《人工智能基礎(chǔ)》課件-AI重新定義一切

AI重新定義一切：5.1悄悄改變的生產(chǎn)與生活——智能安防22人臉檢測與分析騰訊人臉識別基于騰訊優(yōu)圖和騰訊AILab的深度學(xué)習(xí)算法和海量數(shù)據(jù)集，對圖片和視頻源中面部特征進(jìn)行提取分析。可實(shí)現(xiàn)精準(zhǔn)的人臉檢測和人臉識別，涵蓋人臉檢測與分析、五官定位、人臉對比與搜索、跨年齡人臉識別等，為安防監(jiān)控、人臉美化、智能相冊分類等應(yīng)用場景提供有力的技術(shù)支持。實(shí)踐任務(wù)人臉身份確認(rèn)——人臉識別33多人臉檢測騰訊人臉識別基于騰訊優(yōu)圖和騰訊AILab的深度學(xué)習(xí)算法和海量數(shù)據(jù)集，對圖片和視頻源中面部特征進(jìn)行提取分析?？蓪?shí)現(xiàn)精準(zhǔn)的人臉檢測和人臉識別，涵蓋人臉檢測與分析、五官定位、人臉對比與搜索、跨年齡人臉識別等，為安防監(jiān)控、人臉美化、智能相冊分類等應(yīng)用場景提供有力的技術(shù)支持。實(shí)踐任務(wù)人臉身份確認(rèn)——人臉識別4人臉身份確認(rèn)——人臉識別4跨年齡人臉識別騰訊人臉識別基于騰訊優(yōu)圖和騰訊AILab的深度學(xué)習(xí)算法和海量數(shù)據(jù)集，對圖片和視頻源中面部特征進(jìn)行提取分析。可實(shí)現(xiàn)精準(zhǔn)的人臉檢測和人臉識別，涵蓋人臉檢測與分析、五官定位、人臉對比與搜索、跨年齡人臉識別等，為安防監(jiān)控、人臉美化、智能相冊分類等應(yīng)用場景提供有力的技術(shù)支持。實(shí)踐任務(wù)55五官定位騰訊人臉識別基于騰訊優(yōu)圖和騰訊AILab的深度學(xué)習(xí)算法和海量數(shù)據(jù)集，對圖片和視頻源中面部特征進(jìn)行提取分析?？蓪?shí)現(xiàn)精準(zhǔn)的人臉檢測和人臉識別，涵蓋人臉檢測與分析、五官定位、人臉對比與搜索、跨年齡人臉識別等，為安防監(jiān)控、人臉美化、智能相冊分類等應(yīng)用場景提供有力的技術(shù)支持。實(shí)踐任務(wù)人臉身份確認(rèn)——人臉識別66人臉對比騰訊人臉識別基于騰訊優(yōu)圖和騰訊AILab的深度學(xué)習(xí)算法和海量數(shù)據(jù)集，對圖片和視頻源中面部特征進(jìn)行提取分析?？蓪?shí)現(xiàn)精準(zhǔn)的人臉檢測和人臉識別，涵蓋人臉檢測與分析、五官定位、人臉對比與搜索、跨年齡人臉識別等，為安防監(jiān)控、人臉美化、智能相冊分類等應(yīng)用場景提供有力的技術(shù)支持。實(shí)踐任務(wù)人臉身份驗(yàn)證——人臉識別7人臉身份驗(yàn)證——人臉識別7人臉?biāo)阉黩v訊人臉識別基于騰訊優(yōu)圖和騰訊AILab的深度學(xué)習(xí)算法和海量數(shù)據(jù)集，對圖片和視頻源中面部特征進(jìn)行提取分析?？蓪?shí)現(xiàn)精準(zhǔn)的人臉檢測和人臉識別，涵蓋人臉檢測與分析、五官定位、人臉對比與搜索、跨年齡人臉識別等，為安防監(jiān)控、人臉美化、智能相冊分類等應(yīng)用場景提供有力的技術(shù)支持。實(shí)踐任務(wù)1應(yīng)用場景/Applicationscenario

要支持未來在無需身份證信息的情況下，依然可以直接通過人臉識別身份信息，減少身份證查驗(yàn)、復(fù)印存檔等環(huán)節(jié)，提高客戶辦理業(yè)務(wù)的便捷性，提高窗口辦理業(yè)務(wù)的效率。應(yīng)用場景②：支持未來刷臉辦理業(yè)務(wù)

