(资料图片)

当前，大数据、云计算、人工智能、区块链等技术加速创新，不断推动金融科技与期货行业融合。了解当前金融科技的现状挑战及发展趋势能为各市场主体把握数字化、网络化、智能化融合的发展契机提供前瞻性的视角。在9月8日的2022中国（郑州）国际期货论坛“金融科技分论坛”上，复旦大学计算机科学技术学院教授王晓阳深入介绍了当前智能化发展的趋势与挑战。他表示，当前数据红利的时代才刚刚开始。

王晓阳介绍说，目前智能化发展是处于向数据要知识的阶段，信息化最新模态催生大量数据，如互联网、物联网等。在这个过程中，数据的重要性越来越被认可，可以说，金融科技，数据是核心。

“量化交易就是典型的智能应用案例。量化交易中一般拥有海量数据，来源丰富，有量化结构化行情的市场数据，也有历史回测、多事件推理、事件量化策略的数据，以及来自舆情、地理、图片、音视频等多方面的数据，进而形成融合的量化事件驱动平台，在该平台上可以做各种各样的应用，如投研、交易等。其中的难点在于需要有更高效的系统支持从海量数据中获取有用的知识。所谓高效，即用更少的时间做更多的分析、用更少的能耗做更多的计算、用更少的人力及专业知识做更多的数据利用。”王晓阳说。

在王晓阳看来，当前智能化应用主要面临三方面的挑战：一是流程复杂，不同应用具有独特流程，人们往往需要多种数据、多种分析及学习方法、多种视角来协同达成目标，而不同的数据及不同的方法往往需要不同的软硬件计算平台来完成；二是数据量大，依赖于从大量异构数据中获取知识；三是人力缺乏，驾驭智能应用仍依赖大量人工，其中各类系统的引入带来各种“技术债务”，更需要大量人工，这也是当前智能化应用最大的难点。

“从智能投研的方向来看，一方面需要大规模并行运算、数理方法论创新、新型数据库、硬件技术等系统模型；另一方面需要进行优化的方法，如机器学习算法加速、海量数据运算回测加速、深度学习推演加速等，才能使得整个智能化应用运行下去。”他表示，从这个角度来说，目前智能化应用趋势可以总结为：机器学习软硬件系统普及且强大，是智能应用系统才刚刚起步。

王晓阳表示，数据红利的时代刚刚开始，但同时也面临很大挑战，比如需要从“浅层知识”的挖掘利用（如图像识别、语音处理等）向“深层知识”的挖掘利用（如理解、推理）发展。此外，机器学习的准确性是个统计概念，是基于很多假设的，但理想的IT系统要在严格的逻辑性下适应不确定的环境，故当前复杂应用智能化的难度仍然较大。

面对智能化应用趋势的难点，王晓阳认为，解决思路在于用智能技术来解决智能应用难题。智能技术为复杂流程的优化、多种系统的选择和协同以及自然人机交互提供了一条可能的途径。未来的目标是实现人工智能计算的“搜索化”，即将分析变成像搜索一样简单，从而实现智能系统的“平民化”。