本次論壇由清華大學經管學院金融協(xié)會主辦、清華大學數(shù)據(jù)科學研究院協(xié)辦。

清華大學腦與智能實驗室主任助理宋森主要從事腦科學和人工智能的交叉研究。在他看來，這一波人工智能的發(fā)展主要基于深度學習，目前在基于大數(shù)據(jù)、特定場景下以及確定性問題上有了非常大的突破，但在小數(shù)據(jù)情況下，與人腦會采用推理、類比等方法應對相比，深度學習還會經常犯致命錯誤。下一步，深度學習會往通用性、不確定性、帶深度理解的方向發(fā)展。

深度學習的局限性是與會嘉賓都關注到的問題?？拼笥嶏w高級副總裁江濤表示，基于統(tǒng)計建模理論基礎的深度學習發(fā)展出來的弱人工智能，有智能沒智慧，有智商沒情商，會計算不會“算計”，有專才無通才。而目前工業(yè)界正在做的人工智能，還處于比較機械地在特定場合能解決特定問題的階段。

江濤表示，就人類目前認知智能，業(yè)界公認最難的是常識的推理。因為常識不像特定領域，如教育、醫(yī)療、司法的各種知識，具有固定的比較明確的答案，機器比較容易訓練，常識往往沒有明確的邊界，對深度學習算法來說十分困難?，F(xiàn)在的認知智能，無法實現(xiàn)處理常識，但在特定領域學習這個領域專家的知識和經驗是可以實現(xiàn)的。

北京文安智能技術股份有限公司創(chuàng)始人、董事長陶海認為，基于深度學習技術的AI技術靠的是樣本量，而樣本量不足是困擾業(yè)界人工智能公司的一個普遍問題，尤其是在服務特定行業(yè)客戶時，這一點更加突出。如何在缺少訓練基數(shù)的小樣本情況下有效解決問題，這也是目前不少人工智能創(chuàng)業(yè)公司所欠缺的。

金融科技領域出身的北京根網科技有限公司副總裁趙磊認為，因為上述原因，人工智能、大數(shù)據(jù)未來在金融行業(yè)的主要應用方向還是人機結合，而這方面我國的投入還不夠大。他舉例說，有數(shù)據(jù)顯示，中美兩國資本市場2015年總成交額已持平，但證券行業(yè)總IT投入差距卻高達20倍。此外，我國證券業(yè)軟件投入占IT總投入比例只有20%左右，遠低于國際平均60%的水平。

清華大學數(shù)據(jù)科學研究院執(zhí)行副院長韓亦舜認為，大數(shù)據(jù)的采集、存儲以及應用有很多新機會值得關注。他建議人工智能從業(yè)機構應該歸納自己擁有的數(shù)據(jù)資產，不盲目追求大數(shù)據(jù)的概念;進行內部數(shù)據(jù)的整合共享。