雷鋒網(wǎng) AI 科技評論按：5 月 15 日下午，由鵬城實(shí)驗(yàn)室和 AI 青年科學(xué)家聯(lián)盟·梧桐匯攜手打造的第一期「AI 科學(xué)家」系列沙龍活動(dòng)在深圳鵬城實(shí)驗(yàn)室圓滿召開，本次活動(dòng)主題為《人工智能在學(xué)術(shù)領(lǐng)域的前沿研究》，邀請的嘉賓陣容包括上海交通大學(xué)高級金融學(xué)院金融學(xué)教授李祥林以及上海交通大學(xué)教授、「吳文俊人工智能博士班」班主任盧策吾，來自于金融系和計(jì)算機(jī)系的兩位頂尖教授，在現(xiàn)場向與會(huì)者分享了 AI 在各自學(xué)術(shù)領(lǐng)域的前沿研究。

本次活動(dòng)由氪信科技創(chuàng)始人& CEO、青年 AI 科學(xué)家聯(lián)盟（創(chuàng)始）執(zhí)行理事朱明杰博士主持。在嘉賓分享前，他先邀請了鵬城實(shí)驗(yàn)室常務(wù)副主任鄒鵬做開場致詞。

鵬城實(shí)驗(yàn)室常務(wù)副主任鄒鵬

開場致辭中，鄒鵬副主任簡單介紹了今年剛滿一周歲的鵬城實(shí)驗(yàn)室。他提到，鵬城實(shí)驗(yàn)室的基本定位便是實(shí)現(xiàn)粵港澳大灣區(qū)在信息、人工智能以及金融等相關(guān)基礎(chǔ)研究上的互動(dòng)交流，也正是立足于這一基本定位，在這一年的時(shí)間里，鵬城實(shí)驗(yàn)室成長得非常快。

而其中，人脈與人才資源則是研究人員做出學(xué)術(shù)成果的基礎(chǔ)條件之一。因此，鄒鵬副主任對于圍繞人工智能和金融，以鵬城實(shí)驗(yàn)室和 AI 青年科學(xué)家聯(lián)盟為背景的系列活動(dòng)充滿了期待，他表示：「我們期待本次活動(dòng)會(huì)是一個(gè)很好的開始，也希望大家能夠關(guān)注、了解并參與鵬城實(shí)驗(yàn)室，共同將這些基礎(chǔ)學(xué)科的研究工作深度地開展下去?！?/p>

嘉賓正式分享之前，朱明杰博士首先向大家介紹了 AI 青年科學(xué)家聯(lián)盟·梧桐匯所承擔(dān)的角色：連接產(chǎn)學(xué)研各界人士，起到一個(gè)「連接器」的作用；同時(shí)更要借助加入聯(lián)盟的首批成員中諸多互聯(lián)網(wǎng)與科技巨頭、領(lǐng)軍人工智能技術(shù)公司和知名專家學(xué)者的朋友圈和更具擴(kuò)散力的網(wǎng)絡(luò)力量，來促進(jìn)各類主體資源共享。

氪信科技創(chuàng)始人& CEO、青年 AI 科學(xué)家聯(lián)盟（創(chuàng)始）執(zhí)行理事朱明杰博士

他表示，聯(lián)盟中的成員此前無論是在科研還是在創(chuàng)業(yè)過程中，都走過了很多彎路，但同時(shí)更積累了大量的經(jīng)驗(yàn)，因而對于未來年輕一代的科學(xué)家以及該領(lǐng)域的創(chuàng)業(yè)者來說，這個(gè)聯(lián)盟能給予他們不僅僅是一個(gè)更具擴(kuò)散力的朋友圈，還有學(xué)術(shù)上的一些政策扶持乃至于未來方向道路的指引。

隨后上場分享的嘉賓是上海交通大學(xué)高級金融學(xué)院金融學(xué)教授李祥林，他的報(bào)告主題是「投資中的金融科技應(yīng)用」，主要就金融機(jī)構(gòu)目前所面臨的挑戰(zhàn)、金融科技能夠改變未來金融行業(yè)、傳統(tǒng)方法和大數(shù)據(jù)方法的比較幾個(gè)方面進(jìn)行了分享。

