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