如：专精高效的机器学习技术支持。随着数据资源整合开发的深入，未来选股模型将面对更大规模、结构多元、信息丰厚的复杂性数据，这就需要更加适用于金融市场的算法开发、优化及应用；百度AI具有深度挖掘的情绪数据、舆情数据、热点数据、传统金融数据、分析师研报数据等，提升数据信息含量与质量、拓展投资决策依据的外延；此外，百度全面的生态体系，可以提供“特色数据资源”，以地理位置时空数据为例，行业基本面数据、非结构化数据或基于大数据创新的宏观经济指标等不同维度的特色资源，均能为选股和资产配置模型带来增量信息，在投资逻辑与运算能力得到保证的前提下预期能够提升整体业绩。

有很多曾经优秀的基金公司，由于基金经理和研究部门负责人的变更，导致该公司投资风格出现较大变化，投资业绩也受到影响。如果一个基金公司能够通过人工智能技术做好公司投资哲学的模型化，并在长期实践中实现智慧学习，推动模型的进化，在模型进化中，实现公司投资哲学的升华，则能在充分竞争的基金管理行业中，不断强化核心竞争力。

百发价值这款产品的上线，为传统证券与基金行业在产品创新上提供了新的思路。人工智能等技术的输出，让传统金融机构有了快速打造智能金融的阶梯。百度AI技术的开放，为传统金融机构创造了迅速跟进的机会，将极大地改变行业现状。在AI赋能的未来，或许将没有传统金融与新兴金融的区分，将共同开创智慧金融。

人工智能引领价值

篇2

关键词：人工智能技术;供水设备;电气自动化控制技术

人工智能技术在各行各业中的应用越来越普遍，极大地推动了生产效率的提高。作为一门边缘学科，人工智能技术属于自然学科和社会学科的交叉，涉及到的学科里面包括不定性论、控制论、计算机科学、心理学、数学、认知科学等等。在供水设备机械电气自动化控制中应用人工智能技术，能够有效地节约人力资源成本，提高供水设备的运行效率，减少供水设备的运行故障，推动供水企业的健康稳定发展。

1 人工智能技术

人工智能技术主要是对新设备、新技术和新理论进行拓展、研究和开发而形成的一种新兴技术。计算机发展的过程中，人工智能是一个重要的发展方向和组成部分，在该领域产生了各种应用设备，例如图像识别系统、语言识别系统、机器人等等。总体而言，人工智能技术是多个领域和技术的结合，可以使机械设备完成与人类智能相似的功能，从而达到提高生产效率的目的，减少人力资源方面的投入[1]。

2 在供水设备机械电气自动化控制中应用人工智能控制器

不同类别的人工智能控制器需要不同的研究手段，例如遗传算法、模糊神经或者神经算法等等，本文将人工智能控制器作为非线性函数近似器进行研究，从而对人工智能进行开发和研究。与普通的函数估计其相比，人工智能非线性函数计时器具有非常明显的优势，其在供水设备机械电气自动化控制中的应用也能够取得良好的效果。首先，如果使用普通的函数估计器，研究的过程中会遇到一些不确定性因素，对供水设备的稳定性造成影响。而使用非线性函数近似解，则无需将研究对象的模型建立起来，能够对个别对象进行便利的研究，从而推动了电气自动化控制系统在供水设备中的应用。其次，为了达到一定的目的，研究者可以对供水机械设备的性能进行调整，从而有效地提高供水设备的适应性。第三，与控制器或者普通函数估计其相比，人工智能非线性函数近似器在调节数据方面更加便利，能够对供水设备的数据进行便利的调节。第四，在设计供水设备机械电气自动化控制系统的过程中，设计者只需获取供水设备中的数据，就能够应用人工智能技术对其进行设计。在设计供水设备机械电气自动化控制系统时，只需根据其所响应的数据和语言，就可以完成全部的设计，极大地简化了设计过程[2]。

在反模糊化和模糊化的过程中，使用隶属函数、规则库、自适应性模糊神经控制器能够进行自动实时确定。

3 人工智能技术在供水设备机械电气自动化控制中的具体应用

本文以恒压供水中的AI 人工智能调节器为例，对人工智能技术在供水设备机械电气自动化控制中的具体应用进行了简要的介绍。

3.1 工作原理 该系统包括压力变送器、阀门、水泵、控制接触器组、AB-PLC-1756系统、AB软启动设备、AI- 808 人工智能调节器几个组成部分。由于水泵具有较大的功率，380V的低压电机5台供水，分别为2台355KW，2台220KW，1台160KW。

出水总管的压力可以由压力传感器进行检测，由变送器向AI- 808 仪表进行传送，通过比较设定值，将误差的变化率和压力误差得出来。使用AB软启动设备进行降压启动，使用AB-PLC-1756系统进行机组开、停控制，及检测各仪表，利用上位机组态软件RSVIEW32对全厂生产设备进行监控，通过各监测设备在上位机人员控制调节供水压力。AB软启动设备具有软启动功能，起动加速时间不超过30秒，并具有自行调节功能。在进行起动斜坡加速时，电机压力会不断上升，当电动机的压力已经到达额定的转速状态时，软启动器的控制器就会对其进行监测，并自动将输出电压切换为全电压。如果在30秒之内电动机就已经到达了额定转速，则可以进一步缩短启动加速的时间。

3.2 控制算法 供水系统的对象还有时变成非线性环节，一些参数会出现未知式的缓慢变化，如果要达到理想的控制效果，单独使用PID 控制是不行的。因此使用改进PID和AI人工智能调节器进行模糊控制，形成双模控制算法[3]。

3.3 AI-808人工智能工业调节器 AI- 808人工智能工业调节器具有参数自整定功能、模糊逻辑 PID调节的先进控制算法，能够通过模糊算法来避免PID的饱和积分。如果误差减小，则可以对PID算法进行改进，对被控对象的特征进行自动学习和记忆，从而优化控制效果。这样一来，即使对复杂的对象也能够进行良好的控制，具有参数确定简单、精度高、无超调的优点。

3.4 可编程控制器 可编程控制器的输出是继电器类型，主要使用Micrologix系列。水泵的逻辑功能主要由PLC来完成，无需设置模拟量的输入输出模块，有力地节省了造价投资。使用AI- 808人工智能仪表来进行系统的压力闭环控制。

3.5 控制台 手动和自动两种操作模式在控制台的设计中都有所兼顾，通过手动操作来单独开启或停止每一台水泵和阀门，并通过多圈电位器来对变频器的频率进行手动调节。如果处于自动模式之下，则可以通过开关来将需要投入运行的水泵选择出来。如果某台水泵需要维修，则可以令其自动退出运行行列，不会对系统正常运行造成影响。

4 结语

本文对人工智能技术在工程设备机械电气自动化控制中的具体应用进行了简要的分析，人工智能技术得到了迅速的发展，在各行各业中都得到了广泛的应用。应用人工智能技术的恒压供水系统，在民用供水系统和工业供水系统中都已经得到了应用，并取得了良好的应用效果，已经成为了供水设备机械电气化自动控制发展中的一个重要发展方向。

参考文献：

[1]孙斌.解析电气自动化控制中人工智能技术的运用[J].科技传播，2014（04）.

篇3

上周，沪深300指数下跌2.97%，计算机行业下跌10.52%，行业跑输大盘7.55个百分点，其中硬件板块下跌10.07%，软件板块下跌10.32%，IT服务板块下跌11.49%。个股方面，梅安森、达实智能、御银股份涨幅居前，汉邦高科、方直科技、东方通跌幅居前。

国际市场动态

IDC：今年VR设备出货量将超900万台；新加坡今年将让无人驾驶汽车上路行驶；洛杉矶富人区将建自动驾驶车队，提供公交服务。

国内市场动态

国务院：深入实施互联网+流通，促实体商业转型；百度在硅谷建无人车研究团队，年底超100人；百度地图宣布国际化，称目前国内市场份额第一。

A股上市公司重要动态信息

天玑科技：拟推731.5万股限制性股票激励计划；天源迪科：拟推1263万股限制性股票激励计划；长亮科技：拟3，700万购买深圳市国融信科技有限公司74%股权；神州泰岳：拟6，240万收购蓝鸥科技16%股权；绿盟科技：与阿里云计算有限公司签订《合作协议》；天玑科技：拟定增募资不超过8亿元投入智慧数据中心及智慧通讯云等项目；旋极信息：拟以自有资金3，000万增资航星中云；石基信息：与青岛海信智能商用系统有限公司签署《增资暨战略合作框架协议》；捷顺科技：与联合电子签署战略合作框架协议。

投资策略

上周，大盘震荡下行，上证指数跌破3000点大关，中小板及创业板同样出现明显回调，回调幅度较大。受市场整体低迷影响，计算机行业明显下挫并跑输大盘。具体来看，各概念板块均出现不同程度的下跌，其中人工智能、生物识别等板块跌幅相对较少，其他板块跌幅相对较深。

从本周的走势看，市场在经历震荡整理后出现短期向下趋势，由于基本面并没有明显变化，所以预计短期的调整幅度并不会太深，继续维持震荡走势的概率较大，计算机行业由于高beta特性而表现出来的波动性较大的特点更利于投资者选择优质个股进行波段操作。

篇4

P键词：人工智能；会计

中图分类号：F230 文献识别码：A 文章编号：1001-828X（2017）001-000-01

一、人工智能在会计领域应用及前景

人工智能即“关于研发人工构造出的可以模拟人的意识和思维方式的计算机系统的理论和应用，这些系统可以取代部分目前人类正在做的工作”。对于人工智能的定义，莫衷一是，但人工智能如今在日常生活中的应用却很常见，例如苹果的Siri。人工智能是对人的智力的模仿再生，导致人的思维永远会先于计算机一步。

