Deep Learning实践的心得分享

前几日受邀主持了母校University of Alberta的上海校友会,活动中有幸听到了Osmar Zaïane教授的分享——Promises of Artificial Intelligence & the Role of Research,让我对AI领域在学术层面上的terminology有了进一步的认识和理解。我所专注的财务领域人工智能系列产品RoboAcct应用的Deep Learning(深度学习)正是人工智能的其中一个分支。

上面提到,Deep Learning作为一种Supervised Learning,是人工智能领域中的一个分支,它在RoboAcct系列产品中得到了深度应用。Deep Learning的应用使得原本只有人才能看懂或读懂的财务数据,逐渐演变成不需要人工介入,机器就能独立并准确读懂的数据。

是不是有点不明觉厉?其实,在我们生活中,这样的学习过程随处可见。

举个例子

三年前,我大儿子刚上小学二年级。作为一个从传统理科学校毕业的文科父亲,教他使用“乘法口诀”是不可或缺的家庭教育环节。从1*1到9*9,不断地重复锻炼学习,他逐渐从“经常性的犯错”转变为“少量错误”,一直到最后的正确答案脱口而出

其实,我们在财务领域应用的Deep Learning与上述学习过程惊人地相似——

一开始,我们使用636条财务数据,用76%的精度,通过设计的算法重复学习10次得到30%的准确率(准确率:准确地读懂原本只有人才能读懂的财务数据含义)。

增加数据量至57,400条,用93%的精度重复学习600次,达到了50%左右的准确率。

再增加数据量至170,000条财务数据,用99.99%的精度,重复200次学习,达到92%的准确率。

最后,用上述三次的学习成果读取680,000条财务数据,机器可以达到99.99%的准确度,实现“读懂”这些财务数据。

人工智能的优势

解放核算会计

把原本只有人可以读懂的财务数据转化为机器可以读懂的财务数据,这对于解放核算财务人员来说是一个质的飞跃。

挖掘数据宝藏

历史财务数据是企业的宝藏,但往往被遗忘在了硬盘之中。并且,为了储存这些很少使用的数据,企业通常需要花费大量的人力、物力。如果需要利用这些数据,则需要投入更多额外的人力和物力。深度机器学习重新开发了这些企业的历史数据,使得它们重获新生。

节省运营投入

机器学习后,习得的知识可以重复使用,程序无需因业务需求的转变而进行二次开发,为企业节省了持续地升级软件/项目而产生的运营投入。

总结

在人工智能“遍地开花”的时代,希望上述实践可以帮助读者重新审视人工智能的真正含义。

在我与财务人员的接触中

常常听到的反馈是——

“我会不会失业?”

“听起来好可怕,感受到强烈的危机感”

。。。

其实,人工智能是人类的工具,排斥它、将它拒之门外,或许会陷入清朝后期“闭关锁国”的危机;

而第一时间接受它、拥抱它,对个人来说,你会具备其他人没有的“超能力”,而作为企业,将有机会大幅降低成本、提升竞争优势。

了解更多

财务人工智能趋势分享

  • 发表于:
  • 原文链接:http://kuaibao.qq.com/s/20171210G08T2900?refer=cp_1026

相关快讯

扫码关注云+社区