比如人臉實(shí)時(shí)報(bào)警系統(tǒng)。應(yīng)用人臉檢測和識別技術(shù)，在人員進(jìn)出重點(diǎn)區(qū)域設(shè)置人臉卡口攝像機(jī)，針對經(jīng)過卡口人員進(jìn)行人臉抓拍、識別和自動(dòng)報(bào)警，并可將報(bào)警信息推送到警務(wù)終端APP，實(shí)現(xiàn)實(shí)戰(zhàn)預(yù)案聯(lián)動(dòng)。人臉卡口系統(tǒng)可獨(dú)立部署，也可作為子系統(tǒng)對接到第三方管理平臺，可廣泛應(yīng)用于公安、交通、金融、司法、教育、醫(yī)院等領(lǐng)域。應(yīng)用場景③：智慧城市中的應(yīng)用

當(dāng)前主要是通過掃描或者復(fù)印身份證信息，人工比對身份證照片。掃描或復(fù)印身份證只是作為備案，并不能有效核實(shí)身份證真?zhèn)巍Ｒ_保是采用真實(shí)身份證辦理業(yè)務(wù)，必須有某種技術(shù)手段對辦事人提供的身份證進(jìn)行查驗(yàn)。應(yīng)用場景①：身份證查驗(yàn)，證據(jù)留存9車輛識別——車牌識別車牌識別騰訊優(yōu)圖OCR基于騰訊領(lǐng)先的深度學(xué)習(xí)算法，利用光學(xué)字符識別技術(shù)，將圖片上的文字內(nèi)容，直接轉(zhuǎn)換為可編輯文本。不僅能精準(zhǔn)快速識別車牌、身份證、名片、營業(yè)執(zhí)照、駕駛證等卡證類信息。實(shí)踐任務(wù)10車輛識別——車型識別車型識別識別車輛的具體車型，以小汽車為主，輸出圖片中主體車輛的品牌、型號、年份、顏色、百科詞條信息。實(shí)踐任務(wù)11車輛識別——駕駛行為分析駕駛行為分析針對車載場景，識別駕駛員使用手機(jī)、抽煙、不系安全帶、雙手離開方向盤等動(dòng)作姿態(tài)，分析預(yù)警危險(xiǎn)駕駛行為，提升行車安全性。實(shí)踐任務(wù)12車輛識別——車輛檢測車輛檢測識別圖像中的所有車輛，返回每輛車的類型和坐標(biāo)位置，可識別小汽車、卡車、巴士、摩托車、三輪車5大類車輛。在檢測和識別的基礎(chǔ)上，對小汽車、卡車、巴士、摩托車、三輪車5類車輛分別計(jì)數(shù)，支持指定不規(guī)則區(qū)域的車輛統(tǒng)計(jì)。實(shí)踐任務(wù)13車輛識別——車流統(tǒng)計(jì)車流統(tǒng)計(jì)檢測圖像中的所有車輛，識別每輛車的類型和坐標(biāo)位置，可根據(jù)連續(xù)的視頻圖片序列，跟蹤車輛軌跡。在原圖中指定區(qū)域，根據(jù)車輛軌跡判斷駛?cè)?駛出區(qū)域的行為，統(tǒng)計(jì)各類車輛進(jìn)出區(qū)域的數(shù)量，可返回含統(tǒng)計(jì)值和跟蹤框的渲染圖。實(shí)踐任務(wù)14車輛識別——人流量統(tǒng)計(jì)人流量統(tǒng)計(jì)統(tǒng)計(jì)圖像中的人體個(gè)數(shù)和流動(dòng)趨勢，以頭肩為主要識別目標(biāo)統(tǒng)計(jì)人數(shù)，無需正臉、全身照，適應(yīng)人群密集、各種出入口場景。實(shí)踐任務(wù)思考與討論15體驗(yàn)騰訊、百度等AI平臺開放功能，討論那些可以用于身邊的安防場景?AI重新定義一切：5.2悄悄改變的生產(chǎn)與生活——智能醫(yī)療17人工智能對當(dāng)前典型行業(yè)的替代率預(yù)測18智能醫(yī)學(xué)影像19智能醫(yī)學(xué)影像三甲醫(yī)院影像檢查數(shù)量多可用閱片時(shí)間短醫(yī)師工作壓力大基層醫(yī)院醫(yī)師數(shù)量不足閱片經(jīng)驗(yàn)欠缺診斷質(zhì)量不高行業(yè)痛點(diǎn)20智能醫(yī)學(xué)影像醫(yī)生方面大幅減少讀片時(shí)間，降低誤診概率，提高診療水平患者方面有效減少診療時(shí)間，享受大型三甲醫(yī)院的高水平醫(yī)療醫(yī)院方面對大規(guī)模的數(shù)據(jù)加以利用，建立整體的數(shù)字化平臺，提高醫(yī)院的核心業(yè)務(wù)能力，推進(jìn)醫(yī)院之間的數(shù)據(jù)共享21智能醫(yī)學(xué)影像2016年2月，谷歌DeepMind成立DeepMindHealth部門，正式將人工智能技術(shù)應(yīng)用于醫(yī)療健康領(lǐng)域，獲英國倫敦帝國理工學(xué)院、倫敦皇家自由醫(yī)院和英國國家醫(yī)療服務(wù)系統(tǒng)（NHS）數(shù)據(jù)的支持。