在如今的高速信息化时代下，纵观整个会计领域，不难发现，由于各种会计处理软件和人工智能的应用，过去从事手工填制凭证、记账、对账、结账这些繁琐的工作的人正在悄无声息地被替代。相比较而言，人工智能比这些人完成的工作更加出色、效率更高，处理昔日会计工作的人，不得不成为智能化的淘汰品。会计的基本职能正潜移默化地在发生改变。

具体而言，人工智能引入会计行业可以避免由于人的失误而造成的会计信息错误的问题，为管理决策、业务投资分析提供可靠的数据支持。同时，人工智能可以使业务效率明显提高，对于技术含量低、简单重复的工作，人工智能可以在高强度工作下仍然高效运行。如此以来，企业运用人工智能解决日常大量发生的标准化工作，精简核算类型员工，既提高了效率又节约了成本。在信息爆炸的时代，人工智能凭借其强大的计算能力、海量的信息储存以及高强度运转的工作能力，在信息采集等方面也发挥越来越重要的作用。

不置可否地是人工智能不仅代表了先进科技的高速发展，同时也带来更丰厚的经济利益。人工智能的应用范围也会随着社会发展从大型企业逐步扩展到中小型企业，其功能也会日臻完善，从财务核算逐步扩展到为财务决策提供信息等领域，智能会计的发展前景明朗广阔。

二、会计是否将被人工智能完全替代

2014年《经济学人》的调查数据显示，未来20年最有可能收到人工智能冲击的行业中会计位于前三甲。在国内，国务院常务会议通过了《装备制造业标准化和质量提升规划》，工信部等部门也了《机器人产业规划2016-2020》，意图指导机器人产业蓬勃发展。人工智能的发展如此受器重，会计人员面对的挑战空前严峻。

因此，人工智能真将会计完全替代，会计行业中的人都将面临重新选择新的工作领域的窘境？答案是否定的。

如今会计行业正朝着一个更加多元化、全球化的复合型方向发展，由于如今的经济信息时代地迅猛发展，越来越多的企业步入了国际化的轨道。对于这些企业进行合并重组、融资上市、跨国合作……都需要会计的辅助指导。

人工智能缺乏人类所特有的主观能动的创造想象力。人工智能由于其根据特定的情形，提前设计好运行程序，在一旦遇见新的情形，就无法进行处理。人工智能是没有意识的机械的物理操作过程，相反人类的智力在于心理活动过程。人的大脑在凭借直觉判断、运用逻辑推理等方面完全碾压人工智能。所以，涉及主观判断，无法利用规则来约束衡量的问题，必须具备会计知识的人来处理。

三、会计行业重新定位于转型迫在眉睫

在人工智能被引入到会计工作中，普通核算类型工作的岗位势必减少，但财务人员不会完全被人工智能取代。分析目前国内的会计人员的结构布局，清晰感受到呈现两极分化的态势。会计行业的普通核算类型的人员已达到饱和，但高水平的财务管理人才仍是凤毛麟角。高级应用型与复合型人才在社会上青黄不接。对于企业而言，需要的也是能够为企业宏伟蓝图出谋划策的高级会计人员。审时度势地转变自身职能，努力提高自身能力素质，能人之所不能即做人工智能无法企及的事情是会计人员的首要选择。

（一）转变传统的思维模式与观念

在许多外人甚是会计工作人员看来，会计是一个埋头算账、记账、整理数据的“管家”，每天就是管理着物料、钱的收支，这种观点明显早已过时。会计如果一直沿袭成规，因循自己习以为常的做法，思维定式，不接纳新型思维方式，一味胶柱鼓瑟，只能成为“优胜劣汰”竞争中的淘汰者。

（二）专业知识学习无止境，顺应科技发展潮流，提高竞争力

在新的环境下，战略管理型人才是我们每个会计人员努力的方向。如果知识内容片面而且结构老化，就只能重复进行简单、机械的基础工作，毫无疑问会被人工智能取而代之。一个财务人员不能简简单单的看见账簿上面记载的数据，而要利用这些数据看到公司背后的实际情况，为公司发展壮大统筹规划。即需要的是一个对会计知识、行业法律法规、管理决策和现代科技综合掌握的高精尖人物，拥有评估判断、预测决策与人机协调多方面才能的复合型人才。

（三）向人工智能会计领域的开发进军

会计处理问题的思维和方式会因不同问题而改变，考虑的范围也会随时间的变迁而不断扩大，这些都会使人工智能在会计领域的开发异常复杂。如果储备大量会计知识与经验的人员，从事于智能会计的开发与维护，重新发掘自身的价值，既是会计人员的新出路又会对会计的发展做出一番新的推动。

四、结语

人共智能引入会计行业并不昭示着会计职业的灭亡，随着科技不断地发展，人工智能对于简单机械的工作的完全替代是理所当然的，会计遭遇如此挑战也是社会进步的必然结果。面对这一重大的技术革新，无论是会计工作者还是会计专业学生，都应以积极的态度主动从容面对，重新进行职业定位，从过去腐朽错误的观念中解放出来。面对新兴技术的发展，不能因为恐惧而闭门造车、对其进行排斥，而是保持警醒的态度来发展与提升自己，坚信挑战与机遇并存。

参考文献：

[1]黄杰.人工智能下会计人员的“危”与“机”[J].现代经济信息，2016（12）.

篇5

银华大数据拟任基金经理张凯对此表示，人工智能做投资是把已有的人类的投资思维，用计算机程序的方式实现并执行，这样可以拥有更快的计算效率，更少的犯错几率，同时把具有主观能动性的人解放出来去探索更多的投资机会。

大数据应用于选股和择时策略

张凯表示，人工智能的研究已经半个世纪了，随着计算能力的提升和应用场景的丰富，未来有望形成技术供给和应用需求上的共振，对该板块的未来表现非常期待。

大数据既可以用于研发资产配置策略，也可以用于选股策略：不同的数据源，对应不同的策略。张凯表示，从“大数据”到“投资”，是通过基于数据的投资策略来实现的。投资策略的核心逻辑来自长期投资实践中积累的经验，银华用证券大数据对逻辑的有效性进行验证，并找到能反映投资逻辑的具体指标，进而构建出投资策略。

张凯表示，银华大数据基金的优势体现在三方面，信息处理、投资策略以及人为主观性。该基金构建了两种资产配置策略和四种股票选择策略。择时策略第一类是基于宏观及行业景气度数据，包括货币供应量、流动性、PHI、经济同步指标、先导行业景气度、通胀等；第二类是基于市场行为及情绪数据，包括基金仓位、期指持仓及升水率、股票账户活跃度、分析师情绪等。

“基于宏观及行业景气度的数据对应的是中长周期的择时策略，基于市场行为及情绪的数据对应的是短周期的择时策略，二者影响权重各为50%，共同决定基金组合的仓位和大类资产配置，在择时上实现了长周期与短周期的均衡，提升了策略在不同市场波动下的稳定性。”张凯说。

基金的四种选股策略

张凯表示，该基金的选股策略分为四种：股票关注热度策略、分析师荐股策略、财务多因子策略和公告事件驱动策略。

“四种策略对应四类数据来源和四种投资逻辑。”张凯称，“股票关注热度策略选择互联网关注度高的强势股票：卖方分析师推荐策略选择被最多优秀分析师推荐的股票；财务多因子策略选择基本面质地优良且低估最多的股票；公告事件驱动策略选择出现驱动股价走强的突发事件的股票。”

篇6

Abstract： Based on the existing process of landscape design， this paper analyzed the problems， and improved it through artificial intelligence technology， and focused on the advantages of artificial intelligence and the implementation process. It focuses on analysis of the application of expert system and Intelligent CAD technology in the design. In practical application， this system basically achieves the intended functionality， and has a great deal of help for the landscape system design in practical application.

关键词： 人工智能；园林设计；专家系统；智能CAD

Key words： artificial intelligence；landscape design；expert systems；intelligent CAD

中图分类号： TP39 文献标识码：A 文章编号：1006-4311（2012）32-0217-02

1 现有园林设计所面临的问题

随着人们环保意识的提高，绿化已成为城市建设中的重要一环，而园林的设计与建设更是城市绿化的重要组成部分。园林设计是研究如何应用艺术和技术手段处理自然、建筑和人类活动之间复杂关系，达到和谐完美、生态良好、景色如画之境界。艺术的设计通过设计者的艺术修养能够很好的完成和提高，但是在工程技术方面，却会面临很多问题，主要有以下几个方面：

1.1 由于系统本身的原因，参与设计的人员需要有非常广的知识面，不光计算机知识要懂，建筑知识，植物知识等等都需要精通，这对工程技术人员要求太高，不易实现。

1.2 所设计园林重用性很低，由于不同地区的气候，地形等原因，使得设计的园林系统不能在其他地方得到复制，浪费较多人力物力。

1.3 现有的CAD技术只能给客户提供单一图形，客户很难在设计成型前看到效果，不利于技术人员与客户及时沟通。很容易造成设计人员与客户想法的偏差，造成损失。

2 智能园林系统的设计

本系统完全按照园林规划设计的流程，用计算机模拟了园林规划设计的各个环节。每一个环节不仅可以独立成为孤立的环节，同时也动态关联影响到其他环节的结果，方便了各环节的设计人员、评审人员的协作、交接，并且使园林的设计过程可以迭代修改。

根据一般的园林规划设计流程，本软件分如下几个子系统：

2.1 项目概要设定子系统 用计算机进行建模的前提，首先是需要对项目进行基本设定，以确定项目自动生成的基本规则。之后把搜集到的信息，输入计算机，需要输入基本信息有：建设规模、投资规模、是否可持续发展、服务对象、地理位置、气温、光照、季风风向等等。这些信息会作为全局的参数，影响计算机的推理结果。如建筑面积、建筑风格、植被花卉的选型等等。

