簡單的說，知識圖譜是信息(實體)本身以及信息之間的關聯，是計算機實現智能的基礎。知識圖譜之於計算機，就好比知識之於人類。
人類天生擅長將信息進行分類、關聯，但並不擅長記憶、處理海量碎片化的信息，但計算機可以。所以當前越來越多的AI創業公司開始致力於攻克構建知識圖譜的底層技術。
不同於擁有大量C端數據的BAT，該領域的創業公司往往從垂直領域的企業級服務切入。目前在國內，金融、法律、醫療、智能客服、安防等行業都已經有了致力於該領域知識圖譜構建的AI創業公司，但金融行業由於其行業特點將成為該領域創業最大的藍海。
半自動化構建知識圖譜的代表 數據供應商面臨三大痛點
金融行業的特點決定了其對金融知識圖譜的剛性需求。首先，金融行業擁有海量的包含各行各業的數據信息，而且這些信息又以各種形式(如文字、表格、圖形等)存儲在大量的文檔上，這些都是非標準化、碎片化的信息，需要被整理成標準化的、相關聯的金融知識圖譜，才便於金融從業者使用。其次，金融行業的公開文檔具有一定的法律效應，故對於數據的精確性、時效性有很高的要求。
目前，整理這些數據的工作主要還是由金融數據供應商來完成的。
而其中的明星級代表就是萬得(Wind)。它所採用的是數據爬蟲技術，從公開渠道第一時間獲得企業工商信息、財務報告等數據，再由大量人工進行整理和分類，以“人力模式”結構化這些信息，再通過萬得終端提供給金融從業者使用。萬得作為當前最大的金融數據擁有者，通過多年在金融行業中的經營與積累，擁有了豐富的金融知識圖譜數據以及大量的金融客戶，但其知識圖譜的構建卻是半自動的過程，仍需要人工操作。
這種模式現在看起來似乎沒什麼問題，但其中存在三個最大的痛點：第一，數據供應商不能夠“實時、敏捷”地提供金融知識圖譜。由於半自動化的知識圖譜構建技術，需要人工將金融文檔中的信息提取出來，快則數小時，慢則好幾天，還容易出錯。這就無法滿足一些對準確性、及時性、無人工等有高要求的應用場景，比如金融監管、機密文檔複核、內部審計等。第二，數據供應商所擁有的知識圖譜僅包含了公開數據，大量機密的、內部的、更為重要的數據不能被外部數據供應商整理成知識圖譜。第三，人工無法整理所有數據。以萬得為例，由於受到人工能力限制，其整理的數據僅包含資產負債表、利潤表、現金流量表中的主要數據，無法提煉出企業報告中其餘上百個表格數據以及隱藏在大量自然文本段落中的信息，而這些信息正是深入分析該企業的業務和財務狀況的底層數據。
簡而言之，以萬得為代表的數據供應商還不具備實時、全面地“構建知識圖譜”的能力和技術，出售的仍然是數據本身。
所以，面向企業級服務的AI創業公司都致力於能夠全自動化的構建金融知識圖譜，解決上述三大痛點。但是目前該市場還是處於需求大大高過供給的情況，這或許是由於全自動構建知識圖譜的這項底層技術實際上在學術界都是一個難點。
全自動化構建知識圖譜的核心技術是NLP與CV的融合
人們在閱讀金融文檔的時候，對其中的自然段落、圖表中的信息在很短的時間內便能理解其中的意思，但對於計算機來說，這中間還有幾個轉換步驟。
首先，當計算機看到一份金融文檔的掃描圖片時，看到的僅僅是圖片中所有光點所呈現的數字矩陣;然後，通過OCR(Optical Character Recognition，光學字符識別)技術，將龐大的數字矩陣轉換成包含字符以及字符的位置信息的矢量文檔，比如金融行業最常見的PDF格式的文檔就是矢量化的文檔。但是，在此階段，計算機看到的僅僅是一個一個的文字以及該文字的位置，並不能知道哪些字符組成了主語，哪些字符是謂語動詞，哪些數字是關鍵信息，文檔的哪些部分是表格。
接下來，需要讓計算機將這些零散的單個字符組合成金融知識圖譜，這就需要用到富格式文檔(Richly Formatted Data)處理技術。在這個階段，就是計算機將零散的字符提煉成信息的階段，也是技術上的難點。因為各類披露的金融文檔呈現為富格式文本的形式，包含篇章結構、文字段落、數據表格等各類形式，而計算機對於不同形式的文本需要使用不同的處理技術;同時不同渠道獲得的金融文檔內容還可能出現不一致的地方，這還需要AI模型能夠分辨矛盾數據、噪音數據。