李祥林，上海交通大學(xué)高級金融學(xué)院金融學(xué)教授，擁有加拿大滑鐵盧大學(xué)統(tǒng)計(jì)學(xué)博士學(xué)位，以及精算、工商管理和經(jīng)濟(jì)學(xué)碩士學(xué)位和數(shù)學(xué)學(xué)士學(xué)位，是中國金融研究院副院長, 金融碩士項(xiàng)目聯(lián)席主任，加入高金之前，李教授在中外一流金融機(jī)構(gòu)工作二十余年，在風(fēng)險(xiǎn)管理、金融新產(chǎn)品開發(fā)和研究、資產(chǎn)管理、保險(xiǎn)和信息技術(shù)等領(lǐng)域有豐富的高級管理經(jīng)驗(yàn)，曾擔(dān)任中國國際金融有限公司首席風(fēng)險(xiǎn)官。作為信用衍生產(chǎn)品早期開拓者之一, 其發(fā)明的信用組合定價(jià)公式被市場廣泛使用和學(xué)術(shù)界認(rèn)可。

演講伊始，李祥林教授非常謙虛地自我調(diào)侃道：「你們可能還沒有聽說過 60 年代的人還在做 AI，今天的分享嘉賓中數(shù)我歲數(shù)最大，我自然講不了 AI 技術(shù)，那就給大家講講故事?！?/p>

他提到，目前金融機(jī)構(gòu)面臨的挑戰(zhàn)來自四面八方，主要包括：一是逐漸成熟的金融行業(yè)需要逐漸適應(yīng)在互聯(lián)網(wǎng)時(shí)代長大的年輕一代消費(fèi)者的喜愛問題；二是行業(yè)迎來更加嚴(yán)格的監(jiān)管環(huán)境：各種監(jiān)管管轄權(quán)的不同監(jiān)管要求；三是面臨長期并可能會(huì)持續(xù)的低利息和低投資收益率環(huán)境；四是面臨來自包括運(yùn)用更具有預(yù)測性的科學(xué)/大數(shù)據(jù)或區(qū)塊鏈技術(shù)的新型科技金融公司等在內(nèi)的另類金融服務(wù)提供商的競爭。

針對金融科技能夠改變未來金融行業(yè)，李祥林教授認(rèn)為答案是肯定的，并且這種改變正在發(fā)生中?！咐缒壳霸诮鹑谛袠I(yè)應(yīng)用的語音識(shí)別、圖像識(shí)別技術(shù)在準(zhǔn)確率方面都日益提高，當(dāng)準(zhǔn)確率都達(dá)到一個(gè)相當(dāng)程度的比例時(shí)，金融行業(yè)勢必將發(fā)生非常大的改變。」

分享最后，李祥林教授還總結(jié)了其使用大數(shù)據(jù)思維對傳統(tǒng)金融方法所進(jìn)行的一些思考：

• 首先，傳統(tǒng)的金融方法往往是計(jì)算期望值來預(yù)測收益率、用方差來衡量風(fēng)險(xiǎn)，然而大數(shù)據(jù)思維中并不需要這樣做，完全可以使用全部分布的方法來研究單一證券收益信息。

• 其次，在計(jì)算不同的證券收益關(guān)系時(shí)，大家傳統(tǒng)使用的都是線性相關(guān)技術(shù)，而大數(shù)據(jù)思維下，使用非線性相關(guān)（auto encoder）技術(shù)，能夠研究所有證券的相關(guān)關(guān)系。

• 最后是優(yōu)化目標(biāo)問題。大數(shù)據(jù)思維下，可以基于傳統(tǒng)使用的均值方差方法計(jì)算左右尾部概率，通過優(yōu)化左右尾部的概率問題來從整體上實(shí)現(xiàn)投資方案的最大優(yōu)化。