Google牽頭，歷時(shí)8個(gè)月，54名美國眼科專家，將128,175張視網(wǎng)膜照片分級，利用CNN算法，訓(xùn)練自動(dòng)檢測糖尿病視網(wǎng)膜病變和視網(wǎng)膜黃斑水腫，達(dá)到最低值為87%的靈敏度與特異度。Google與Verily公司開發(fā)用來診斷乳腺癌的病理人工智能，在于病理學(xué)家基于靈敏性和假陽性和乳腺癌病例分析競爭中，人工智能的準(zhǔn)確度達(dá)到88.5%，而頂級病理學(xué)家的準(zhǔn)確率為73.3%。 智能醫(yī)學(xué)影像AI識別先天性白內(nèi)障研究，我國中山大學(xué)的臨床試驗(yàn)，利用CNN算法，通過410張各種程度的先天性白內(nèi)障圖片和476張正常圖片訓(xùn)練，診斷準(zhǔn)確率達(dá)92.45%。AI對腦瘤病理切片的快速診斷，利用多層感知機(jī)算法，用拉曼散射顯微鏡生成高度模擬傳統(tǒng)的HE染色病理切片，通過過萬張圖片訓(xùn)練，AI區(qū)分膠質(zhì)瘤和非膠質(zhì)瘤的準(zhǔn)確率達(dá)90%。AI對神經(jīng)假體進(jìn)行精確控制，倫敦帝國理工學(xué)院則嘗試了利用支持向量機(jī)這一算法，將此前85%的精確度提升到了97%。Nature設(shè)立子刊NatureBiomedicalEngineering,連發(fā)數(shù)篇AI報(bào)道：23智能健康管理硬件方面?zhèn)鹘y(tǒng)健康管理中的智能穿戴設(shè)備沒有解決數(shù)據(jù)關(guān)聯(lián)性。主要采用可穿戴設(shè)備進(jìn)行數(shù)據(jù)提取、采集和趨勢分析，未能實(shí)現(xiàn)為用戶提供健康畫像并改善健康功能。人員方面從事健康管理領(lǐng)域的人員自身不夠?qū)I(yè)。行業(yè)痛點(diǎn)智能健康管理大數(shù)據(jù)與流感預(yù)測機(jī)器學(xué)習(xí)與血糖管理數(shù)據(jù)庫與健康要素監(jiān)測健康管理生活品質(zhì)提升人臉識別與情緒分析醫(yī)學(xué)分析與壽命的預(yù)測早在2008年，谷歌就已經(jīng)推出了流感預(yù)測的服務(wù)，通過檢測用戶在谷歌上的搜索內(nèi)容就可以有效地追蹤流感爆發(fā)的跡象。2015年11月，某研究團(tuán)隊(duì)開發(fā)了一套“機(jī)器學(xué)習(xí)”算法，通過分析學(xué)習(xí)人們的腸道菌群特征與餐后血糖水平之間的關(guān)聯(lián)，從而嘗試對標(biāo)準(zhǔn)化食品進(jìn)行血糖影響預(yù)測。國內(nèi)碳云智能（iCarbonX）從事相關(guān)的研發(fā)。該公司試圖建立一個(gè)健康大數(shù)據(jù)平臺，該平臺最終可以利用人工智能技術(shù)對這些數(shù)據(jù)加以處理，幫助人們進(jìn)行健康管理。IBM公司投資了WellTok，借助Watson的人工智能認(rèn)知能力來理解復(fù)雜的人類語言，對海量數(shù)據(jù)進(jìn)行快速的運(yùn)算，從而為用戶提供健康管理、慢性病恢復(fù)和健康食譜等方面的指導(dǎo)。圣地亞哥的初創(chuàng)企業(yè)Emotient利用攝像頭來捕捉、記錄面部肌肉運(yùn)動(dòng)，并利用其人工智能計(jì)算模型來分析面部表情，可以在數(shù)秒內(nèi)解讀出面部表情所代表的意義。澳大利亞的科學(xué)家開始利用人工智能分析醫(yī)學(xué)影像來預(yù)測人的健康狀況和壽命。他們使用機(jī)器學(xué)習(xí)算法分析了資料庫中48名60歲以上成人胸部的CT掃描圖像。通過分析這些圖像數(shù)據(jù)，人工智能的算法預(yù)測了這些志愿者在五年內(nèi)死亡的概率。通過與實(shí)際情況進(jìn)行對比，這一算法預(yù)測的準(zhǔn)確率接近70％，與醫(yī)學(xué)專家的預(yù)測準(zhǔn)確率相當(dāng)。行業(yè)典型應(yīng)用25智能藥物研發(fā)新藥研發(fā)新藥物研發(fā)耗時(shí)長、成本高、風(fēng)險(xiǎn)大、回報(bào)率低。仿制研發(fā)國內(nèi)仿制藥研發(fā)難。國外的癌癥新藥、特效新藥難以進(jìn)入國內(nèi)市場。行業(yè)痛點(diǎn)26智能藥物研發(fā)AI+候選藥物挖掘醫(yī)學(xué)、物理學(xué)或材料科學(xué)領(lǐng)域的專業(yè)論文浩如煙海，存在有大量孤立的專業(yè)知識和發(fā)現(xiàn)。如果能夠快速而有針對性地將這些知識和發(fā)現(xiàn)有機(jī)地進(jìn)行組織和連接，對于藥物發(fā)現(xiàn)的意義是十分重大的。

