peshkova——Fotolia
如何对深度学习技术悲观乐观
深度学习工具现在非常流行，很多人都在预测大事。但一位专家表示，最终的回报——尽管是真实的——可能会更有限。
谈到深度学习技术和人工智能的前景，Moghimi表示“悲观乐观”。
“这是一切的结局吗?可能不会，”他说。“但随着我们致力于改进统计技术(和)计算能力，所有这些都在一起。我们从中看到了价值。”
Moghimi是总部位于多伦多的宏利金融集团(Manulife Financial Corp.)和总部位于波士顿的宏利美国子公司约翰·汉考克(John Hancock)的全球创新主管。在这个职位上，他帮助创建了公司的前沿思维实验室(Lab of Forward Thinking，简称LOFT)。它致力寻找方法，运用新的及新兴的技术，以改善宏利销售零售投资及保险产品的核心业务。
一段时间内最大的技术之一是深度学习。在过去的一年左右，这种传统机器学习的延伸部分地爆发了普及，因为作为人工智能的核心组成部分，它就骑了该技术的潮流。像谷歌，Facebook，Twitter和雅虎这样的科技公司是使用深度学习分类图像，解码人类演讲并开发计算机愿景。
但更传统的企业在寻找深度学习技术的应用方面一直比较缓慢。这种技术非常适合解决最复杂的数据问题，但如今企业面临的大多数问题比复制人类大脑模式要简单得多。
找到适合深入学习的合适
然而，这并不意味着深度学习在传统企业中没有作用。Moghimi和他的团队发现，深度学习技术非常适合定性股票研究。约翰汉考克的研究人员每天都会浏览股票报告、美国证券交易委员会(Securities and Exchange Commission)的文件和新闻文章，以评估潜在的投资机会。在过去，这些都是人工完成的，并且受制于研究人员的主观解释。
但是，恰好的自由文本分析是深度学习的强大用例。Moghimi和他的团队使用了来自Indemo Data Solutions Inc.的工具开发了学习算法，该工具可以摄取所有这些报告和分析了文本比如，寻找股票即将升值或贬值的信号。然后，算法向研究人员提出建议，研究人员对这些建议进行评估，然后将这些建议传递给投资团队，极大地压缩了评估所有数据所需的时间。
Moghimi说:“通常情况下，研究人员自己无法做到这一点。”“训练深度学习模型的能力是非常有利的。这使得这个过程更快、更有效率。”
Moghimi一直在寻找利用的机会机器学习算法在过去的一年左右。他说，他看到了深入的学习技术，最终是人工智能，作为传统机器学习的进展。
抗争的挑战
但这并不意味着深度学习是一种不合格的好。Moghimi表示，周围仍有很多问题如何使用该技术。从战略的角度来看，找到正确的用例是一项挑战。另外，留在顶部最新的工具和技术在这种快速发展的技术角落中可能很困难。“最具挑战性的部分是通过这种不确定性的工作，”他说。
所有这些都是Moghimi在深入学习方面描述自己悲观地乐观的原因。如果您读到主题上的任何特定文章，您可能会听到有人说“深度学习将颠覆所有行业。”对于Moghimi来说，这项技术不太可能产生那么大的影响，部分原因在于不确定性。
但他说，他肯定认为这是一种相对于传统做法的渐进改进，这种做法可能会给企业带来好处。“我们看到它起作用了，”他说。“这绝对有价值。”
