原標(biāo)題：專訪飛笛科技創(chuàng)始人CTO姚坤：這是數(shù)據(jù)+實(shí)干的年代

　　經(jīng)歷過三次技術(shù)浪潮之后，AI正引發(fā)越來越多年輕人離開大廠選擇創(chuàng)業(yè)。

　　2015年以前，姚坤還是騰訊某研發(fā)小組負(fù)責(zé)人，此后他辭去穩(wěn)定的工作加入飛笛科技出任創(chuàng)始人CTO，聯(lián)合兩位資深財(cái)經(jīng)媒體人，在距離騰訊大廈一樓之隔的松日鼎盛開啟了一段未知的創(chuàng)業(yè)之旅。

　　這恰好與2016年AlphaGo所掀起的人工智能熱潮同步。姚坤認(rèn)為，事件，社交類信息的處理，加載金融場景，是一件很酷又充滿想象力的事業(yè)。

　　他指出，正是由于當(dāng)下AI前沿技術(shù)的免費(fèi)共享，決定了小公司與大公司的技術(shù)差距實(shí)際上并不大，但對行業(yè)的理解力和方法論決定了事情的成敗。目前財(cái)經(jīng)數(shù)據(jù)領(lǐng)域的AI應(yīng)用還處在初級階段，其中挑戰(zhàn)最大的就是飛笛所在的智能投研市場。

　　四年多的探索過程中，飛笛曾經(jīng)“走一步就掉一個坑，爬起來后再掉到另一坑”，逐層疊加這些技術(shù)積累并進(jìn)化后，接下來公司將推出基于全網(wǎng)社交大數(shù)據(jù)的上市公司情緒感知系統(tǒng)。

　　雖然還處在弱人工智能時代，但AI給財(cái)經(jīng)數(shù)據(jù)的處理和應(yīng)用已經(jīng)帶來改變。姚坤表示，在當(dāng)下行業(yè)底層技術(shù)充分開放的階段，AI創(chuàng)業(yè)要更注重下沉，并了解AI的能力邊界，再找準(zhǔn)突破點(diǎn)推進(jìn)下去。

　　AI初階創(chuàng)業(yè)的考驗(yàn)：數(shù)據(jù)積累與執(zhí)行力

　　《21世紀(jì)》：作為一名扎根四年的AI創(chuàng)業(yè)者，你覺得當(dāng)前AI創(chuàng)業(yè)的機(jī)會和挑戰(zhàn)是什么？

　　姚坤：李開復(fù)在其《AI·未來》一書中總結(jié)過AI所處的階段，已經(jīng)從“發(fā)明的年代”過渡到“數(shù)據(jù)和實(shí)干的年代”。深度學(xué)習(xí)算法早在2006年就獲得了突破。在2016年AlphaGo戰(zhàn)勝李世石之后，深度學(xué)習(xí)在國內(nèi)的熱潮才被點(diǎn)燃。最近幾年AI的發(fā)展，都不過是依賴深度學(xué)習(xí)這項(xiàng)大發(fā)展所做的漸進(jìn)式改善和優(yōu)化。在這個過程中，AI迅速蔓延到工業(yè)界。這一階段的特點(diǎn)是技術(shù)門檻不斷降低，對數(shù)據(jù)和執(zhí)行落地的要求在提高。

　　那么創(chuàng)業(yè)者的機(jī)會有：第一，AI 前沿技術(shù)免費(fèi)共享，新的理論可以被快速試驗(yàn)和應(yīng)用，決定了小公司在技術(shù)上與大公司差距并不大。第二，傳統(tǒng)行業(yè)效率提升和自動化帶來新的商業(yè)機(jī)會。第三，海量數(shù)據(jù)價值尚有待充分發(fā)掘，比如沉淀已久的化石級數(shù)據(jù)（比如手寫的文稿），由移動應(yīng)用和傳感器產(chǎn)生的新增數(shù)據(jù)（豐富了用戶畫像），獨(dú)特的另類數(shù)據(jù)（比如啤酒和尿布銷量的關(guān)聯(lián)度）等。