使用人工智能技術(shù)，從科技論文、專利、臨床試驗(yàn)信息，以及大量結(jié)構(gòu)化數(shù)據(jù)集中的非結(jié)構(gòu)化信息中，自動(dòng)生成有用的知識。

典型案例是英國的新藥研發(fā)公司BenevolentAI，其開發(fā)的JACS（JudgmentAugmentedCognitionSystem）人工智能系統(tǒng)，能夠集中處理大量高度碎片化信息。AI+化合物篩選

化合物篩選，是指通過規(guī)范化的實(shí)驗(yàn)手段，從大量化合物或者新化合物中選擇對某一特定作用靶點(diǎn)具有較高活性的化合物的過程。而要從數(shù)以萬計(jì)的化合物分子中篩選出符合活性指標(biāo)的化合物，往往需要較長的時(shí)間和成本。硅谷的AI公司Atomwise，開發(fā)了基于卷積神經(jīng)網(wǎng)絡(luò)的AtomNet系統(tǒng)，該系統(tǒng)大量學(xué)習(xí)了化學(xué)知識及研究資料，而后測試其是否能預(yù)測過去物理實(shí)驗(yàn)中發(fā)生的事情。典型的案例是，2015年AtomNet僅用時(shí)一周，即模擬出兩種有前景用于埃博拉病毒治療的化合物。27智能藥物研發(fā)AI+靶點(diǎn)藥物研發(fā)現(xiàn)代新藥研究與開發(fā)的關(guān)鍵首先是尋找、確定和制備藥物篩選靶—分子藥靶。靶點(diǎn)藥物是指藥物在體內(nèi)的作用結(jié)合位點(diǎn)，包括基因位點(diǎn)、受體、酶、離子通道、核酸等生物大分子。選擇確定新穎的有效藥靶是新藥開發(fā)的首要任務(wù)。

利用機(jī)器學(xué)習(xí)算法，能夠復(fù)合設(shè)計(jì)、評估編碼深層次的知識，從而可以全面應(yīng)用于傳統(tǒng)的單目標(biāo)藥物發(fā)現(xiàn)項(xiàng)目。

