本文整理自文因互聯(lián)CEO鮑捷在3月29日舉辦的金融知識圖譜論壇上所做的開場報告。

今早我看了一下本次大會報名表，大概有 270 個人報名，參加的單位超過 150 個。我人工做了一個簡單的統(tǒng)計：其中有2家交易所，7 家券商，10 多家銀行，還有 10 多所大學(xué)，逾 10 家的智能金融從業(yè)公司。除了今天的主講嘉賓之外，還有其他的好多家也過來了。BAT 也悉數(shù)到場，其他的加在一起有超過 10 家大型的互聯(lián)網(wǎng)公司，投資機(jī)構(gòu)來了至少有 30 家?？梢钥吹秸麄€智能金融知識圖譜領(lǐng)域受到了極大關(guān)注，跟去年對比非常明顯。我們?nèi)ツ暌彩窃?3 月份的時候，在北京召開了第一次語義對話金融沙龍。那次我們請了一部分嘉賓，大概是來了 30 多個人，那次會場可以看比今天這個會場要小得多。

這一年的時間，發(fā)生了很大的變化。我們今天討論的很多內(nèi)容，都是在這過去一年里面新增出來的。一年之前大家還把這個東西叫做語義，現(xiàn)在基本上都已經(jīng)轉(zhuǎn)叫知識圖譜了。雖然名字發(fā)生了變化，但是這個技術(shù)的本質(zhì)并沒有變化，其應(yīng)用卻發(fā)生了巨大的變化。像自動化報告，很多跟智能投研相關(guān)的技術(shù)，去年都還只處于雛形構(gòu)思階段，到今天已經(jīng)得到了落實，在市場上已經(jīng)可以看到這樣的產(chǎn)品出現(xiàn)。

如果我們把金融知識圖譜放在一個更大的圖景里來看的話，可以看到整個 FinTech 行業(yè)的發(fā)展。過去三四年大家聽到最多的一個詞就是互聯(lián)網(wǎng)金融，最近一兩年有智能金融這個詞冒出來。在我的理解里面，它代表了 FinTech 的上半場和下半場。任何技術(shù)在去改變，或者革新一個已有的產(chǎn)業(yè)，通常就會有這樣一個上半場和下半場。

上半場重點在提高效率，在互聯(lián)網(wǎng)金融這個領(lǐng)域，主要是解決觸達(dá)的問題。不管是交易也好還是平臺也好，P2P 也好，其實它是在解決如何把原有的資源更好地組織在一起的問題。它把線下的搬到線上了，把原來效率低的提高效率，主要解決了一個觸達(dá)的問題。但是當(dāng)一個技術(shù)真正深入到一個領(lǐng)域，它將行業(yè)效率提升到了一個很高的程度，之后會發(fā)生怎樣的情況？通常會有新的商業(yè)模式應(yīng)運而生，產(chǎn)生一個重構(gòu)。以前它不能夠形成的商業(yè)模式，不能夠做的很多應(yīng)用，因為新技術(shù)的支持可以做了。我覺得這塊恰恰就是我們今后兩三年，甚至三四年的時間內(nèi)的一個重心。這一塊的重心就不僅僅是由于互聯(lián)網(wǎng)而更多的是由人工智能來支持的。

在這個從觸達(dá)到重構(gòu)的變遷里，其實很多經(jīng)驗不完全適用。在更早的互聯(lián)網(wǎng)應(yīng)用里面，無非就是加錢、加人、加機(jī)器解決問題，因為互聯(lián)網(wǎng)的應(yīng)用，它是一種復(fù)雜的系統(tǒng)。但是對于智能系統(tǒng)，它也是一種復(fù)雜系統(tǒng)，但它不是 complex system，它是一個 complicated system，它里面有非常精細(xì)的小結(jié)構(gòu)在里頭，不僅是通過加錢加人就能夠解決這個問題，所以兩者的發(fā)展路徑上會有點不一樣的地方。

今天我們的主題是知識圖譜，但是知識圖譜其實是整個智能化的一部分。我們金融的智能化也不能脫離過去20年的整個工作。按照我自己的理解把它分為四個階段：

第一個階段就是信息化，包括銀行之前做的就是這件事情，比如我們用紙質(zhì)的文檔，現(xiàn)在變成一種機(jī)器的文檔，從線下到線上解決這個問題。

第二個階段是大數(shù)據(jù)化。過去其實十年的時間，一開始不叫大數(shù)據(jù)，但其實做的東西就是大數(shù)據(jù)化，就是把割裂的分散的數(shù)據(jù)把它集中在一起。一開始它叫數(shù)據(jù)倉庫，后來叫大數(shù)據(jù)，最近又叫云，每家銀行都在做，券商也在做，交易所也在做。實際上是要把這個數(shù)據(jù)從割裂狀態(tài)，變成一個融合的狀態(tài)，變成一個大數(shù)據(jù)，解決這個問題。