上海交通大學(xué)教授、「吳文俊人工智能博士班」班主任盧策吾作為最后的壓軸嘉賓，本次帶來了主題為「基于知識(shí)驅(qū)動(dòng)的視覺行為理解」的報(bào)告，本次他主要介紹了計(jì)算機(jī)視覺中的行為檢測目前所面臨的挑戰(zhàn)，并分享了其研究團(tuán)隊(duì)的最新成果——HAKE（Hmuan Activity Knowledge Engine，人類行為知識(shí)引擎）。

盧策吾，上海交通大學(xué)教授、「吳文俊人工智能博士班」班主任，2016 年入選國家青年，2018 年被《麻省理工科技評論》評選為 35 位 35 歲以下科技先鋒（MITTR35），同年入選「科學(xué)中國人杰出青年科學(xué)家」，青年 AI 科學(xué)家聯(lián)盟（創(chuàng)始）執(zhí)行理事?；貒氨R教授為斯坦福大學(xué)人工智能實(shí)驗(yàn)室博士后（導(dǎo)師：李飛飛，LeoGuibas）。

首先，盧策吾教授表示，計(jì)算機(jī)視覺主要是研究人類的視覺，主要包括兩個(gè)部分：一個(gè)是物體，物體是構(gòu)成整個(gè)世界的基礎(chǔ)；二是行為，這是基本視覺最重要的部分。從學(xué)術(shù)紅利的角度來看，物體方面的研究紅利不是很大，而行為方面的研究空間則比較大，因?yàn)樯疃葘W(xué)習(xí)目前還無法很好地解決行為方面的問題，因而這個(gè)方向還有很長的一段路要走。

對此，盧策吾教授進(jìn)一步解釋道，深度學(xué)習(xí)之所以還無法解決行為問題，主要有兩個(gè)原因：一個(gè)是語義噪聲特別大，深度學(xué)習(xí)難以在非常多噪音的情況下提取有用的信息；另一個(gè)是長尾問題，由于行為檢測屬于天然范圍內(nèi)的不可知問題，無法找到更多的數(shù)據(jù)來解決這一問題，因此相對于物體檢測的長尾問題，行為檢測的長尾要嚴(yán)重得多。

基于此，盧策吾教授領(lǐng)導(dǎo)團(tuán)隊(duì)提出了 HAKE，可用來解決目前行為檢測研究上所面臨的問題：

• 首先，這種方法能夠?qū)⒚總€(gè)物體的姿態(tài)和行為直接用知識(shí)表示出來，比如說一張運(yùn)動(dòng)員在踢足球的照片，HAKE 就可以將「他的頭部在干什么」、「他的腳在干什么」這樣的信息表示出來，研究者就能夠通過收集更多的行為數(shù)據(jù)來提高行為檢測的正確率。

• 其次，在語音噪聲方面，由于人體每個(gè)部位的行為情況都是有限的，因此可以通過使用 HAKE 給每個(gè)人的某個(gè)部位的行為打上標(biāo)注并做分類的方法，從而能夠?qū)⑿袨闄z測問題轉(zhuǎn)化為行為向量問題，來直接降低語音噪聲對行為數(shù)據(jù)的影響。

• 同時(shí)針對行為向量，實(shí)際上在做人類行為理解時(shí)，人類并不都是在進(jìn)行跑或者跳的行為，往往更多的是在進(jìn)行一些無法叫上名字的行為。而 HAKE 將圖片上的部位變成稀疏的點(diǎn)，從空間上來分析這個(gè)問題。比如說，針對一張人與人之間 Kiss 的照片與一張小孩與小狗 Kiss 的照片，通過對二張照片上人/狗形成的稀疏點(diǎn)做映射，來進(jìn)行比對點(diǎn)之間的空間距離，在結(jié)合對人/狗的判斷來判斷照片中的行為。

HAKE 基于現(xiàn)有的行為數(shù)據(jù)集，能夠提供人類示例行為標(biāo)簽以及相關(guān)身體部位的部分行為標(biāo)簽（Part States），可以極大提高人類行為檢測性能。雷鋒網(wǎng) AI 科技評論獲悉，該項(xiàng)目不久后將進(jìn)行開源供廣大研究者使用。     雷鋒網(wǎng)

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。