典型初創(chuàng)公司Exscientia是典型代表，其2017年與葛蘭素史克（GSK）在藥物研發(fā)達(dá)成戰(zhàn)略合作。AI+預(yù)測ADMET性質(zhì)

病理生物學(xué)（pathophysiology）是一門研究疾病發(fā)生、發(fā)展、轉(zhuǎn)歸的規(guī)律和機(jī)制的科學(xué)，是一門溝通臨床醫(yī)學(xué)與基礎(chǔ)醫(yī)學(xué)的“橋梁”性學(xué)科。病理生物學(xué)研究是醫(yī)藥研發(fā)的基礎(chǔ)，至今許多疾病尚無治療方法，是由于在病理生物學(xué)研究方面沒有取得進(jìn)展。IBMWatson基于相關(guān)文獻(xiàn)的大量學(xué)習(xí)，建立模型預(yù)測RBPs與ALS相關(guān)性。Watson在2013年到2017年期間，對4個(gè)導(dǎo)致突變的RBPs給出了高度評價(jià)，證明了模型的有效性。而后，Watson對基因組中所有的RBPs進(jìn)行篩選，并成功鑒定在ALS中改變的5種新型RBPs。28智能藥物研發(fā)AI+藥物晶型預(yù)測現(xiàn)多晶型現(xiàn)象是一種物質(zhì)能以兩種或兩種以上不同的晶體結(jié)構(gòu)存在的現(xiàn)象。對于化學(xué)藥物，幾乎所有的固體藥物都存在著多晶型狀態(tài)。由于晶型的變化可以改變固體化學(xué)物質(zhì)的諸多物理性質(zhì)和化學(xué)性質(zhì)，如：穩(wěn)定性、熔點(diǎn)、溶解度、溶出速率等，從而導(dǎo)致固體化學(xué)藥物在臨床治療中的差異、毒副作用與安全性差異、產(chǎn)品品質(zhì)與穩(wěn)定性差異等。曾有數(shù)個(gè)藥因?yàn)榫蛦栴}導(dǎo)致延遲上市或撤市，損失慘重。

晶泰科技利用人工智能，高效地動(dòng)態(tài)配置藥物晶型，可以完整預(yù)測一個(gè)小分子藥物的所有可能的晶型。AI+輔助病理生物學(xué)研究

化合物ADMET（藥物動(dòng)力學(xué)，包括藥物的吸收、分配、代謝、排泄和毒性）預(yù)測，是當(dāng)代藥物設(shè)計(jì)和藥物篩選中十分重要的方法。。

為了進(jìn)一步提升ADMET性質(zhì)預(yù)測的準(zhǔn)確度，已有生物科技企業(yè)探索通過深度神經(jīng)網(wǎng)絡(luò)算法有效提取結(jié)構(gòu)特征（包括處理小分子與蛋白質(zhì)結(jié)構(gòu)），加速藥物的早期發(fā)現(xiàn)和篩選過程，極大減小研發(fā)投入和風(fēng)險(xiǎn)。典型的代表包括晶泰科技、Numerate等。29智能藥物研發(fā)AI+發(fā)掘藥物新適應(yīng)癥針對任何一種癥狀開發(fā)新藥，研究人員都必須攀登研發(fā)時(shí)間和成本的“絕對懸崖”，而且要面臨失敗的風(fēng)險(xiǎn)。近年來，研究人員逐漸意識到，提升療效的最佳策略是基于治療某種疾病的已有藥物，發(fā)現(xiàn)其新的適應(yīng)癥，并用于治療另一種疾病。