　　挑戰(zhàn)方面，首先，如果一個創(chuàng)業(yè)者想深入產(chǎn)業(yè)推動變革，那么他對行業(yè)的理解力和方法論決定了事情的成敗，或者說他除了懂AI，還得懂行業(yè)。其次，數(shù)據(jù)價值凸顯，應(yīng)用效果的提升主要靠數(shù)據(jù)規(guī)模和質(zhì)量驅(qū)動，因此數(shù)據(jù)的獲取和處理能力是競爭壁壘的關(guān)鍵。

　　海量數(shù)據(jù)的特征是數(shù)據(jù)源分散，難收集，雜質(zhì)多，難清洗，數(shù)據(jù)異構(gòu)，難融合。難點(diǎn)相當(dāng)多。

　　《21世紀(jì)》：飛笛的定位是“專注在財(cái)經(jīng)數(shù)據(jù)智能分析的金融科技公司”，你覺得當(dāng)前國內(nèi)AI在財(cái)經(jīng)數(shù)據(jù)應(yīng)用領(lǐng)域，公子耳卿處在什么階段？

　　姚坤：財(cái)經(jīng)數(shù)據(jù)領(lǐng)域整體還屬于人工智能滲透的初期，機(jī)會很多，也都不容易。比較成熟的有個人征信，量化交易，還在路上的有文檔審核校對，撰寫報告，智能客服，風(fēng)控，理財(cái)，比較遠(yuǎn)的有智能投顧，智能投研等。

　　個人征信和量化交易需求明確得較早，是因?yàn)閿?shù)據(jù)比較完善，結(jié)構(gòu)化程度高，所以比較好介入。但是面臨的問題也比較多，比如個人征信誕生了很多灰色的數(shù)據(jù)爬取和交易，量化交易方面，各家的“信息優(yōu)勢”差異很小，能否在市場勝出靠的是發(fā)現(xiàn)新的數(shù)據(jù)因子，除了大名鼎鼎的文藝復(fù)興科技，大部分平淡無奇。

　　文檔審核，報告撰寫，以及基于財(cái)報數(shù)據(jù)的風(fēng)控，主要基于金融行業(yè)一大類規(guī)范文檔的識別，利用模板和預(yù)設(shè)邏輯可以較好的實(shí)現(xiàn)。參與這類業(yè)務(wù)的主要是有技術(shù)基因的AI公司。

　　挑戰(zhàn)最大的是飛笛所處的智能投研領(lǐng)域。它的應(yīng)用領(lǐng)域廣，需求場景很多，包括信息和情報監(jiān)測，風(fēng)控，投資，投顧，機(jī)構(gòu)數(shù)據(jù)中臺，垂直搜索，App前端，展業(yè)獲客等。智能投研對能力要求門檻高，因?yàn)樯婕暗絅LP（自然語言處理）。另外，業(yè)務(wù)縱深也是一大挑戰(zhàn)，進(jìn)入具體場景就能發(fā)現(xiàn)業(yè)務(wù)邏輯很復(fù)雜，水很深。

　　財(cái)經(jīng)數(shù)據(jù)處理的挑戰(zhàn)：細(xì)化和疊加智能化技術(shù)

　　《21世紀(jì)》：飛笛在把AI技術(shù)應(yīng)用到財(cái)經(jīng)數(shù)據(jù)處理過程中，最大的難點(diǎn)是什么？

　　姚坤：我們目標(biāo)比較明確，就是想做財(cái)經(jīng)資訊的自動分類和標(biāo)簽，形成一個信息引擎。資訊的分類與打標(biāo)簽屬于NLP這個方向，相比圖像識別，技術(shù)成熟度比較低。

　　原因一方面是AI在語義理解上還差得很遠(yuǎn)，另一方面中文有自身的特點(diǎn)，比如表達(dá)簡單但內(nèi)涵豐富，需要依靠上下文和讀音才能準(zhǔn)確識別。所以我們盡量繞開語義理解，選擇可行的方向。但中文是繞不開的，得額外照顧。

　　《21世紀(jì)》：有沒有走過一些彎路，掉進(jìn)過一些坑？

　　姚坤：感覺是走一步就掉一個坑，爬起來后再掉到另一坑。我們從數(shù)據(jù)抓取入庫就遇到了很多問題，首先是數(shù)據(jù)源分散，每個信源的網(wǎng)站結(jié)構(gòu)各不相同，需要多種數(shù)據(jù)解析方式，還需要攻克一些反爬措施。