這兩年應(yīng)該說從 2015 年開始，我們又進(jìn)入了下面一個階段，就是一個自動化的階段。在我們有了這么多數(shù)據(jù)之后，我們發(fā)現(xiàn)很多東西是非常繁瑣的，用人工來轉(zhuǎn)移這些數(shù)據(jù)，不如用機(jī)器來做這種重復(fù)性的工作。我們用更智能的程序，來幫我們自動化這個過程，把繁瑣變?yōu)楹唵巍＿@也是最近兩三年的時間，我們在很多分支里都看到了的嘗試。

智能化可以說是緊跟著自動化開始，我把它稱為從畫龍到點睛，也就是整個系統(tǒng)里面，我們以前是人做所有的工作。但是人應(yīng)該和機(jī)器在一起形成一個協(xié)作系統(tǒng)，機(jī)器做復(fù)雜的事情，而人是真正的價值創(chuàng)造者。只有人才能夠點睛，智能化就是要把這個過程變成讓機(jī)器來畫龍，人來點睛的過程。

人工智能現(xiàn)在有很多不同的分支，我這里列了三個主要的分支，就是經(jīng)驗主義，或者稱為機(jī)器學(xué)習(xí)方法，還有聯(lián)結(jié)主義，最近最火就是深度學(xué)習(xí)，在這之前是神經(jīng)網(wǎng)絡(luò)方法，還有今天我們要談到的知識的方法，就是符號主義，更早的時候叫邏輯，后來在90年代末的時候，開始有一個領(lǐng)域叫語義網(wǎng)，后來演化成了知識圖譜。在金融領(lǐng)域里面，早期大家對于機(jī)器學(xué)習(xí)比較熟悉，包括像信用卡導(dǎo)購，營銷，用戶畫像技術(shù)，我們都會用到很多機(jī)器學(xué)習(xí)的方法；最近一兩年時間，深度學(xué)習(xí)開始廣泛的應(yīng)用，知識圖譜進(jìn)入還是算比較晚的吧。

大家對知識圖譜可能不是很熟悉，我這里就來簡單講一下我個人理解的知識圖譜。在我看來知識其實就是結(jié)構(gòu)，我們最簡單的知識就是字典，我們用一些詞去定義另外一些詞，所以這就是形成了詞和詞之間的結(jié)構(gòu)。

這副圖是谷歌的知識圖譜。它放出來的一個廣告圖，代表了每一個節(jié)點，就是一個實體，這里有一個蒙娜麗莎是一幅畫，然后達(dá)芬奇是一個人，這代表了一個關(guān)系，就是蒙娜麗莎是達(dá)芬奇畫的這樣一個關(guān)系?；仡^陳華鈞老師會更詳細(xì)地介紹。

另外一個結(jié)構(gòu)，就是行業(yè)上下游。每一種行業(yè)，我們都可以畫出這個行業(yè)的上游產(chǎn)品、下游產(chǎn)品是什么；在每一種產(chǎn)品上有什么樣的公司在提供這樣一種服務(wù)。以前我們都是用人工來做這樣的事情，它可不可以自動化呢？以前我們對于比如A股上市公司，可能只有那么幾百個行業(yè)，我們可以人工來做。但現(xiàn)在我們面臨的是上萬家上市和掛牌公司，上千個細(xì)分行業(yè)，我們能不能用機(jī)器來提高效率，來做出這樣的知識圖譜呢？應(yīng)該是可以的。

這是用了 JSON 的格式從公告里面提取出來的一個高管變動，里面提到了其中某一個人，他因為什么原因，他在什么時間辭去了什么職位，這樣一個知識提取，也是機(jī)器可以幫我們做出來的。