2.2 地形子系统 地形子系统实现的目标是用输入的地质勘测数据根据推理机计算，输出目标园林的地形设计图。首先，需要人工处理的是地质勘测工作，这是目前计算机无法取代的。勘测工作根据又分前期的粗堪和后期的细堪。粗堪的目的是为了初步评审或投标准备的设计初稿，投入的人力较少获得勘测数据也较粗糙。细堪的目的是为项目施工准备施工图纸，需要对整个现场做详尽的勘测。我们的软件系统，可以在粗堪与细堪的数据间做平稳的过度。输入粗堪数据后，再次输入细堪数据，系统会自动细化修正设计结果。这里需要输入的勘测数据包括基地现状图、等高图、水文分布图、土壤酸碱性分布图等，作为推理机的输入参数。之后，推理机会参考之前步骤输入的基本信息，包括建设规模、投资规模、是否可持续发展、服务对象、地理位置、气温、光照、季风风向等数据，同时参考一般园林的基本设计规范以及现有其他园林的设计，演绎推导出地形的初步模型。

我们选用了规则引擎作为推理机。规则引擎起源于基于规则的专家系统，而基于规则的专家系统又是专家系统的其中一个分支。专家系统属于人工智能的范畴，它模仿人类的推理方式，使用试探性的方法进行推理，并使用人类能理解的术语解释和证明它的推理结论。利用它就可以在应用系统中分离商业决策者的商业决策逻辑和应用开发者的技术决策，并把这些商业决策放在中心数据库或其他统一的地方，让它们能在运行时可以动态地管理和修改，从而为企业保持灵活性和竞争力提供有效的技术支持。简单地说：让程序的业务逻辑可以通过规则配置进行处理。

本次开发中采用了作为规则引擎。是.NET版的Drools，基于Charles Forgy的RETE算法的开源的业务规则引擎。推理的总体规则如下：

R1：输入建设规模、投资规模、是否可持续发展、服务对象、地理位置、气温根据一般园林的基本设计规范计算出绿地占比、水体占比、空地占比、建筑面积、地形改造费用在总体造价中的占比等。

R2：输入等高图和R1的结果数据根据园林设计模板数据库，计算出中推荐地形。

R3：用推荐地形等高图和原始等高图计算出总进、出土方量。用土方定额表，计算出造价，是否符合投资情况。

R4：用推荐地形图，根据园林设计模板数据库划分出绿地、建筑、水体、空地的区域。

R5：人工调整地形模板、地形设计细节、区域划分等，放入R2、R3、R4的规则中迭代计算，得出满意的结果。

2.3 主干道路子系统 主干道路子系统实现的目标是用地形子系统输出地形数据生成主干道路。地形设计完成后，在开始其他设计开始前，首先需要设计道路，以避开同时圈定建筑、花园和树木等。推理的总体规则如下：

R1：根据建设规模、投资规模、是否可持续发展、服务对象等，计算出道路的选型（柏油、水泥、鹅卵）、费用在总体造价中的占比等数据。

R2：根据之前输出的地形，生成推荐道路图。

R3：道路的密度符合园林设计规范。

R4：用推荐道路图，根据道路建设定额表，计算出造价，是否符合投资情况。

R5：人工调整道路图，放入R2、R3、R4的规则中迭代计算，得出满意的结果。

2.4 建筑子系统 有了地形和主干道路的设计后，园林的区域已经被划分清楚了。接下来，建筑、树木、花卉的设计可以并行进行，为了描述方便，我们从建筑系统开始介绍。

建筑系统的目标是生成园林中建筑的设计图。推理的总体规则如下：

R1：根据建设规模、投资规模、是否可持续发展、服务对象等，推导出设计风格，并计算出建设费用在总造价中的占比等数据。

R2：根据之前输出的地形图和主干道路图，参考R1推导出的设计风格和建筑设计模板库，生成推荐的建筑设计图。

R3：用推荐的建筑设计图，根据建筑建设定额表，计算出造价，是否符合投资情况。

R4：人工调整建筑设计图，放入R2、R3的规则中迭代计算，得出满意的结果。

2.5 树木、花卉子系统 树木、花卉子系统的目标是生成园林中的树木、花卉分布图。推理的总体规则如下：

R1：根据建设规模、投资规模、是否可持续发展、服务对象、地理位置、气温、光照、季风风向等，推导出树木、花卉的选型，并计算出建设费用在总造价中的占比等数据。

R2：根据之前输出的地形图和主干道路图，参考R1推导出的数据与树木、花卉数据库，生成推荐的树木、花卉种植分布图。

R3：树木、花卉的种植位置，参考地质土壤图（酸碱性、地下水位），推导出是否合适种植，如不合适种植，推导出是否需要移动树木、花卉或改善地质土壤。

R4：用树木、花卉种植分布图，根据树木、花卉定额表，计算出造价，是否符合投资情况。

R5：人工调整树木、花卉种植分布图，放入R2、R3、R4的规则中迭代计算，得出满意的结果。

2.6 水电管网子系统 地形、主干道路、建筑、树木、花卉设计完成后，需要设计相关的路灯、房屋、厕所、喷泉、灌溉等系统配套的给水供电系统。推理的总体规则如下：

R1：根据建设规模、投资规模、是否可持续发展、服务对象等，计算出水电管网系统的建设费用在总造价中的占比等数据。

R2：根据之前输出的地形图、主干道路图、建筑设计图、树木花卉种植分布图等，生成推荐的水电管网图。

R3：用推荐的水电管网图，根据水电管网建设定额，计算出造价，是否符合投资情况。

R4：人工调整水电管网图，放入R2、R3的规则中迭代计算，得出满意的结果。

2.7 图纸、图表输出子系统 在完成园林各个环节的设计后，需要输出相关的图纸进行评审与施工。本系统可以输出的图纸有：

总平面放样定位图（方格网图），竖向设计图（土方地形图），主要剖面图，土方平衡表（包括总进、出土方量），水的总体上水、下水、管网布置图，主要材料表，电的总平面布置图、系统图等。

由于采用计算机程序处理的优势，输出的各种图纸图表有如下优点：①各专业的图纸相互一致，可以自圆其说。②各专业图纸有准确的衔接和连续关系。③出图快，所见即所得，设计完成后，可以一键导出各种专业图纸，节约排版时间。

3 结束语

以上介绍了人工智能在园林设计中的应用具体的实现过程。人工智能研究处于计算机科学结构中的上层，由于之前软硬件条件上的限制，很长一段时间都没有突破性的进展。当前，软硬件的基础已经打好，人工智能的研究突破到了一个临界点，所以科研人员应该加大对其关注的力度。

参考文献：

[1]尼尔逊（N.J.Nilsson）著，石纯一译.人工智能原理.

[2]刘白林主编.人工智能与专家系统.

篇7

关键词：人工智能；农业企业；财务

当前国内农业企业数量众多，业务内容多种多样，规模大小不一，资金数量悬殊，技术水平存在较大差距，财务管理设备、理念和财务工作者的业务能力也有一定差异，财务实践形式多样化，与现代企业财务管理的需要形成较大差距。因此，人工智能赋能农业企业财务管理有着广阔的发展空间。

一、农业企业和农业企业财务

（一）农业企业

农业企业一般指以农业经营为主，采取独立核算的农业经济单位。从狭义上来看，它指的是采取独立核算的农业经营生产单位。当前农业生产经营越来越多地和相关联机构、部门融合，农业生产经营活动日益延伸至产前环节与产后环节，催生一大批一体化、综合性的农业生产经营企业。如此一来，农业生产、农产品销售与加工、为农业服务等方面的企业，均应被列入农业企业的范围内。所以，农业企业指的是在一定场所，集合土地、劳动力、技术、资本、设备等多种生产要素，开展农业生产经营活动，为消费者提供包括天然纤维、食物等内的动植物产品与相关服务；在承担风险与利润动机的条件下，采取自负盈亏、独立核算、独立经营的农业经济单位。本文采取这种农业企业的广义定义。

（二）农业企业财务

农业企业财务管理受到农业细分领域彼此借力的影响，经营多元化、产品多样化的现状导致农业企业繁多的财务会计内容。相应地，农业企业的财务管理工作也充分体现出农业生产经营的特点，需要单独核算相关细分领域的成本费用与多种类型的非生产性开支。农村地区的管理机制比较复杂，通常情况下农村地区采取双层经营、统分结合的管理制度，服务于农业生产经营活动的生产经营活动。当前，农业企业的财务管理工作需要适应统一化、现代化、数字化、信息化的发展趋势。农业企业急需利用物联网、大数据、云计算、智能化、移动互联网等人工智能科技进行财务会计操作，进而持续提升财务管理的效能。

二、人工智能与农业企业财务的融合

（一）人工智能

1955年认知学家、计算机科学家约翰麦卡锡在达特茅斯会议上提出关于人工智能（ArtificialIntelligence）的设想是关于“制造智能机器的工程与科学”。从本质上来讲，人工智能指的是让机器像人类那样思考与行动，进行深度学习与自我学习，理论上能够对人类思维进行模仿，得出相应结论与拥有智慧。国务院2017年7月印发《新一代人工智能发展规划》，其中明确要求“大力发展智能农业，构建典型农业大数据智能决策分析系统，推广示范智能牧场、智能化植物工厂、农产品加工智能车间、智能化植物工厂、智能农场、智能渔场、农产品绿色智能供应链、智能果园等集成应用”。智能意味着，计算机能够加工、采集相关信息并结合自身知识经验与现有阅历，获得问题处理的能力。人工智能指的是，人们将特定程序输入计算机，计算机系统经由学习和运用有关应用程序，并采取相应的解决办法来解决生产工作生活中的问题。人工智能是一门综合性强的新兴学科，涵盖控制论、管理学、信息学、逻辑学、数学等诸多领域。人工智能技术能够适用于农业生产的不同阶段，对农业生产经营的产后、产中与产前阶段实施全产业链监控，在此基础上推动农业生产经营的高产化、高效化、集约、优质化、安全化、生态化等，助力企业实现可续发展的目标。