　　其次是數(shù)據(jù)異構(gòu)。比如有些網(wǎng)站的文章有摘要，有些沒有，有些網(wǎng)站有作者字段，有些則沒有，有些文章發(fā)表時間精確到分鐘，有些則只有日期。這樣融合在一起時，各種字段殘缺。

　　進(jìn)入到資訊分類打標(biāo)簽階段，問題就更多。列幾類我們在信息抽取時遇到的麻煩，這主要在于表達(dá)方式靈活多樣。比如對日期時間的識別，會有很多表述：“2019年8月31日-9月24日”，“06∶35”，“9月舉行”，“本月5日”，“10分鐘前”，“2天后”，這些要預(yù)埋很多模板邏輯來提取。

　　還有歧義詞的問題，這比較分散，比如有家上市公司叫“好想你”，為了識別這三個字在一篇文章中到底是不是上市公司，需要詞法分析和句法分析輔助判斷。

　　另外就是如何排除干擾項(xiàng)，例如，“國泰君安證券研究所所長黃燕銘對2019年余下的A股交易時間進(jìn)行了預(yù)判”。這條按模式會匹配到“國泰君安”這家上市公司，但內(nèi)容并不是這家公司的事情，需要補(bǔ)充規(guī)則或喂語料來識別。每一個坑就意味著一項(xiàng)工藝待突破。

　　《21世紀(jì)》：這些微小的，不斷疊加的工藝突破對創(chuàng)業(yè)公司意味著什么？

　　姚坤：這是每一個AI創(chuàng)業(yè)公司都要經(jīng)歷的過程。大的方向和技術(shù)框架目前比較成熟，剩下的都是一個個小問題的解決和積累。比如針對分類或打標(biāo)簽任務(wù)，技術(shù)方向上，可以選擇傳統(tǒng)的模式匹配——人工預(yù)先設(shè)定好模板規(guī)則和目標(biāo)關(guān)鍵詞，由機(jī)器自動進(jìn)行字符串正則匹配，也可以選擇深度學(xué)習(xí)——基于DNN（深度神經(jīng)網(wǎng)絡(luò)）的NLP已經(jīng)形成了一整套相關(guān)技術(shù)，包括詞向量，句向量，編碼器-解碼器，注意力機(jī)制，transformer和各種預(yù)訓(xùn)練模型，而目前大熱的預(yù)訓(xùn)練模型是以無監(jiān)督的方式使用大規(guī)模文本語料庫進(jìn)行預(yù)訓(xùn)練，然后使用特定任務(wù)的小數(shù)據(jù)集進(jìn)行微調(diào)。在實(shí)施過程中，每一種方法都可以嘗試，綜合使用，這考驗(yàn)的是團(tuán)隊(duì)執(zhí)行力。

　　《21世紀(jì)》：機(jī)器學(xué)習(xí)依賴高質(zhì)量的數(shù)據(jù)，財(cái)經(jīng)信息的處理在這方面是否體現(xiàn)得更明顯？

　　姚坤：前面我們提到技術(shù)的前沿在不斷推進(jìn)，但針對財(cái)經(jīng)領(lǐng)域的信息處理，目前仍然是非常依賴數(shù)據(jù)。首先標(biāo)注門檻高，需要有行業(yè)相關(guān)背景知識。其次，數(shù)據(jù)有隱含歧視的問題，通過數(shù)據(jù)分析，可能會得到歧視性的結(jié)果。另外數(shù)據(jù)有偏差，數(shù)據(jù)在標(biāo)注的時候請人來做，人是會偷懶的，公子耳卿會想最簡單的方法去標(biāo)注，結(jié)果標(biāo)注的數(shù)據(jù)千篇一律，基于這樣的數(shù)據(jù)學(xué)的模型也只能達(dá)到標(biāo)注范圍內(nèi)的好效果，到真實(shí)數(shù)據(jù)上一跑，就不好使了。此外還有數(shù)據(jù)隱私保?等問題。

　　實(shí)際落地中，上面提到的技術(shù)我們都會結(jié)合使用。效果跟人力投入正相關(guān)，訓(xùn)練機(jī)器是個長期磨合的事情。在這個過程中，我們創(chuàng)建了飛笛自有的非結(jié)構(gòu)化數(shù)據(jù)的價值評估體系，生成了上市公司圖譜以及上市公司事件庫。