科學(xué)家Visanji博士與IBMWatsonforDrugDiscovery合作，通過Watson強(qiáng)大的文獻(xiàn)閱讀與認(rèn)知推理能力，幾分鐘內(nèi)從3500種藥物中完成篩選，并將這些藥物按照最佳匹配的順序排列。而后，研究人員根據(jù)這份“藥物排名表”提出6個(gè)候選藥物，并在實(shí)驗(yàn)室中進(jìn)行測試。第1種藥物（已獲得FDA批準(zhǔn)上市，但適應(yīng)癥不包括帕金森）在動(dòng)物實(shí)驗(yàn)中已經(jīng)得到了初步的驗(yàn)證。30智能疾病預(yù)測數(shù)據(jù)量基因組數(shù)據(jù)量龐大，人工試驗(yàn)耗時(shí)耗力。成本傳統(tǒng)基因測序耗費(fèi)成本巨大?；驕y序分析各階段的通用算法效果不佳，準(zhǔn)確率低。行業(yè)痛點(diǎn)算法AI疾病預(yù)測主要是指通過基因測序與檢測，提前預(yù)測疾病發(fā)生的風(fēng)險(xiǎn)。智能疾病預(yù)測行業(yè)典型應(yīng)用智能手術(shù)機(jī)器人指用于醫(yī)院、診所的醫(yī)療或輔助醫(yī)療的機(jī)器人。是一種智能型服務(wù)機(jī)器人，它能獨(dú)自編制操作計(jì)劃，依據(jù)實(shí)際情況確定動(dòng)作程序，然后把動(dòng)作變?yōu)椴僮鳈C(jī)構(gòu)的運(yùn)動(dòng)。分類:臨床醫(yī)療用機(jī)器人、護(hù)理機(jī)器人、醫(yī)用教學(xué)機(jī)器人和為殘疾人服務(wù)機(jī)器人等智能手術(shù)機(jī)器人

達(dá)芬奇外科手術(shù)系統(tǒng)是一種高級機(jī)器人平臺，其設(shè)計(jì)的理念是通過使用微創(chuàng)的方法，實(shí)施復(fù)雜的外科手術(shù)。達(dá)芬奇機(jī)器人由三部分組成：外科醫(yī)生控制臺、床旁機(jī)械臂系統(tǒng)、成像系統(tǒng)。智能手術(shù)機(jī)器人智能手術(shù)機(jī)器人

2015年2月7日，手術(shù)機(jī)器人“達(dá)芬奇”在武漢協(xié)和醫(yī)院完成湖北省首例機(jī)器人膽囊切除術(shù)。與傳統(tǒng)手術(shù)相比，達(dá)芬奇機(jī)器人手術(shù)有三個(gè)明顯優(yōu)勢：1.突破了人眼的局限，使手術(shù)視野放大20倍；2.突破人手的局限，7個(gè)維度操作，還可防止人手可能出現(xiàn)的抖動(dòng)現(xiàn)象；3.無需開腹，創(chuàng)口僅1厘米，出血少、恢復(fù)快，術(shù)后存活率和康復(fù)率大大提高。智能醫(yī)療科技巨頭布局醫(yī)療人工智能領(lǐng)域創(chuàng)業(yè)公司思考與討論37體驗(yàn)騰訊、百度等AI平臺開放功能，討論那些可以用于身邊的醫(yī)療場景?AI重新定義一切：5.3悄悄改變的生產(chǎn)與生活——智能金融39智能風(fēng)控主動(dòng)式管理被動(dòng)式管理VS從多維的海量數(shù)據(jù)中深度挖掘關(guān)鍵信息，找出借款人與其他實(shí)體之間的關(guān)聯(lián)，從貸前、貸中、貸后各個(gè)環(huán)節(jié)提升風(fēng)險(xiǎn)識別的精準(zhǔn)程度，使用智能催收技術(shù)可以替代40%~50%的人力，為金融機(jī)構(gòu)節(jié)省人工成本。同時(shí)利用AI技術(shù)可以使得小額貸款的審批時(shí)效從過去的幾天縮短至3~5分鐘，進(jìn)一步提升客戶體驗(yàn)傳統(tǒng)信貸流程中存在欺詐和信用風(fēng)險(xiǎn)、申請流程繁瑣、審批時(shí)間長等問題。以信貸業(yè)務(wù)為例/v_show/id_XMzM1NTQyMDM0MA==.html?spm=a2h0k.11417342.soresults.dposter看視頻40智能支付新興支付傳統(tǒng)支付VS以人臉識別、指紋識別、虹膜識別、聲紋識別等生物識別載體為主要手段的智能支付逐漸興起，再加上各類票據(jù)、身份證、銀行卡等證件票據(jù)的OCR識別等技術(shù)手段。在海量消費(fèi)數(shù)據(jù)累積與多元化消費(fèi)場景疊加影響下，手環(huán)支付、掃碼支付、NFC近場支付等傳統(tǒng)數(shù)字化支付手段已無法滿足現(xiàn)實(shí)消費(fèi)需求/v_show/id_XMzc0MjMzMjczMg==.html?spm=a2h0k.11417342.soresults.dposter實(shí)踐任務(wù)41智能理賠