（二）人工智能赋能农业企业财务的优势

人工智能赋能农业企业财务的过程中，要充分发挥智能对财务管理的推动和改善，打造智能财务。智能财务要求智能化技术、设备覆盖企业的财务流程，它包括三大层面：首先是以财务与业务融合而成的智能化财务共享平台，它也是智能财务的前提和基础。其次是以商业智能为基础的智能化管理会计平台，它是智能化财务的重中之重。再次是，以人工智能为基础的智能财务平台，能够推动智能财务的可持续发展。第一，促进业财有效融合。土地及针对性的劳动工具、资金、劳动力等基础资源，是农业企业开展生产经营活动的首要生产资料。农业企业的生产经营随着这些资源的变动体现出鲜明的季节性、地域性，这也是影响农业企业生产经营时间和周期的显著特征。众所周知，大数据、云计算、移动互联网、物联网等人工智能技术如今和农业生产经营的结合日益密切，赋能具有典型行业特征的农业财务会计业务，积极助力农业企业的发展。人工智能背景下，大数据、物联网、云计算放大企业财务科核算的工作的自动化与数字化，农业企业的业务财务融合趋势持续加速。此处的智能主要是指人造的感知智能和认知智能。基于现代财务管理丰富、工具和理论，利用人类财务专家和人工智能机器（基于人造的认知智能与感知智能）组成更强大的人机协同智能系统，在双边动态开展复杂的农业财务管理活动中延伸、扩大与部分代替人类财务专家的各种财务管理工作，进而开展能够创造更多价值的战略、管理活动。第二，推进实施监督审计。它借助各种人工智能会计对相关业务活动进行监督，进而深度挖掘农业企业财务数据和信息背后的经营管理状况；持续改进财务分析质量和水平的同时，提升其对业务工作的改进与落实。与此同时，它可以发现与反馈存在的各种风险和问题，从财务管理、预算编制和资金分配的视角设计出更优化的经营管理模式。通过综合分析企业的资产规模、资金筹集分配、投资盈利水平等信息，以科学的财务分析助力未来发展规划和管理决策的科学性和科学性。第三，发挥管理会计职能。构建以商业智能为基础的智能化管理会计平台，是智能化财务的重中之重。在此过程中，要合理打造农业企业的人工智能财务体系，综合多种会计知识、计算机技术和信息技术等，综合经营分析、财务决策、会计报表分析与预算管理等等多种功能，更高效、更精准地处理农村企业的财务会计信息。助力管理、决策、财会的高效性与科学性。双汇集团财务系统的财务机器人流程中用到的自动化技术，是典型的电脑模拟技术，在财务会计活动中通过模拟财务管理与会计核算的具体操作流程，结合机器人的自动化流程开展财务，多技术融合的优势，成本控制的实现、工作效率的增强都得以体现。在此基础上，基于人工智能的智能财务平台才能逐步构建起来，有效推动智能财务的可持续发展。河南省不少农业企业纷纷利用芸豆会计智能财务管理系统，其智能化、全自动的财务系统借助人工智能科技、图像识别技术使传统的人工财务记账转变为如今的人工智能处理财务信息，形成了更加标准化、更智能化的记账理财记账流程。它充分发挥管理会计的职能，将服务于当地农业企业财务管理当作重中之重，为大量农业小微企业、财务企业提供多元化、专业化的财税综合服务平台，持续强化其管理会计职能。

三、人工智能赋能农业企业财务的主要渠道

如今一些农业企业主不懂得借贷记账法和财务会计业务，又面临着压缩劳动力成本和企业开支的压力。为了提升财务管理效率，它们邀请各类专业做账企业采取各种技术性财务软件，通过扫描各类原始凭证，使其自动生成政府机构认可的财务报表；在剖析财务报告的过程中发现更多审计漏洞，改进审计手段与方法。会计计量领域的公允价值计量以会计信息相关性为基础人工智能促进业务财务的有效融合，从实时获取的海量数据中获得更大的公允价值，切实增强会计信息领域的相关性。

（一）人工神经网络

人工神经网络系统涵盖大量的网络神经，是传递财务信息的关键途径，它能够精准而快速地传递财务信息和数据。人工神经网络有BP、ART、RBF、HOP等多种网络，采取类型众多的处理单元，对人脑神经系统的相关机理和操作进行模拟，依据差异化的联结方式组合而成相应的网络。它通过学习知识库、自主学习、深度学习、修改推理机的，帮助人类扩展对各种外部世界的深刻理解与智能化控制。这些以人工智能为基础的网络神经系统，通过模拟人类的神经系统，对为数众多的财务信息和数据进行处理，依据各个板块的要求提升财务信息数据分类的准确性和科学性，然后交给专业化的财务管理子系统处理，完成后分类整合全部的财务数据和信息，并返回原处。如今它已经被普遍运用在农业龙头企业等各类公司的财务管理活动中。如中粮集团有限公司作为国内著名的农业产业化龙头企业，其基于人工神经网络的智能财务管理系统综合BP、ART、RBF、HOP多种神经网络。基于BP神经网络财务系统，侧重于函数逼近、分类、预测和优化等诸多领域。该公司以期进行纳税评估、战略财务管理、风投项目评价等多个领域。ART网络重点用在财务信息挖掘、财务数据质量控制、深度挖掘隐蔽性强的财务数据和信息，财务危机报警与财务诊断等多个领域。RBF网络聚焦该集团的客户关系管理业务与相应的施工项目造价评估等活动，HOP网络则被广泛运用到该企业的工程技术领域中。

（二）财务管理专家系统

就财务管理专家系统的字面意思而言，这种人工智能系统达到专家级别的专业化学习、理解、运用和分析能力。财务管理专家系统作为一种非常典型的智能程序系统，可以借助人类专家的问题解决方案、各种理论、经验、方法和知识，化解财务领域的各种复杂问题。财务管理专家系统能够依托计算机能够在非常短暂的时间内获取大力的专家知识，且永久保留专家知识、易于复制和快速转换，其分析判断能力不会受到环境的较大影响。与人类专家相比，它的成本相对比较便宜，能够在很大程度代替相关领域的专家。如今用友、友强等不少财务软件开发公司纷纷开发出基于云存储的农业企业财务管理专家系统，农业企业能够通过租借的方式获得这些人工智能技术。北京大北农科技集团作为一家著名的农业高科技企业，如今已经成长为以种业、饲料为主体业务，以植物保护、动物保健、生物饲料、种猪、疫苗为辅的农业大型知识企业。它采取友强财务公司开发设计的财务管理专家吸引，以有效化解企业财务会计领域中难以解决的复杂问题，合理而科学借助该专家系统化解这些难题。它借助人工智能技术，对复杂的各种财务问题进行转化，使它们成为一个个易于解决的、难度不大的子问题，并逐步解决这些子问题，再经由财务管理专家系统从整体上进行综合和优化，从而形成更科学的财务管理解决方案。当前国家正在大力推行“金三”系统，它充分利用大数据分析技术，完善财务指标分析机制的设计和建设。它能够从农业企业的海量申报数据中比较和获取非正常的各种财务指标，强化国家对农业企业的财务监管。审计专家、金融实务人才、财务分析师在财务会计实务中积累了珍贵的、不成文的经验与知识。这些知识和经验应通过相应手段，被保存和累积到专家系统知识库中，以有效发挥专家专业的知识技能优势，更有效地提升农业企业的会计财务管理质量和水平。

（三）智能识别提高全样本审计效能

农业企业利用人工智能财务管理技术，可以快速而准确地识别和处理海量的财务会计信息，它可以规避传统抽检的舞弊风险、审计面不够宽泛、重大人为失误、耗时较长、效率较低等诸多问题。德勤会计公司为世界上不少农业企业提供基于人工智能技术的全样本审计服务，尽可能地消除人为因素导致的不利影响。整个操作过程的业务风险得以降低，记录追踪准确而全面。农业企业的合规审计业务得以实现“全查”，以更加智能化的方式完成各个任务的相应步骤，能够当作审计证据并满足合规要求。这是因为，人工智能财务会计软件具备较强的光学扫描、自然语言处理等性能，能够从农业企业数量庞大的财务信息中识别出关键的审计内容，自动做好财务会计的审计归纳。它可以化解人工难以准确快速提取样本关键性材料的问题，对传统审计流程进行优化、劳动力得以从繁重的脑力中解脱出来。同时，财务信息采集和审计内容提取的精度和速度得到显著提升。

（四）各层财务人员积极适应

整体来看，财务会计队伍的角色要持续转型，发挥“军师”、“参谋”的决策支持功能。要以引入的人工智能信息系统为支撑，顺应管理会计领域的发展和智能化、信息化财会系统的深层次变革，适应智能财务的快速发展。大型农业企业财务会计队伍中的基层、中级、高级会计人员面对人工智能日益广泛运用于财务管理的形势，都应积极行动起来。首先，基础会计人员要做好报销、传输、整理、制单等重复性、简单化的财务工作。要掌握更多角度、更多层面的财务会计知识，实现自身专业、职业的不断发展，成长为人工智能无法代替的复合型专业化人才。其次，中层财务工作者要做好企业报表的统计分析、数据处理加工、成本管控等，首先要转变财务管理的思维，从之前的财务思维过渡到决策助力和管理会计层面，持续放大财务会计管理的眼界和格局，强化相关经济业务的管理与预测，协助处理公司风险处理和公司战略，促进企业的平稳尽快发展。要充分利用各种人工智能处理简单化、重复性强的业务工作，并以此进行精准科学的数据分析和统计结果研读，实时跟踪财务信息，并做出有效判断，逐步提升工作效率。再次，高级财务工作者要充分把握企业的资金调度、资本构成决策、投融资成本使用与风险、业务风险分析等；要保持对经济环境、政策、市场等的敏感。不断熟悉所在企业的具体业务模式，参与企业发展战略的制定，制定与公司发展相适应的财务管理规划。以财务资金的使用和调度助力投资融资决策的科学性，从而实现关联方采访、利润最大化等多个目标。

结语

随着乡村振兴战略的深入实施和农业产业的高质量发展，包括人工智能在内的科学技术对农业的支持力度日益提高。各级会计人员要持续丰富业务知识和操作技能，在深入动态挖掘财务会计信息，促进多种数据源的有效聚合，洞悉企业发展变化的态势。通过打造基于人工智能的财务共享中心，形成更加规范的财务记录和会计报告。以人工智能的显著优势推动业财融合、全面审计监督，促使数据信息利用效率增加、财务活动精细化程度提高。农业企业要持续发挥人工智能科技“军师”和“参谋”功能，推动企业正确决策、精细化管理、战略规划实施。

参考文献

［1］国务院.新一代人工智能发展规划［Z］.2017-7-8.