所以，想要將這些文檔上的字符歸納提煉成為標準化的、相關聯的、準確的信息，需要AI領域中的自然語言處理(NLP)技術與計算機視覺深度(CV)的技術的融合。
也就是說，在全自動構成知識圖譜的過程中，真正的難點在於計算機如何從含有複雜格式的大量資料中，快速地“理解”、“讀懂”人類語言，甚至是對經過複雜演算的數據結果進行“糾錯”。攻破這些技術難點的創業公司就將擁有核心的“技術”競爭力，也就是說它們將不再出售數據本身，而是出售“構建數據”這項技術。而各家創業公司的技術硬實力，將會成為其佔領該領域的真正壁壘。
全自動構建金融知識圖譜將使金融機構提升運營效率、節約合規成本
當全自動構建知識圖譜的技術開始真正滲透到金融機構中，金融行業才能真正實現智能化的飛躍，大幅提升行業運營效率。
一方面，如果全自動構建金融知識圖譜的數據的技術私有化部署在公司內部，則內部機密數據的標準化整理、識別、關聯、分析將能夠被計算機替代。其應用場景可以涵蓋從內部繁複的文檔整理複核工作到內部合規審核。數據顯示，中國證監會僅在2017年就作出行政處罰決定224件,罰沒款金額74.79億元,同比增長74.74%;而因為其他原因出現了細微錯誤的財務報告也會讓企業成為媒體和公眾討伐的對象。如果企業能將合規的審核交給計算機，則企業內部為繁瑣文檔工作付出的人力成本、為合規處罰付出的經濟成本等等，都將被節省下來。
再就是即便對已公開的金融文檔，全自動構建知識圖譜的技術也將能夠使企業大大縮短獲得關鍵信息的時間。如果是運用外部的數據供應商，從企業年報PDF上網公開，到萬得(Wind)的財報數據入庫，快則需要幾個小時，慢則需要數天。但金融行業一直是分秒都很“貴”的地方，如果能通過全自動知識圖譜構建技術讓財報數據在2分鐘之內即可被金融從業者獲取及應用，無疑將大大提高金融機構內部的運營效率。
與此同時，外部數據供應商提供的財報數據往往僅包含資產負債表、利潤表、現金流量表裡的主要數據信息，無法提煉出隱藏在幾百頁企業報告中深入分析該企業的業務和財務狀況的底層數據，但這些信息卻可以被計算機自動提取。金融行業從業者將能夠獲得更加全面、精準的信息。
知識圖譜的應用將助力金融監管，監管科技市場前景廣闊
另一方面，對金融監管機構而言，基於其特殊性質，對於外部服務商的介入會更加謹慎。而通過私有化部署全自動構建知識圖譜技術服務，利用內部閉環程序操作，就可以在儘可能提高數據的保密等級，減少人工直接參與的情況下，及時獲得最全面、最精準的標準化大數據。
同時，防範系統性金融風險一直是我國金融監管的重中之重。通過構建跨行業、跨機構的金融知識圖譜，獲得標準化的、準確無誤的、及時透明的以及數量巨大的基礎數據或信息，才能讓人工智能在海量的數據和信息中主動識別和預測風險，對分散的數據進行綜合分析以得出行為模式，這將是幫助監管機構防範系統性金融風險最為有效的金融科技。
隨著中國銀保監會的正式掛牌，中國金融監管進入“一委一行兩會”的格局。統一化監管、整體化監管、穿透化監管將成為未來金融監管的主基調，大量跨行業、跨機構的數據將被打通，構建金融知識圖譜的技術將成為市場剛需，成為監管科技的重點應用之一。
目前，全球的監管科技市場正處於一個上升階段，根據市場調研公司Let's talkpayment預計，到2020年，全球範圍內監管科技的市場規模將超過1000億美元。中國也將在這一領域迎來廣闊的市場。
基於此，衝破擁有金融大數據的數據服務商所構建的商業壁壘，在技術層面已經實現，金融知識圖譜的市場競爭也正在從“數據”競爭跨向“技術”競爭的新時代，技術本身才是創業公司的壁壘。擁有核心技術，金融數據本身並不是不可替代。
閱讀更多 幸福代言人7107 的文章