　　應(yīng)用未來：搭建上市公司情緒感知系統(tǒng)

　　《21世紀(jì)》：聽說飛笛即將推出基于全網(wǎng)社交大數(shù)據(jù)的上市公司情緒感知系統(tǒng)？

　　姚坤：飛笛從2015年成立，已經(jīng)有超過4年的財(cái)經(jīng)數(shù)據(jù)儲備，數(shù)據(jù)包含雪球，微信等活躍社交媒體，傳統(tǒng)媒體及門戶，政府官網(wǎng)，垂直行業(yè)網(wǎng)站等，也包括結(jié)構(gòu)化場內(nèi)數(shù)據(jù)接入如萬得等。今年開始得到股東新浪集團(tuán)的支持，接入了微博全量財(cái)經(jīng)社交大數(shù)據(jù)。

　　我們計(jì)劃于10月推出微沸點(diǎn)情緒感知系統(tǒng)，它是針對上市公司，投資者和金融機(jī)構(gòu)，提供的一款基于新聞媒體和社交大數(shù)據(jù)的實(shí)時風(fēng)險預(yù)警，機(jī)會提示跟蹤系統(tǒng)，同期還將在《21世紀(jì)經(jīng)濟(jì)報道》旗下21財(cái)經(jīng)APP，微博推出上市公司情緒異動指數(shù)。我們認(rèn)為，這是飛笛四年厚積薄發(fā)的第一款重量級產(chǎn)品。

　　《21世紀(jì)》：社交言論大數(shù)據(jù)的處理難度是不是更艱巨了？

　　姚坤：難度更高了。一方面相對于傳統(tǒng)媒體生產(chǎn)的新聞資訊，微博這種匿名社交的內(nèi)容更隨意，暗語和表情更多。因此對信息做提純，分類及標(biāo)簽化難度都變大了。另一方面是結(jié)合業(yè)務(wù)，有新的能力需要補(bǔ)。比如計(jì)算信息與它講到的公司的關(guān)聯(lián)度，計(jì)算情緒異動指數(shù)等。

　　在此過程中，我們創(chuàng)建了上市公司事件庫，這是一個以公司為核心，多維標(biāo)簽化的資訊庫，比如信息是正向還是負(fù)向，信息是描述公司產(chǎn)品，高管還是子公司。另外，我們還創(chuàng)建了資訊的價值評估方法，從時間，熱度，價值和相關(guān)性幾個維度對信息進(jìn)行解讀，比如信息的傳播量，重要度等。我們之前積累的資訊標(biāo)簽化和知識圖譜起到了重要的能力支撐。

　　《21世紀(jì)》：飛笛的起步恰好與AlphaGo戰(zhàn)勝李世石引發(fā)的中國AI浪潮同步，能否暢想下接下來的AI時代是什么樣？

　　姚坤：如果機(jī)器能自己利用先驗(yàn)知識，舉一反三，主動學(xué)習(xí)新知，就完美了。也就是強(qiáng)人工智能，但目前來說還遠(yuǎn)遠(yuǎn)看不到。

　　大膽猜想一下，理想未來是結(jié)合常識圖譜來給AI鋪墊底層價值觀，利用強(qiáng)化學(xué)習(xí)讓AI沿著設(shè)定的價值觀自己摸著石頭過河。

　　但是眼前對于想?yún)⑴cAI的創(chuàng)業(yè)小公司，務(wù)實(shí)的方向還是下沉到傳統(tǒng)行業(yè)，利用已經(jīng)積累的數(shù)據(jù)，改善流程，提升效率。趁著目前AI前沿技術(shù)還能免費(fèi)共享，與大公司技術(shù)差距還不大的好年代，擼起袖子加油干。飛笛與業(yè)內(nèi)一些大公司也經(jīng)常有交流，對財(cái)經(jīng)資訊的結(jié)構(gòu)化處理這個點(diǎn)，飛笛比這些大公司更有優(yōu)勢。最后，入坑之前，還是先了解下AI的能力邊界，合理預(yù)期，找到需求場景和能力滿足的結(jié)合點(diǎn)。

本文地址：http://www.help-services.cn/info/2019/09/2009071638.html