［2］王京京，马雄风，李丽霞等.人工智能技术在农业科研财务管理中的应用及前景［J］.农业展望，2018，14（04）：58-60+81.

［3］李嘉欢.人工智能下财务决策支持系统的机制与实施路径研究［D］.首都经济贸易大学，2019.

［4］陈金凤.浅议人工智能时代企业财务会计向管理会计的转型［J］.现代商业，2020（17）：181-182.

篇8

姜姝姝 本刊副总编辑

他是85后，也是国内最知名的智能机器人平台的创始人兼CEO。他是公认的阿兰·图灵粉丝，他为自己创业的机器人引擎命名为“图灵机器人”。他的期望是在未来，每个机器人都有一个聪明的智能大脑，每个人都能拥有自己的个性化机器人。

俞志晨，刚过完了30岁的生日，正式步入而立之年。“今年生日跟机器人一起过，有意思，而且赶上公司今天搬新家，太赞了。”在生日当天，俞志晨在朋友圈记录了这样一段文字，同时还上传了他和著名的NAO机器人一起吹蜡烛的照片。

对于大多数关注机器人的人来说，与俞志晨一起出镜的法国知名人形机器人NAO并不陌生，它是全球人形机器人的代表，全身具备数十个传感器及自由度，能够做出跳舞、单腿站立等高难度动作。有着Q的外形，讨人喜欢的同时，还具备一定程度的人工智能和一定程度的情感智商并能够和人亲切的互动。

在国内，该机器人因为接入了“图灵机器人”大脑，用户可以通过中文语言的方式与NAO机器人直接互动，而接入了智能大脑的NAO机器人却能够准确的理解中文语音指令并做出相应动作。有了“中国大脑”的机器人NAO也经常出入各大展会和活动场所，成为新一代机器人的代表之一。从某种程度上来说，“图灵机器人”因为和NAO的合作火了，俞志晨这个85后的创业者也频繁出现在媒体面前。但有不少人更倾向于这样点评：“这个年轻的AI（人工智能）团队做出的创业产品不火才怪”。

俞志晨虽然年轻，但他的经历已经牢牢打上了AI的标签。大学时，他就师从于人工智能专家贺仲雄教授，对人工智能领域充满痴迷；和他一起创业的小伙伴郭家是他大学里志同道合的好友，他们一同学习了AI课程。从北京交通大学毕业后，两人又一同在AI领域工作。2009年开始，俞志晨和郭家开始商量自己创业，随后叫上几个好友，一起创办了北京光年无限科技有限公司。

第一个创业项目的切入点准确来说是移动互联网和AI的结合，俞志晨那时发现，人们通过手机去获取信息和服务还不是很方便，很多时候需要手写输入，而很多程序的启动也很繁琐。“我们当时就在想有没有更好的方式能够让客户以最简单的方式来获得信息和服务。比如，我们只需对着手机说一句话：‘订一张明天上午去广州的机票’，它就能直接把结果反馈过来，节省掉中间过程。围绕这个初衷，我们做了一款APP叫虫洞语音助手，早期定位其实是获取信息和服务的一个工具。”

从智能语音产品开始

一直以来，语音类的技术都属于“高精尖”，虫洞语音助手这个产品现在看来也仍然是一个非常理想化的产品，它基本上融合了世界上最难的几个技术，包括语音识别、语音合成、语意理解等等，其中的每一个环节都很难突破，所以这个领域的技术攻克无论对巨头公司还是创业团队的挑战性都是一样巨大。

“并不是有钱就可以做好，包括苹果推出的Siri也并不理想。”俞志晨回忆着，虫洞语音助手算是做得比较早的产品，2012年产品就面世了，正赶上苹果推出Siri，那个时候国内能做的只有俞志晨团队一家，而百度、搜狗这些巨头公司差不多到2012年底或2013年初的时候才跟上这类项目的进度。

对于创业者来说，最重要的事情就是，有正确的想法，同时还要有正确的时机，Siri从第一个原型到第一个商业化版本花了17年的时间。如果之前推出来，可能语音识别技术也还没成熟，用户也很难接受；但是当iPhone推出来的时候，Siri的创始人就知道时机到了。而虫洞语音助手的推出也正是踩准了点，再加上虫洞在语音和问答系统这一块做得确实比较好，有一定的技术优势和大数据积累。所以产品推出来之后，虫洞语音助手在整个2012年的市场都很火，俞志晨团队不仅拿了第一笔天使投资，包括一些大的厂商也来找他们做合作内置。

当然，创业前期是非常艰苦的，在没有拿到投资之前，因为俞志晨是85后，毕业后工作的时间并不长，早期的几个创业者也情况类似，有一个共同的特点是——都没有钱。“那时候，他们每天除了睡觉、吃饭都在开发程序，5年用坏了五六个鼠标，淘汰了三台电脑，想了上百条创业点子，向投资方发出过几百封邮件，看了数不清的学术论文。半夜工作的时候，蟑螂、老鼠满地爬，就是这样挺过来的。”

语音助手和机器人是两码事

虽然在2013年底的时候，虫洞语音助手的用户数以及使用量都很惊人，装机用户超过4000多万，但是很多人已经开始察觉到类似Siri这样的产品其实还不够成熟，俞志晨此时也思考了很多关于未来发展的问题，他清楚意识到语音助手和人工智能、机器人还是很不一样的。

他认为，Siri以及虫洞语音助手的推出其实是开了一个头，之后的智能交互技术和产品将扩展到更多领域，包括智能家居、电视、车载等方面，而作为重要分支的语音智能也将朝着不同的方面去拓展和延伸。

在俞志晨看来，第一个延伸的方向就是语音搜索。百度、搜狗，包括谷歌在做这个产品的时候，更多是把语音识别当成是一种输入法，是一种文字转换的工具，本质还是搜索。只是把“我饿了”这句话，变成“我饿了”三个字，然后去搜索框里搜一下，是语音搜索这么一种形态。另外一个方向像微软的小冰，可以对话。俞志晨也开始思考按照虚拟化的机器人方式去做一个更深度的产品。“比如说，在百度里面说‘滚蛋’，它会给你搜出来一堆网页列表。但你在我们产品里面说‘滚蛋’，他就会回答你说：‘那我滚了’。它是在跟人互动，跟百度、搜狗的定位是不一样的。我们要做一个虚拟的人工智能的‘小伙伴’，我们希望这个机器人可以像一个人一样跟你能够互动和交流，这才能叫‘智能交互’。”

确定好方向，俞志晨和团队在2014年年初就开始转向机器人，半年之后产品的时候，正赶上机器人的发展热潮，而这个名叫图灵的机器人也很快被业界熟知。

阿兰·图灵是世界上第一个把计算机实际用于数学研究的科学家，也是第一个提出利用机器实现逻辑代码的执行，以模拟人类的各种计算和逻辑思维过程的科学家。这是后来设计实用计算机的思路来源，成为当今各种计算机设备的理论基石。所以，俞志晨将自己的心血命名为图灵，在一定意义上是为了纪念这位大师和偶像。

图灵机器人火了

“今天智能机器人的产业形态，跟30年之前PC产业的形态非常相似。今天无论是标准还是产品，包括用户体验，很多事情都是一个非常初级的阶段。图灵机器人的理念或使命，是希望给机器人装一个聪明的人工智能大脑，可以让这个机器人非常聪明。”俞志晨认为，图灵机器人的正好赶上了产业发展的春天，事实上，无论是虫洞语音助手还是图灵机器人，俞志晨对行业发展的判断一直比较准确，过程总体也都比较顺利。

什么是图灵机器人？俞志晨介绍，图灵机器人目前是中文语境下智能度最高的机器人大脑，也是全球领先的中文语言识别与计算平台。它对中文语义的理解准确率高达90%，可为智能化软硬件产品提供中文语义分析、自然语言对话、深度问答等人工智能技术服务。现在，图灵机器人已为家用服务机器人、智能家居控制系统、智能车载系统、智能玩具、智能客服系统等软硬件场景的超6万家合作方提供技术支持。通过图灵机器人官方网站，企业及个人开发者可轻松为自己的软硬件产品接入图灵机器人，而且图灵机器人API端口调用次数完全免费，每个人都可以通过图灵机器人官网创建专属于自己的智能机器人产品。

和同样是研究智能语音的科大讯飞相比，讯飞是国内领先的语音识别与朗读技术提供商，图灵机器人是国内智能度最高的机器人大脑技术提供商，两者在各自领域均处于领导地位。讯飞语音主要的技术积累在于“将声音转换成文字”，类似于人的耳朵，而图灵机器人多年的研究均集中于“对语言文字意思的分析与解读”，并在准确解读后反馈正确的指令，在智能语音交互中扮演着“大脑”的角色。就像是3岁的儿童听力一切正常，但是却“听不懂”父母较为复杂的一些话语一样，主要原因则是其智力与脑部发育处于较为初级的水平，无法准确识别复杂指令并做出相应动作，而智力发育正常的成年人，则能够在与人的交流中不仅听得懂语言表面的意思，还能够准确理解讲话者语言背后的真正意图。讯飞语音要为软硬件产品加上“听力正常”的耳朵，而图灵机器人则要为软硬件产品增添“智慧超群”的大脑。

