2019GAITC丨重磅嘉宾抢先看之-文因互联CEO鲍捷博士

鲍捷，文因互联创始人兼CEO

衣阿华州立大学博士、伦斯勒理工学院（RPI）博士后、MIT访问研究员。研究领域涵盖自然语言处理、语义网、机器学习和描述逻辑等，在AAAI, ISWC,ESWC和ASWC等语义网核心期刊和会议上发表论文70余篇。曾任W3C OWL工作组成员，合作撰写了语义网标准 OWL2 的 W3C 规范文档。先后参与组织 50 多场国际学术会议和学术研讨会，并任中国中文信息学会语言与知识计算专业委员会委员、W3C顾问委员会委员、中国计算机学会会刊编委，中文开放知识图谱联盟(OpenKG)发起人之一。

随着大数据与人工智能技术的发展，金融科技逐步从信息化、大数据化阶段进入到自动化和智能化发展的下半场，智能监管、智能风控、数据治理、精准营销、智能搜索等需求越来越受到重视，金融知识图谱构建成为下半场的核心推动力。

知识图谱最早由Google公司在2012年提出。从学术的角度，我们可以对知识图谱给一个这样的定义：知识图谱本质上是一种叫做语义网络的知识库。从实际应用的角度出发可以简单地把知识图谱理解成多关系图，主要应用于数据结构化处理、解析、关联和后续的分析与推理。

鲍捷博士认为，对于金融行业来说，知识图谱是催化剂，能加速数据价值的产生。知识图谱的全链条数据结构化能力主要体现在金融文档的结构化提取与解析，解析后再进行实体链接映射到知识图谱上，之后是规则建模与推理、语义搜索、自然语言问答。鲍捷博士说，从2016年到现在，中国的金融知识图谱领域取得了巨大的进步，正为金融机构内部的流程自动化、智能化打下基础。

在具体业务方向上，文因互联主要聚焦于监管科技和银行科技两个方向。以监管科技为例，主要通过对包括公司公告、年报、研报、债券、舆情以及内部文件等内容材料的监控以及文本分析，进而开展数据提取以及关系提取，构建底层知识库。在底层知识库之上，通过业务流程建模以及规则建模等手段构建监管引擎，实现监管机构对市场主体全景式实时自动分析，为智能化监管提供基础。

鲍捷博士表示，在5年时间内，希望在所有的金融机构、政府、研究机构间构造出一个巨大的近乎实时的数据分发网络，即“金融数据高速公路”，实现各金融机构间的实时信息流通。速度会带来整个业态的质变，让我们拭目以待。

历史上人工智能的发展经历了三起两落，落地过程中场景模糊、落地周期长、效果不显著等等困境一直都存在。鲍捷博士表示，未来30年，人工智能也会继续呈现这种上下波动的趋势， 但 AI 已经进入全面产业化落地的进程势头不会逆转。鲍捷给出了以下几点理由：

首先，AI已经结合很多具体场景落地到产业上，有些行业比如计算机视觉已经创造了几十亿的产值；其次，从投资角度看，之前的AI发展主要靠政府和军方的支持，而这次资本的入驻给AI的发展提供了大量的助推器；此外，人工智能的发展，离不开其他技术的支持，如大数据、云。举个简单的例子，假设我们想造一辆车，光拥有AI内燃机是不够的。云、大数据、运维系统相当于车的轮子，传送机制，保险机制。只有结合起来，才能造出一辆车，在公路上飞速驰骋。事实上，现在在人工智能领域已经产生了一条特别长的产业链条。比如上游有上百万的数据标注师，下游有各种各样的应用场景。一个产业的成熟一定是建立在产业链完善的基础上的。随着人工智能行业几十年的发展，所有的周边基础零件都逐渐完备，已经具备了“造车”能力。

“我们现在的AI在初期可能只能造出一个破破烂烂的车子，经常漏气漏油，但起码还能用。而且已经比之前好太多太多。” 鲍捷博士谈到， “先跑起来，然后不断迭代，最终才会有一个完美的车子。”

AI 场景落地有其特殊规律，现在很多人都认为要实现AI在垂直领域场景化落地，在探索初期就高举高打，堆上最先进的技术、最豪华的团队打造出一套 “普适”的 AI 产品，去适