前言
人工智能近几年地快速发展已远超我们的想象，它可以替代人类部分工作，增强人类技能，并能在日常生活中驱动新的发现，这就是AI的力量。但是为什么呢，这是如何发生的呢？由于一系列力量偶然地汇合，使得快速发展的AI能力能够应用到真实世界金融服务领域（和其他地方）。在深度研究这些力量之前，我们先了解一下AI是什么比较好，它以何种形式应用，对于金融世界AI哪部分研究领域特别有趣。
AI是什么？
AI是基于机器的智能：机器可以记忆、思考、决策、运行，无需人类干预。AI可以被分为三个阶段，即：
-
弱人工智能：发展着重于单个任务的机器智能，举例：搜索引擎、Siri和智能顾问。
-
通用人工智能：机器智能能够覆盖大范围的功能，与人类智能类似。这种形式的例子还未实现，专家预测这种水平的AI将在30-60年内实现。
-
超级AI：有感情的智能，将会指数级别地超越人类智力。这种类型的例子还未见到（专家预测这种AI会在通用人工智能实现的2天之内出现）。
AI的子集
弱人工智能现如今开始应用，尽管命名不佳，但不应被嘲笑。它能为金融世界提供的杠杆是突破性的，它已经为有效利用它的企业提供巨大的投资回报。为阅读本篇文章，我们需要关注一下AI的子集并进一步学习。
-
机器学习（ML）
ML是AI的子集，是指依靠机器的能力，通过使用算法，独立地以与人类相似的方式对随机数据进行理解。依据不同的人类参与程度划分，机器学习可以分为有监督的ML、无监督的ML和增强学习。基于不同程度的人类监督，机器学习以数据分类为目标来实现预测。机器学习拥有的这些有价值见解的能力远超人类，为金融服务领域（一个充满大量有价值数据的领域）开辟了许多机会。 -
深度学习（DL）
DL是ML的一个子集，是指在数据中发现隐藏层并使用深层神经网进行组织的算法，这与我们大脑运转方式有很多相似之处。深度学习成为数据科学、大数据和人工智能之间的最佳领域，是一个令人兴奋的AI领域，正由于多种因素引起大量关注。
AI崭露头角的六个原因：
1. ML的突破（2012）
2012年，在ImageNet大型计算机视觉竞赛（ILSVRC）上，深度学习类似于寒武纪爆炸的时代到来。来自多伦多大学由Geoff Hinton（被认为是深度学习的教父)，Alex Krizhevsky 和 IIya Sutskever 组成的团队使用大型深层卷积神经网络赢取了2012年的ILSRC比赛。他们完全击败了竞争对手。人们对AI领域的兴趣从此刻起就火箭式地增长。
2. 大数据
如果没有大数据，就不会有AI。AI系统的发展非常依赖于海量数据的可用性和可访问性。数据有限的研究人员已经原地踏步了数十年。访问大量数据是机器学习的方式。专家预测，在未来十年内，将有1500亿个网络传感器（将是当时地球上人类总数的20倍）。机器学习如何以人类的方式交互和理解的速度将以类似的速度增长。
3. CPU to GPU
简而言之，它是关于速度的和性能的。大多ML算法是分布式的，这些算法需要同时处理多个并行数据流。GPU具有比CPU更多的处理器核心，因此并行计算解决方案更适合用GPU。Andrew NG被认为是AI发展史上从CPU大规模迁移到GPU的关键人物。Nvdia作为GPU领先制造商，最初专注于游戏，他们真的应该感谢Andrew NG。通过查看Nvdia自2012年以来的股价，清楚地看到，GPU技术的发展和AI解决方案需求的飙升并行。
4. 云计算
与大数据的需求相同，AI对于处理能力也有着迫切需求。自50年代初期开始，AI研究由于缺乏需要的大量计算能力而受到限制。进入云计算时代，感谢AWS、IBM和Google，这里有充足的计算能力。
5. 开源软件
开源运动允许在AI领域发生惊人突变，研究和技术是共享的，仿佛由机器自身驱动，加速实现一个有感情的AI。
6. MOOCs
与开源运动类似的是大规模开放在线课程（Massive Open Online Course）运动。MOOCs帮助提供教育培训基础设施和简单免费的渠道，帮助大家连接一些不错的教育机构，如此以来，人们可以获取多种优质的珍贵的在线教育。
原文:Six Reasons Why AI Has Emerged in Finance
Author: Brennan Wright