什麼是機器學習?
機器學習是計算機程序無需人工干預即可學習並適應新數據的概念。機器學習是人工智能(AI) 的一個領域,無論全球經濟如何變化,它都能使計算機的內置算法保持最新狀態。
要點
- 機器學習是人工智能 (AI) 的一個領域,其概念是計算機程序無需人工干預即可學習並適應新數據。
- 計算機中內置了複雜的算法或源代碼,允許機器識別數據並圍繞其識別的數據構建預測。
- 機器學習有助於解析世界上一致且容易獲得的大量信息,以協助決策。
- 機器學習可以應用於各個領域,例如投資、廣告、借貸、組織新聞、欺詐檢測等。
瞭解機器學習
經濟的各個部門正在處理來自不同來源、不同格式的大量數據。由於技術(特別是先進計算能力和雲存儲)的不斷使用,大量數據(稱爲大數據)變得越來越容易獲取和訪問。公司和政府意識到利用大數據可以獲得巨大的洞察力,但缺乏梳理海量信息所需的資源和時間。因此,不同行業正在採用人工智能措施來收集、處理、交流和共享數據集中的有用信息。機器學習是越來越多地用於大數據處理的人工智能方法之一。
機器學習的各種數據應用是通過機器或計算機內置的複雜算法或源代碼形成的。此編程代碼創建一個模型,用於識別數據並圍繞其識別的數據構建預測。該模型使用算法中內置的參數來形成決策過程的模式。當新的或額外的數據可用時,算法會自動調整參數以檢查模式變化(如果有)。但是,模型不應改變。
機器學習的用途
由於各種原因,機器學習被應用於不同的領域。可以校準交易系統來識別新的投資機會。營銷和電子商務平臺可以根據用戶的互聯網搜索歷史或之前的交易向用戶提供準確和個性化的推薦。貸款機構可以結合機器學習來預測不良貸款並建立信用風險模型。信息中心可以利用機器學習來覆蓋來自世界各個角落的大量新聞報道。銀行可以利用機器學習技術創建欺詐檢測工具。隨着企業和政府越來越意識到大數據帶來的機遇,機器學習與數字化時代的結合將永無止境。
機器學習的應用
機器學習的工作原理可以通過金融界的例子得到更好的解釋。傳統上,證券市場的投資參與者,如金融研究人員、分析師、資產管理公司和個人投資者,會搜索來自世界各地不同公司的大量信息,以做出有利可圖的投資決策。然而,一些相關信息可能不會被媒體廣泛公開,並且可能只有少數擁有公司員工或信息來源國居民優勢的人知道。此外,人類在給定時間範圍內只能收集和處理這麼多信息。這就是機器學習的用武之地。
資產管理公司可以在其投資分析和研究領域採用機器學習。假設資產管理公司只投資礦業股票。系統內置的模型掃描網絡並收集來自企業、行業、城市和國家的所有類型的新聞事件,收集的這些信息構成了數據集。公司的資產管理者和研究人員無法利用他們的人力和智慧來獲取數據集中的信息。與模型一起構建的參數僅從數據集中提取有關礦業公司、勘探部門監管政策以及選定國家的政治事件的數據。
機器學習的例子
假設礦業公司 XYZ 剛剛在南非的一個小鎮發現了一個鑽石礦。專注於礦業公司的資產管理公司手中的機器學習工具會將其突出顯示爲相關數據。然後,機器學習工具中的模型將使用一種稱爲預測分析的分析工具,根據最近發現的信息,預測採礦業在一段時間內是否會盈利,或者哪些礦業股票可能會在某個時間增值,而無需資產管理公司的任何輸入。該信息被轉發給資產管理者以分析其投資組合並做出決策。然後,資產管理者可能會決定向 XYZ 股票投資數百萬美元。
在發生不利事件(例如南非礦工罷工)後,計算機算法會自動調整其參數以創建新模式。這樣,即使世界事件發生變化,機器內置的計算模型也能保持最新狀態,並且不需要人類調整其代碼來反映變化。由於資產管理公司及時收到了這些新數據,他們能夠通過退出股票來限制損失。