所以整個知識圖譜技術(shù)的核心，就是如何把數(shù)據(jù)結(jié)構(gòu)化。在傳統(tǒng)的數(shù)據(jù)庫研究里面，我們已經(jīng)看到了數(shù)據(jù)是結(jié)構(gòu)化的。知識圖譜技術(shù)，從某種程度上來說，是數(shù)據(jù)庫技術(shù)往前的一步，把傳統(tǒng)的表格結(jié)構(gòu)所不能處理的復(fù)雜的關(guān)系，用更新型的數(shù)據(jù)庫來進(jìn)行存儲、表達(dá)。這個技術(shù)雖然是從2012年開始才為大家所知，但從淵源上講，已經(jīng)有差不多15年到20年的發(fā)展時間了。

今天的論壇是由中文信息協(xié)會來主持的，中文信息協(xié)會以前是側(cè)重在自然語言處理這個技術(shù)上面的。自然語言處理里有一個分支叫知識提取，從非結(jié)構(gòu)化的數(shù)據(jù)里面，把結(jié)構(gòu)化數(shù)據(jù)提取出來。后來到了2012年左右的時候，這一塊就融入了知識圖譜技術(shù)，白碩老師待會給大家詳細(xì)地講這一塊技術(shù)。知識表現(xiàn)是另外一塊，更古老的時候叫做邏輯，或者再早的時候叫專家系統(tǒng)。漆桂林老師是這塊的大拿。在語義網(wǎng)研究的十幾年的時間中起起伏伏，當(dāng)然也有一些非常輝煌的成功，包括像 Siri、IBM Watson 這樣的項目，在2010年、2012年的時候，證明了知識表現(xiàn)的價值。到2012年的時候，也被并入了知識圖譜這個領(lǐng)域。知識存儲的淵源，就是剛才提到的數(shù)據(jù)庫技術(shù)?，F(xiàn)在大家聽到得很多，像 Neo4j 這種圖數(shù)據(jù)庫，RDF 數(shù)據(jù)庫，都是代表了新的知識存儲引擎。最后一塊就是知識檢索，今天在座的也有很多從搜索引擎公司出來的朋友。谷歌有一句話是說我們現(xiàn)在搜索的東西，不再是字符串-string，而是實體-entity。

這四個不同的領(lǐng)域，發(fā)展到了某一個關(guān)鍵節(jié)點，都發(fā)現(xiàn)要想解決各自領(lǐng)域里的問題，必須用結(jié)構(gòu)化數(shù)據(jù)，進(jìn)而就形成了知識圖譜這個技術(shù)。

我們具體再來看金融知識圖譜，這是我們今天在中國市場上看到主要的各種類型的金融知識圖譜。這是一個很粗的分類，每一個分類下面，都會有很多更細(xì)分的分類。比如像前面的創(chuàng)投類數(shù)據(jù)庫，滕放騰總，文飛翔文總，還有郭穎哲郭總，他們接下來會分別向大家介紹自己的經(jīng)驗。另外在很多其他類型的市場上，包括一級市場、二級市場，我們都看到各種不同的知識圖譜、數(shù)據(jù)庫陸陸續(xù)續(xù)出現(xiàn)。比如做A股、新三板的公司，其實還有做港股、美股的公司，各種基本面的數(shù)據(jù)，行情的數(shù)據(jù)，現(xiàn)在都在陸陸續(xù)續(xù)地知識圖譜化。以前大家只看 F10，現(xiàn)在一種智能的“F10”出現(xiàn)了，還有公告數(shù)據(jù)、研報數(shù)據(jù)的提取、公告研報的檢索等等。泛輿情數(shù)據(jù)、泛企業(yè)數(shù)據(jù)和各種工商數(shù)據(jù)，都是我們今天看到的金融知識圖譜的不同分支。

從應(yīng)用上來講，我能想到的有十幾種。但實際上會遠(yuǎn)遠(yuǎn)不止這十幾種。讓人興奮的是，這里面的大多數(shù)應(yīng)用都是在過去一年里頭出現(xiàn)的。一年之前我列這個列表可能只有四五種，而現(xiàn)在我們可以列出十幾種。所以我們很難想象，明年我們會列出多少種。在各種投資的分支上面，我們可以看到知識圖譜有非常廣闊的應(yīng)用。今天在座的也有很多嘉賓，他們分別都在做各自的工作，這個論壇的目的就是把大家湊在一起，互通有無，交流經(jīng)驗。

我就簡短地說一下，今天主要的時間留給各位主講嘉賓。今天一共有 5 個報告人，前面白老師主要講 NLP 和知識圖譜對接的工作，然后是三個做創(chuàng)投數(shù)據(jù)庫的公司的老總來給大家分享一下自己的經(jīng)驗，最后是陳華鈞教授和丁力老師，來跟大家講一下開放知識圖譜的愿景。