俞志晨更多地想把图灵机器人做成一套在人工智能领域的操作系统，把技术提供给各个领域的开发者，做免费平台，一方面可以最大程度的降低个人开发者创业成本及企业级合作方的接入成本；另一方面，希望通过开放的方式与企业、开发者一起，推动人工智能技术在生活场景中的应用，推动人工智能行业发展。

根据俞志晨的介绍，图灵机器人的功能主要有三种：一是聊天知识库，同小冰类似，这项功能的主要用途是陪用户聊天；二是问答，和之前的虫洞语音助手类似，涵盖衣食住行、吃喝玩乐等生活服务信息的问答系统，让图灵机器人还可以扮演一个生活百事通的角色；三是知识库，图灵的知识库分为基础知识库和自定义知识库，基础知识库即图灵的自有知识库，除此之外，图灵还支持第三方自建知识库，来符合产品的革新需求。

图灵机器人有6万家合作方

人工智能的场景化应用图灵机器人究竟能用来做什么？俞志晨称这也是他们团队反复问自己的一个问题。从过去内测半年的情况来看，在接近1.5万名接入的开发者中，应用的主要领域可以分为以下几类：

一类是语音助手，除了我们常见的通用型语音助手，俞志晨提到还有很多垂直行业在使用这种语音助手的功能，比如旅游、购物这种应用场景较为明显的行业。

另一类是智能客服，这类功能的使用者主要是中小型卖家，可以通过自定义知识库来创建一个自己的智能客服来解决一些基础问题，也能相对降低人工客服的成本。

还有一类是虚拟伴侣，比如在虚拟眼镜里，图灵可以以虚拟伴侣的形象出现，在文字交互的基础上增加语音交互；相似的场景还可以应用到智能硬件上，来增加硬件交互能力。

再有一类应用场景是图灵团队之前也没想到的，即虚拟宠物。俞志晨提到在图灵的平台上会有一些年轻的开发者在班级的QQ 群里把语音助手的功能做成QQ宠物，以及居然还有人用这种方式赚到了钱。

语音助手在上面这些场景化的应用情况让俞志晨和团队逐渐想通了图灵的用途：在日常生活中，用机器的方式去取代那些繁琐的、重复性的工作。比如之后的保姆、陪护、客服、玩具、甚至安防等领域，都可以通过机器人的大规模使用来节省人工成本。

图灵机器人目前已累计超6万家合作方，涵盖软硬件领域下的数十个场景。涵盖软硬件领域数十个场景。例如，车载系统接入图灵机器人大脑后，司机朋友便可通过全语音的方式控制车载系统拨打电话、回复短信、开启导航、了解车况等，极大降低司机朋友因开车操作导航、手机等事故的发生率，同时提升司机朋友驾驶体验；接入了图灵机器人的智能玩具，则能够华丽变身为“儿童陪伴机器人”，孩子可以通过自然语言的方式与玩具对话交流，同时，具备机器学习能力的机器人的智力也将随着孩子智力的提升不断提升；接入了图灵机器人的客服系统，将完全抛弃“

关键词 对应”这种陈旧的方式，为用户提供更智能、更具人情味的体验……基于强大的中文语义分析及自然流畅的中文对话能力，图灵机器人可被应用于多种个性化场景以满足个性化需求。

目前，海尔的智能家居中控系统、三星智能电视、HTC手机中的Hidi语音助手、博世车载，以及全球著名的人形机器人NAO都与图灵机器人深度合作。除此之外，图灵机器人还与近百家的家用服务机器人服务商签订了长期的战略合作协议，致力于推动家用服务机器人行业的发展，为智能家居安装上“图灵大脑”。

人人都有机器人

最近日本长崎县一家全机器人运作的酒店开业了：眼睛忽闪忽闪穿着制服的“美女”在前台迎接你的到来，穿着侍从衣服的“恐龙”会告诉你如何登记入住，机器人搬运工会帮你搬行李，而狗形无毛机器人则为你提供早餐服务。酒店管理方说，这并不是噱头，而是希望通过使用高科技提高工作效率并节省人力支出。他希望机器人能够承担酒店里90%原本需要人工完成的工作。

篇9

计划强调，要加强人工智能领域专业建设，形成“人工智能＋X”复合专业培养新模式。计划的重点任务之一，是要完善人工智能领域人才培养体系，并且推动高校人工智能领域科技成果转化与示范应用。高校在人才培养中起到了至关重要的作用，虽然人工智能尚未成为一级学科，但国内不少一流的高校已经开始通过建立合作实验室、增强人工智能分支教学等方式发展人工智能。

为了解各高校开展人工智能研究的情况，亿欧盘点了10家在设有人工智能实验室或有人工智能分支专业的高校。

清华大学：计算机科学与技术系

清华大学计算机科学与技术系（简称计算机系）成立于1958年，在2006年、2012年全国学位与研究生教育发展中心开展的一级学科整体水平评估中，以总分满分100分的成绩排名第一。2017年，在 USnews 推出的世界大学学科排名 Best Global Universities for Computer Science 中，计算机科学与技术学科紧随 MIT之后位列世界第2名。在 QS 世界大学排名 （QS World University Rankings） 给出的全球计算机学科排名中为例第15名，其排名与得分逐年稳步提升。

计算机系包含了国内计算机专业最全的学科方向，设有高性能计算机与处理器、并行与分布式处理、存储系统、大数据与云计算、计算机网络、网络与信息系统安全、系统性能评价、理论计算机科学、数据工程及知识工程、软件工程、计算机与VLSI设计自动化、软件理论与系统、生物计算及量子计算、人工智能、智能控制及机器人、人机交互与普适计算、计算机图形学与可视化技术、CAD技术、计算机视觉、媒体信息处理等研究方向。

计算机系现设有高性能计算、计算机网络技术、计算机软件、人机交互与媒体集成4个研究所；智能技术与系统国家重点实验室；计算机基础与实验教学部等科研教学机构。

计算机系还设有国家级计算机实验教学示范中心，包括：计算机原理实验室、微型计算机实验室、计算机网络实验室、操作系统实验室、计算机软件实验室、计算机控制系统实验室、智能机器人实验室、计算机接口实验室、学生科技创新实验室等。此外，计算机系还与腾讯、搜狗、微软、思科等国内外著名公司建立了面向教学或研究的联合实验室。

北京大学：智能科学系

智能科学系成立于2002年7月，主要从事智能感知、机器学习、数据智能分析与智能计算、智能机器人等方向的基础和应用基础研究，侧重于理论、方法以及重大领域应用上。

北大智能科学系依托于视觉听觉信息处理国家重点实验室，实验室以实现高度智能化的机器感知系统为目标，在生物特征识别研究方面处于国际领先地位。智能科学系在著名的软件与人工智能专家、我国载人飞船工程软件专家组组长何新贵院士和长江特聘教授查红彬教授的带领下，重点开展机器视觉、机器听觉、智能系统与智能的生理心理基础等研究。以北大智能科学研究人员为技术核心的北大指纹自动识别系统，是国内唯一能与国外系统抗衡的自主知识产权，是中国第一家也是唯一的一家提供公安应用全面解决方案的系统，拥有中国指纹自动识别技术产品第一市场占有率。

人工神经网络说话人识别新方法的研究获得教育部科技进步一等奖；国家空间信息基础设施关键技术研究获得2000年中国高校科学技术二等奖，入选2000年中国高校十大科技进展。

复旦大学：类脑智能科学与技术研究院

复旦大学类脑智能科学与技术研究院于2015年3月筹建成立，是复旦大学校内的独立二级研究机构。其前身为复旦大学第一批跨学科交叉国际化研究中心——计算系统生物学研究中心，成立于2008年。研究院基于复旦大学既有的数学、统计学、计算机科学、生物学、信息学、临床医学、语言学、心理学等多学科综合交叉研究优势，以计算神经科学为桥梁，着力开展大脑机制解析、脑疾病智能诊疗、类脑智能算法、类脑智能软硬件、新药智能研发、通用智能等相关领域的科学研究、技术研发和人才培养。

研究院率先探索打通国际与国内、科技与产业的全链条、全球化产学研合作机制，充分发挥高校培养和储备高端智能人才、发现和培育前沿技术的综合优势，推动产学研源头创新与合作，致力于成为推动脑科学、人工类脑智能与产业应用融合发展的重要科技创新平台。

研究院目前在建五个核心功能平台和一个国际合作研发中心，主要包括：一是以脑高级认知功能的多信息反馈处理机制研究为核心的神经形态计算仿真平台；二是以多尺度多中心重大脑疾病数据库和算法开发为基础的智能诊治数据示范平台；三是依托高端医疗影像设备集群，为生物医学转化研究和信息产业智能化提供试验技术支撑的综合生物医学影像平台；四是以开发深度学习、强化学习和自组织学习等机器学习算法以及可穿戴设备、类脑芯片、健康服务机器人等为目标的类脑智能软、硬件开发平台；五是集孵化加速、产业联盟、投资基金为一体，为类脑智能创新项目及企业提供应用技术资源和孵化服务的类脑智能产业化平台；六是依托已有的欧洲人类脑计划、美国脑计划等国际合作的数据、学术资源，建设类脑智能国际合作节点和人才培养中心。

中国科学院：自动化研究所

中国科学院自动化研究所成立于1956年10月，是我国最早成立的国立自动化研究机构。目前设有类脑智能研究中心、智能感知与计算研究中心、脑网络组研究中心等12个科研开发部门，还有若干与国际和社会其他创新单元共建的各类联合实验室和工程中心。另有汉王科技、三博中等四十余家持股高科技公司。