智能理賠傳統(tǒng)理賠VS通過綜合運(yùn)用聲紋識別、圖像識別、機(jī)器學(xué)習(xí)等核心技術(shù)，經(jīng)過快速核身、精準(zhǔn)識別、一鍵定損、自動(dòng)定價(jià)、科學(xué)推薦、智能支付這六個(gè)主要環(huán)節(jié)實(shí)現(xiàn)車險(xiǎn)理賠的快速處理人海戰(zhàn)術(shù)，往往需要經(jīng)過多道人工流程才能完成，既耗費(fèi)大量時(shí)間也需要投入許多成本。以車險(xiǎn)理賠為例/v_show/id_XMzM1NTQyMDM0MA==.html?spm=a2h0k.11417342.soresults.dposter看視頻42智能客服智能客服

傳統(tǒng)客服VS基于自然語言處理能力、語音識別能力與大規(guī)模知識管理系統(tǒng)，在大幅降低服務(wù)成本的同時(shí)提升服務(wù)體驗(yàn)。在與客戶的問答交互過程中，智能客服系統(tǒng)可以實(shí)現(xiàn)“應(yīng)用-數(shù)據(jù)-訓(xùn)練”閉環(huán)，形成流程指引與問題決策方案，并通過運(yùn)維服務(wù)層以文本、語音及機(jī)器人反饋動(dòng)作等方式向客戶傳遞。此外，智能客服系統(tǒng)還可以針對客戶提問進(jìn)行統(tǒng)計(jì)，對相關(guān)內(nèi)容進(jìn)行信息抽取、業(yè)務(wù)分類及情感分析，了解服務(wù)動(dòng)向并把握客戶需求，為企業(yè)的輿情監(jiān)控及業(yè)務(wù)分析提供支撐成本高、服務(wù)效率低，客服人員工作強(qiáng)度大、工資待遇低、負(fù)面情緒多、工作內(nèi)容枯燥等/v_show/id_XMzc2NTU5OTA0NA==.html?spm=a2h0k.11417342.soresults.dposter43智能營銷智能營銷傳統(tǒng)營銷VS對于收集的客戶交易、消費(fèi)、網(wǎng)絡(luò)瀏覽等行為數(shù)據(jù)利用深度學(xué)習(xí)相關(guān)算法進(jìn)行模型構(gòu)建，對金融用戶進(jìn)行畫像，通過需求響應(yīng)模型，幫助金融機(jī)構(gòu)與渠道、人員、產(chǎn)品、客戶等環(huán)節(jié)相聯(lián)通，從而可以覆蓋更多的用戶群體，為消費(fèi)者提供千人千面、個(gè)性化與精準(zhǔn)化的營銷服務(wù)以實(shí)體網(wǎng)點(diǎn)、電話短信推銷、地推沙龍等方式將金融相關(guān)產(chǎn)品銷售給潛在客戶，這些營銷方式容易產(chǎn)生對于市場需求的把握不夠精準(zhǔn)、使得客戶產(chǎn)生抵觸情緒，同時(shí)標(biāo)準(zhǔn)化的產(chǎn)品以群發(fā)的方式進(jìn)行推送也無法滿足不同人群的需要。/v_show/id_XNDIyMjE3MjMwMA==.html?spm=a2h0k.11417342.soresults.dposter44智能投研智能研投傳統(tǒng)研投VS以數(shù)據(jù)為基礎(chǔ)、算法邏輯為核心，利用人工智能技術(shù)由機(jī)器完成投資信息獲取、數(shù)據(jù)處理、量化分析、研究報(bào)告撰寫及風(fēng)險(xiǎn)提示，輔助金融分析師、投資人、基金經(jīng)理等專業(yè)人員進(jìn)行投資研究。終極目標(biāo)是實(shí)現(xiàn)從信息搜集到報(bào)告產(chǎn)出的投研全流程整合管理，基于更加高效優(yōu)化的算法模型與行業(yè)認(rèn)知水平，形成橫跨不同金融細(xì)分領(lǐng)域的研究體系與咨詢建議，并在金融產(chǎn)品創(chuàng)新設(shè)計(jì)方面提供服務(wù)支撐。流程中數(shù)據(jù)獲取不及時(shí)、研究穩(wěn)定性差、報(bào)告呈現(xiàn)時(shí)間長等/v_show/id_XMzIxMTE3ODkwOA==.html?spm=a2h0k.11417342.soresults.dtitle看視