深度探讨金融科技与可信人工智能金融大数据与可信AI论坛成功举办 11月19日下午|2022第十届中国计

【深度探讨金融科技与可信人工智能金融大数据与可信AI论坛成功举办】11月19日下午,2022第十届中国计算机学会大数据学术会议金融大数据与可信AI专题论坛在四川省成都市成功举办,并同步线上直播。
本次专题论坛执行主席为西南财经大学计算机与人工智能学院杨新教授和西南交通大学经济管理学院刘盾教授,论坛邀请了香港科学技术大学(广州)人工智能学域主任熊辉教授、微众银行人工智能首席科学家范立欣博士、山西大学大数据科学与产业研究院院长钱宇华教授、北京邮电大学计算机学院石川教授和西南财经大学数字经济与交叉科学创新研究院副院长李庆教授、思腾合力科技有限公司西南分区负责人曾丙森六名学术界知名学者和工业界一线专家带来精彩报告,与大家分享当前金融大数据与可信AI的发展趋势和产业化进展。

文章图片
本论坛聚焦大数据在金融领域的理论、技术和应用研究,围绕可信人工智能技术的几大关键核心问题,介绍联邦学习、机器学习和深度学习在金融大数据方面的最新研究进展和未来发展趋势,深度探讨金融科技与可信人工智能的内在关联和交叉创新研究等。
熊辉报告的题目是“风险投资--从经验法则到数据科学” 。熊教授指出对初创公司的筛选和评估很大程度上取决于投资者的个人经历、社会关系和对公司的定性评价。因此,金融行业需要针对风险投资交易进行可靠、定量的研究。首先,熊教授介绍了一个个性化的投资组合策略,以帮助投资者瞄准正确的初创公司,并确定适当的资金数量。其次,从财务和管理的角度出发,若投资者非常了解目标初创公司的团队成员,那么风险投资(VC)的决策过程和成功率都可以大大提高。但是,针对风投公司和初创公司成员之间突出的社会关系对投资决策影响的相关研究还有待深入。因此,熊教授建议探究此类社会关系,并进一步研究这些信息对预测投资交易的帮助。

文章图片
范立欣报告题目为“可信联邦学习及数据隐私保护” 。范立欣指出,联邦学习是一种分布式机器学习技术,其核心思想是通过在多个拥有本地数据的数据源之间进行分布式模型训练,在不需要交换本地个体或样本数据的前提下,仅通过交换模型参数或中间结果的方式,构建基于虚拟融合数据下的全局模型,从而实现数据隐私保护和数据共享计算的平衡,即“数据可用不可见”、“数据不动模型动”的应用新范式。范博士系统讲述了联邦学习的进展和存在的挑战,并展望了未来几个重要的发展方向。

文章图片
钱宇华报告的题目是“机器学习可解释性研究现状与思考” 。他首先通过对统计机器学习与深度学习的剖析,对可解释性从语义可解释性与原理可解释性进行归纳。其次,提出随机一致性代替非0作为准则,研究基于机器学习的决策中,在受到数据噪音、标注偏好等复杂因素影响,或缺乏足够证据和先验知识时,决策结果与真实情况所产生的随机一致性。由于随机一致性将导致决策缺乏客观性与可重复性,给机器学习理论与模型的可信性造成解释性灾难,并为经典可学习理论与方法带来了挑战。因此,钱教授在总结归纳机器学习可解释性研究的基础上,汇报了近年来针对重构具有原理可解释性的可学习理论进行的一些创新性研究,并展望了其未来的理论及应用方向。

深度探讨金融科技与可信人工智能 金融大数据与可信AI论坛成功举办

深度探讨金融科技与可信人工智能金融大数据与可信AI论坛成功举办