近年来，自动化所共获得省部级以上奖励30余项。数量逐年增加，质量不断提高；专利申请和授权量连年攀升，多年位居北京市科研系统前十名绘制的“脑网络组图谱”第一次建立了宏观尺度上的活体全脑连接图谱；虹膜识别核心技术突破国外封锁，通过产学研用相结合走出“中国制造”之路；基于自动化所语音识别技术的“紫冬语音云”在淘宝、来往等阿里巴巴旗下移动客户端产品中得到推广；“分子影像手术导航系统”通过国家药监局医疗器械安全性及有效性检测认证并进入临床应用；“智能视频监控技术”和“人脸识别技术”分别成功应用于2008年北京奥运会、2010年上海世博会的安保工作中，为社会安全贡献自己的力量；研制的AI程序“CASIA－先知1．0”采用知识和数据混合驱动的体系架构，在2017首届全国兵棋推演大赛总决赛中7：1的悬殊比分战胜人类顶级选手，展示了人工智能技术在博弈对抗领域的强大实力……

在共建机构方面，自动化所与新加坡媒体发展管理局联合成立中新数字媒体研究院，聚焦交互式语言学习、视频和分析等领域；与瑞士洛桑联邦理工大学（EPFL）在京成立中瑞数据密集型神经科学联合实验室，在类脑智能研究方面展开合作；与澳大利亚昆士兰大学（UQ）共建中澳脑网络组联合实验室，在“计算大脑”研究方向上进行远景规划；还与香港科技大学共建智能识别联合实验室，在模式识别、无线传感器网络等领域展开合作。

厦门大学：智能科学与技术系

早在上世纪八十年代初，厦门大学就已开始从事人工智能领域的研究，相继在专家系统、自然语言处理与机器翻译等领域取得过一系列成果。为此，1988年经学校批准成立“厦门大学人工智能与计算机应用研究所”，后于2004年更名为“厦门大学人工智能研究所”。2006年12月，经国家教育部批准，厦门大学正式设立“智能科学与技术”本科专业，并于2007年6月经学校批准成立“厦门大学智能科学与技术系”。

厦门大学智能科学与技术系现有一个本科专业（智能科学与技术），三个硕士学位授予专业（模式识别与智能系统、计算机科学与技术、智能科学与技术），两个博士学位授予专业（计算机科学与技术、智能科学与技术）。

目前该系承担多项国家863、国家自然科学基金、福建省科技基金等项目，拥有“福建省仿脑智能系统重点实验室”、“智能信息技术福建省高校重点实验室”和“厦门大学语言技术中心”三个平台，此外还有“艺术认知与计算”、“自然语言处理”、“智能多媒体技术”、“人工大脑实验室”、“智能中医信息处理”等多个研究型实验室，为培养高质量的学生提供了必要的保障。

上海交通大学：计算机科学与工程系

上海交通大学计算机科学与工程系成立于1984年。近年来，随着计算机科学与技术在人们生活中的应用不断深入，特别是随着云计算、物联网、移动互联网、大数据等技术的兴起，交通大学计算机系不断调整学科方向，形成了高可靠软件与理论、并行与分布式系统、计算机网络、智能人机交互、密码学与信息安全等研究方向。

该院系下设三个重点实验室：智能计算与智能系统重点实验室、上海市教委智能交互与认知工程重点实验室、省部共建国家重点实验室培育基地及上海市可扩展计算与系统重点实验室。其中，上海交通大学－微软智能计算与智能系统联合实验室目前是教育部－微软重点实验室，成立于2005年9月，是交通大学和微软亚洲研究院在多年良好合作的基础上，为了更好发挥各自在并发计算、算法与复杂性理论、仿脑计算、计算机视觉、机器学习、计算智能、自然语言处理、多媒体通讯以及机器人等领域的优势，实现“使未来的计算机和机器人能够看、听、学，能以自然语言的方式与人类交流”这一共同使命而成立的。实验室在科学研究、人才培养、学术交流等方面也取得了很好的成绩。实验室累积200余篇，成果发表于CVPR，ICCV，WWW等国际顶级会议上。

南京大学：计算机科学与技术系

南京大学的计算机科学研究起步于1958年，建立了计算技术、计算数学、数理逻辑等专业开始培养计算机相关领域专门人才，1978年在上述三个专业基础上成立了计算机科学系，1993年更名为计算机科学与技术系。

依托该系师资，先后成立了南京大学计算机软件研究所、计算机软件新技术国家重点实验室（南京大学）、南京大学计算机应用研究所、南京大学多媒体计算技术研究所、南京大学软件工程中心（江苏省软件工程研究中心）、南京大学信息安全研究所等科研机构。主要科研方向有：软件自动化与形式化、分布与并行计算及新型网络、新型程序设计与软件方法学、多媒体与信息处理、人工智能与机器学习、系统软件及信息安全等。

建系30年来，共承担国家973计划、国家863计划、国家攀登计划、国家自然科学基金、国家科技攻关等重大科技计划项目以及省、部、委科研项目和企事业委托或国际合作的研发项目300余项，科研成果获得各种奖励80余项，其中国家科技进步奖一等奖1项、二等奖4项、三等奖2项，省部委自然科学奖和科技进步奖特等奖2项，一等奖8项，二等奖37项。3000多篇，出版专著、教材50多部，申请国家发明专利33项。部分成果被转化为产品，产生了较大社会效益和经济效益。

哈尔滨工业大学：计算机科学与技术学院

哈尔滨工业大学计算机专业创建于1956年，是中国最早的计算机专业之一。在1985年，发展成为计算机科学与工程系，并建立了计算机科学技术研究所。2000年，计算机科学与技术学院成立；同年，建立了软件学院，后经国家教育部、国家计委批准为国家示范性软件学院。目前。哈工大计算机科学与技术学院拥有计算机科学与技术国家一级重点学科、7个博士点和7个硕士点、1个博士后科研流动站、一个国家级教学团队、一个国家级科技创新团队、一个国防科工委创新研究团队。

目前主要研究方向包括：智能人机交互、音视频编解码技术、语言处理、自然语言理解与中文信息处理、机器翻译、信息检索、海量数据计算、计算机网络与信息安全、传感器网与移动计算、高可靠与容错计算技术、穿戴计算机、企业计算与服务计算、智能机器人、生物计算与生物特征识别。

学院有一批研究成果达到国际先进水平，包括：国家信息安全管理系统、数字视频广播编码传输与接收系统、大规模网络特定信息获取系统、计算机机群并行数据库系统、并行数据库系统、神州号飞船数据管理分系统、穿戴计算机系统、信息安全与实时监测系统、人脸识别系统、视频编解码技术、黑龙江省CIMS应用示范工程、农业专家系统等等。

中国科学技术大学：计算机科学与技术学院

中国科技大学于1958年建校时就设置了计算机专业。根据学科发展趋势和国家中长期发展规划，面向国家和社会的重大需求，计算机科学与技术学院将科研力量凝聚在高性能计算、智能计算与应用、网络计算与可信计算、先进计算机系统四个主要的研究领域。

学院的支撑实验室有：国家高性能计算中心（合肥）、安徽省高性能计算重点实验室、安徽省计算与通讯软件重点实验室、 多媒体计算与通信教育部－微软重点实验室、中国科大超级运算中心和信息科学实验中心。

其中，多媒体计算与通信教育部—微软重点实验室主要从事人机自然语音通信、语义计算与数据挖掘等方面的研究。人机自然语音通信方面，主要研究中文信息处理、人类视听觉机理、语音语言学等。语义计算与数据挖掘方面，主要研究自然语言驱动的计算、多媒体内容的语义标注、自动问答、语义社会网络、数据与知识工程、隐私保护与管理中的语义计算等。

依托多媒体计算与通信教育部—微软重点实验室，双方联合实施了联合培养博士生计划、实习生计划、精品课程建设计划、青年教师培养计划等，取得了突出成果，探索出了一条企业和高校共同培养优秀人才的道路，为微软亚洲研究院与其他高校的合作提供了一个经典范例。

华中科技大学：自动化学院

华中科技大学自动化学院是由原控制科学与工程系和原图像识别与人工智能研究所于2013年合并组建的学院。原控制科学与工程系前身是成立于1973年的华中工学院自动控制系，1998年更名为华中理工大学控制科学与工程系；原图像识别与人工智能研究所是1978年由教育部和航天部共同批准成立从事图像识别和人工智能研究的研究机构。

科学研究工作主要涉及复杂系统控制理论、决策分析与决策支持、电力电子与运动控制、智能控制与机器人、计算机集成控制与网络技术、信息检测与识别、飞行器控制与状态监测、生物信息处理、神经接口与康复技术、物流系统、国民经济动员与公共安全、多谱图像制导、目标探测的多谱信息技术、多谱信息的实时处理与系统集成技术、人工智能与思维科学、信息安全等方向。

模式识别与智能系统是自动化一级学科的重要二级学科。迄今为止，本系在原 “图像识别与人工智能研究所”和“控制科学与工程系”的这两个学科点承担了百余项国家、国防与行业项目。近5年科研经费总额在8000万元以上，包括973计划，国家自然科学基金重点、面上和青年基金项目，863计划，国家重大专项、国防重点预研与基金，国家科技支撑计划，省部级科研项目，以及大型工程和企业科研合作项目等。

总结

篇10

天上掉下来 “Master”

“Master”是2016年底先后登陆中国国内两大围棋网站。起初，他悄无声息、接二连三地击败中日韩三国围棋高手。当人们发现这个神秘人物时，他已将世界声名显赫的50多名高手“腰斩”。 其中包括目前中韩“第一人”的柯洁和朴廷桓，以及古力、常昊等十多位过往的世界冠军。即使是这些全球顶尖级围棋高手，聚集在围棋平台上，群起抵抗Master，他们还是一败涂地，就像是针对全球公认智力级别最高的围棋界一次集体的定向“屠杀”。其中，围棋世界冠军朴庭恒连败5次，古力、陈耀华连败三局，还有曾经放言“就算 AlphaGo（“围棋狗”）赢了李世h，但它A不了我”的现世界“第一棋手”柯洁也连败三局。

