飞算AutoML技术凝聚了许多营销、风控专家的建模经验,沉淀了在实际业务中验证下来较优的建模流程和方法论。例如变量编码、最优分箱,、可视化调整、逐步回归等。将评分卡模型建模时间从1-2个月缩短到了数小时,大幅提升了建模工作效率。
通过飞算AI. Modeler Pro风控评分卡模组,可以对客户的申请信息、合同信息、人行征信、身份、学历认证、消费、电信、航旅、公安司法、三方黑灰名单等数据进行充分挖掘,流程化快速建立风控评分卡模型,为申请贷款用户分级打分,评估用户的风险高低;发力信贷智能化风控体系建设,帮助风控人员提升风控模型开发效率80%,应对日益增长的业务需求。
在银行风控领域,模型可解释性的要求非常高,特征的衍生来源,模型生成过程等都必须非常清晰,模型才有可能会被采纳上线。飞算全自动数据建模平台AI. Modeler Pro模型训练后自动生成可解释性报告,同时模型从配置、训练、迭代到生成的每一步,自动记录详情,最终形成详细的建模日志,数据科学家从建模日志可了解模型生成的全部过程,模型可解释性强。
香港城市大学数据科学学院及数学系王军辉教授全程参加了产品研发,并评价,“飞算全自动数据建模平台为人工智能应用落地按下加速键:没有AI开发经验的业务专家可以无门槛开发智能应用;专业AI开发者可以从繁琐的数据处理及特征工程等工作中‘解放’出来。”
1、 机器视觉和语音识别是主要市场。
技术层是基于基础理论和数据之上,面向细分应用开发的技术。中游技术类企业具有技术生态圈、资金和人才三重壁垒,是人工智能产业的核心。相比较绝大多数上游和下游企业聚焦某一细分领域、技术层向产业链上下游扩展较为容易。
该层面包括算法理论(机器学习)、平台框架和应用技术(计算机视觉、语音识别、自然语言处理)。众多国际科技巨头和独角兽均在该层级开展广泛布局。近年来,我国技术层围统垂直领城重点研发,在计算机视觉、语音识别等领城技术成熟,国内头部企业脱颗而出,竞争优势明显。
2、计算机视觉发展历经三大理念,规模突破400亿元。
1982年马尔(David Marr)《视觉》(Marr,1982)一书的问世,标志着计算机视觉成为了一门独立学科。计算机视觉的研究内容,大体可以分为物体视觉(object vision)和空间视觉(spatial vision)二大部分。物体视觉在于对物体进行精细分类和鉴别,而空间视觉在于确定物体的位置和形状,为“动作(action)”服务。正像著名的认知心理学家JJ.Gibson所言,视觉的主要功能在于“适应外界环境,控制自身运动”。适应外界环境和控制自身运动,是生物生存的需求,这些功能的实现需要靠物体视觉和空间视觉协调完成。
计算机视觉近40年的发展中,尽管人们提出了大量的理论和方法,但总体上说,计算机视觉经历了三个主要历程。即:马尔计算视觉、多视几何与分层三维重建和基于学习的视觉。
国际市场研究机构Research And Markets发布的最新报告显示,2019年全球计算机视觉市场规模为46.433亿美元,预计到2027年将达到950.805亿美元,从2020年到2027年,预计年复合增长率为46.9%。
3、语音识别发展科追溯到1956年。
语音识别的研究工作可以追溯到20世纪50年代。在1952年,AT&T贝尔研究所的Davis,Biddulph和Balashek研究成功了世界上第一个语音识别系统Audry系统,可以识别10个英文数字发音。这个系统识别的是一个人说出的孤立数字,并且很大程度上依赖于每个数字中的元音的共振峰的测量。1956年,在RCA实验室,Olson和Belar研制了可以识别一个说话人的10个单音节的系统,它同样依赖于元音带的谱的测量。到21世纪之后,深度学习技术极大的促进了语音识别技术的进步,识别精度大大提高,应用得到广泛发展。
目前,语音识别技术已逐渐被应用于工业、通信、商务、家电、医疗、汽车电子以及家庭服务等各个领域。例如,现今流行的手机语音助手,就是将语音识别技术应用到智能手机中,能够实现人与手机的智能对话功能。其中包括美国苹果公司的Siri语音助手,智能360语音助手,百度语音助手等。
随着语音技术和自然语言理解技术的快速进步,AI语音语义技术已在智能翻译、智能医疗、智能汽车、智能客服、互联网语音审核等多个领域实现场景应用。
疫情之后不仅是工业领域,政务服务领域的语音机器人、传统行业企业的语音机器人也将有较高的市场增长空间。另外,NLP、AI数字员工、RPA的发展,一定程度上也将重塑AI应用场景。
2018年,全球智能语音市场仍呈现快速增长趋势,市场规模为142.1亿美元,根据预测到2024年全球智能语音市场规模将达到215亿美元,其中智慧医疗健康、智慧金融以及各类智能终端智能语音技术需求将成为主要的驱动因素。
4、美国AI高层次学者数量大幅领先。
AI高层次学者是指入选AI 2000榜单的2000位人才,由于存在同一学者入选不同领域的现象,经过去重处理后,AI高层次学者共计1833位。从国家角度看AI高层次学者分布,美国A1高层次学者的数量最多,有1244人次,占比62.2%,超过总人数的一半以上,且是第二位国家数量的6倍以上。中国排在美国之后,位列第二,有196人次,占比9.8%。德国位列第三,是欧洲学者数量最多的国家;其余国家的学者数量均在100人次以下。
—— 以上数据参考前瞻产业研究院《中国人工智能行业市场前瞻与投资战略规划分析报告》