在Master取得46连胜之后，“棋圣”聂卫平针对Master棋路撰文点评说，这一招“直接点角很奇怪，明显不符棋理，但意外成立”；那一招“左上角撞实黑棋的下法难以苟同，然而它就这么下了，还能赢”…… ；在充分研究了Master战例后，“棋圣”也按耐不住内心的冲动，在1月4日下午亲自出马对弈。再次吸引了全球公众的眼球。尽管“棋圣”的宝刀未老，尽管他很沉着稳健，尽管战况比之前52场更加胶着，但还是在坚持到254手后，以7.5目败给了Master。此时，连胜54局的Master第一次用繁体中文显示出了五个大字：谢谢聂老师！

直到Master拿下第59场胜利后，才突然宣布自己就是人工智能的“围棋狗”，就是2016年3月在韩国首尔以4：1大比分战胜围棋前世界冠军、韩国名将李世h九段的、举世瞩目围棋“人机世界大战”的主角。随即，谷歌DeepMind团队也声明证实，“Master”是最新版本人工智能的AlphaGo程序。并表示这次将过半世界围棋冠军掀翻“马”下的挑战仅是“一次非正式测试”。

由于围棋变化极其复杂，即便是算力无双的计算机，也无法穷尽黑白两子在棋盘里361个点位上的所有变化。所以，一度曾被认为是人类智慧的最后堡垒。国际象棋人工智能（Artificial Intelligence，AI）用了不到10年时间完成了AI战胜人类的战绩，而今天，围棋AI只用了不到10个月就以“一次非正式测试”的形式完败了人类。

在众围棋高手惊呼看不懂“围棋狗”的一些落子意图时，围棋古谱、棋理及以往的经验已经失效了；在众高手与“围棋狗”对弈不超过平均240手就败北时，已经宣告了人类算法和算力都已落伍。以至于，谷歌DeepMind团队不无讽刺地称，这仅是“一次非正式测试”。暗含着当下没必要再进行正式比赛了。因为，需要给围棋界甚至是人类自己留下些许面子和尊严。而更重要的是，面对已经获得的通杀战绩，穷尽黑白两子在棋盘里361个点位上的所有变化要比与高手一较高下更有价值。

从算法交易到人工智能与量化交易相结合

史上最早使用算法交易的案例可追溯到1949年。那时，对冲基金之父阿尔弗雷德・琼斯用空多3：7的比例进行资产配置交易。从1955年到1964年间，其综合年化回报率竟高达28%。进入上世纪60年代，投资者又开始引用计算机进行周期分析与价格预测。进而，使这类交易系统不断完善，逐渐发展成后来的算法交易。很快，这种算法交易策略在华尔街生根开花，并带来可观收益。

随着计算机的普及和大量使用，华尔街各大交易平台都开始允许执行算法交易，由于这种算法交易能快速有效地降低交易成本，控制市场冲击成本，并还具有较高的执行效率，而且还能隐藏交易意图规避监管。致使算法交易在股票、包括原油在内的大宗商品期货以及外汇等市场中成为不可或缺的组成部分。

2009年有投资银行研究报告称，超过50%，甚至是75%的股票交易都是通过算法进行自动交易的，商品期货市场也有类似的应用规模。2016年5月，《机构投资者》旗下出版物《阿尔法》公布的“2016年全球收入最高的对冲基金经理”排行榜显示，前十位收入最高的对冲基金经理中，有八位是量化基金经理，前25位有一半属于量化交易。因此，在索罗斯的名气被数学家西蒙斯超过时，在股神巴菲特年化20%的收益神话被大奖章年化35%（1989-2007）打败时，量化交易的神秘才更受市场关注。

随着大量计算机IT工程师的加入，使金融机构原有通过编写简单函数，设计一些指标，观察数据分布，再进行“简陋”的量化交易模式不能满足市场的实际需要。为此，陆续走上引进机器学习、大数据分析以及人工智能（Artificial Intelligence，AI）与量化交易相结合的模式上，特别是将人工智能中的4个子领域：图谱识别，机器学习，自适应功能以及策略遗传基因优化等贯穿整个量化交易的始终。并在自动报告生成、金融智能搜索、人工智能辅助量化交易和智能投顾等四个领域大显身手，更甚者，正在开始模拟人的某些思维过程和智能行为（如学习、推理、思考和规划等）。

在了解了上述信息后，也就不难理解“围棋狗”为何不费吹灰之力就能“屠杀”世界围棋众多泰斗们了。

游荡在国际石油市场上的“原油狗”们

随着实物石油贸易中的石油价格成为无疆界金融资本投机套利的标的后，油价就从微观经济学的层面上升到了宏观经济学的领域，并相继成为各市场主体进行资产配置与进行避险的标的。正因宏观经济层面新增了油价这一驱动因子，所以，每当一轮全球性金融经济危机爆发，油价无一例外地要同步发生一轮大幅震荡。反过来，又增加着各市场主体进行资产配置和避险的内生动力。同时，美国监管机构也不会丧失这种天赐的“良机”，不失时机地要根据其国内经济运行情况，进行一纵市场的违规稽查和巨额处罚，用以补充其财政收入和打击他国的竞争对手，特别是针对欧洲的竞争者，进而又增加了监管风险和对价格的扰动。

自2008年全球经济金融危机以来，已公开查处了针对Libor（伦敦银行间拆放款利率）、WM/Reuters基准汇率、ISDAfix利率指数和包括原油在内的商品期货的操纵行为。涉罪主体除巴克莱、瑞银、德银、汇丰、高盛、摩根大通等全球顶尖级投资银行和金融机构外，甚至还有世界级的综合性石油公司，如英国石油公司（BP）等。为了规避风险，这些金融机构和交易所创新出了众多权证类、期货、期权、二元期权和各种商品指数的金融工具，又依此组成了各种场内及场外的资产组合与配置策略。

比如针对NYMEX市场WTI原油与ICE市场Brent原油进行的跨市场套利策略。两者虽都是原油，且同处全球大的宏观经济背景下，但因受各自不同货币、财税等宏观驱动因子的影响，致使二油价波动幅度不同，且又运行在相应的价差区间内。进而为投机套利提供了可能与机会，也为有实力的实体公司提供了避险和资产配置的可能――用道硗臣频姆椒ǎ进行量化交易。

例如，可将WTI和Brent价差波动区间计算出来，给出一个置信区间，如99%。即在99%的情况下WTI和Brent的价差波动是在该区间。当价差触发上限时，做空这个价差，触发下限时，做多这个价差。尽管NYMEX和ICE交易所已将这种量化策略制成了标准的价差交易合约（工具），但因这种被量化的价差合约过于透明，易暴露在监管者的“放大镜”下，进而迫使更多投资银行与石油公司躲进场外市场进行交易，以规避监管。一旦场外交易达成，这些投行等市场主体会用计算机时时刻刻跟踪计算此价差，然后在其设定的区间上下限完成自动开平仓交易。同时，为确保其统计得出的置信区间价差的安全性，他们还会积极携巨资进入场内期货等市场对油价涨跌施加影响，确保其在场外进行资产配制的头寸安全。

其实，为了牟取暴利，各投行等金融机构还用计算机量化研发并使用了大量高杠杆的商品指数金融工具（参见笔者在本杂志2016年第三期刊发的“商品指数金融工具化对石油市场的影响”）。随着全球性货币的超发，包括原油在内的所有大宗商品和资源资产价格一路盘升，但随量宽的收缩，油价又会受到这类金融政策调控的影响而下跌，因此，这种政策风险又迫使着更多实体企业进入市场寻求规避主级上涨正向波中风险。

为此，这种量化后的石油金融工具应运而生，其中，瑞信就曾经推出过三倍于标普高盛原油指数ETN（VelocityShares Daily 3x Long Crude，交易代码为，UWTI），因其有令人难以置信的流动性和可获取暴利的期望值，而备受市场欢迎。但好事多磨，在2014年7月以后，油价暴跌了50%，但UWTI的价值却陡降99.6%。特别是，那些没有量化能力的投资者原想通过使用这类投资工具进行资产配置或避险，但却忽视了这类产品本身的缺陷（高杠杆和短期产品特性），造成自身的巨大风险。于是，瑞信不得不在2016年12月8日退出纽交所。将有需求的实体企业重新逼回场外市场进行交易。

今天，在国际石油市场上，无论是进行资产配置还是进行避险操作，量化交易已经是一种重要的交易手段，而“原油狗”也早已悄悄登陆。虽然笔者仅是从去年才开始研究和开发这类“狗”的，但却很快理解了既往无法解释的价格频繁在瞬间（一分钟或数秒内）暴涨暴跌的原因，其实，它就是程序化交易与反程序化交易博弈时大量程序化止损指令被触发的结果。而这种可怕的后果通常会造成价格在超短期的巨幅震荡，直接引起弱势反向一方暴仓并给其带来巨额亏损。

有鉴于此，它不仅要求参与者能够看得懂价格瞬间变动的内在逻辑，还需要有能够将其转化为可量化策略予以应对的“原油狗”，只有如此方能提高在石油市场上的生存机会。

能否诞生超级“原油狗”？

就程序设计本身而言，石油期货市场里的价格变量和涉及的算法，远不及人类智慧巅峰的“围棋”复杂。因此，与“围棋狗”类似的“原油狗”早已登陆国际原油期货市场，并悄无声息地参与着实体企业对原油及其产品的定价，并从中牟利，只是这些量化策略的“黑箱”没有被利益相关者完全披露出来而已。