有朋友問我，說人工智能特別是你經常說的認知計算技術，目標是打造可以學習并與人類自然交互的系統。在你們“凱泰結構洞科技”研發(fā)的“結構洞投融資生態(tài)鏈智能系統”中主要擔負著對隨機來自于創(chuàng)投市場中大量存在的海量碎片化“非結構性”初創(chuàng)企業(yè)項目融資信息數據包括文字、圖像、圖表、語音甚至視頻等，能夠讓計算機系統像人的大腦一樣學習、思考、進行數據分析并做出正確的決策，并且認為“投資人們最需要真正能夠產生洞察的關鍵，是能夠理解并解讀這些非結構化數據，而這也正是未來數字經濟時代所需要的”。

對于這樣的觀點我們都非常認同，可問題是真的能像一個非常專業(yè)的職業(yè)投資人那樣，具備達到人類的認知水平嗎？要知道一個職業(yè)資深的專業(yè)投資人，往往除了要具備非常厚重的專業(yè)理論知識以外，還要具備寬廣的認知邊界，豐富的實戰(zhàn)投資經驗和智慧，更為重要的是要養(yǎng)成沉穩(wěn)、謹慎、理性和縝密的邏輯思維以及自律等的性格特征，這樣的人才可不是一朝一夕就能修煉而成的，需要經歷漫長歲月的艱辛實踐歷練，還有就是要具有敏銳的感知、洞察和創(chuàng)造的能力以及直覺，這類市場精英人才本來就非常稀缺。當然要是該人工智能系統能達到這樣的認知水平，那自然是非常棒的一件了不起的事情，這讓人想起來就是件非常不容易實現的目標，更何況起碼在中國的創(chuàng)投市場中，到目前為止我們還沒有看到人工智能，尤其是認知計算技術被成功創(chuàng)新應用的真實案例。

老實說，針對這樣的問題和疑慮非常正常，的確人工智能發(fā)展到今天離完全取代人類的思維和認知事物的能力還相距甚遠，這不僅僅只局限于在創(chuàng)投市場領域，在其它領域也是如此，特別在具體的商業(yè)場景的應用上，往往并不像系統開發(fā)者們宣傳的那樣，給客戶以超出預期的強體驗感覺，但是最起碼在弱智能領域，將那些重復或者機械的腦力勞動這樣的基礎性工作用人工智能取代卻已經變成了人們最現實的選擇。

比如在創(chuàng)投市場中投資人在進行投資決策的過程中就存在者大量的基礎性工作，投資人在獲得市場融資項目信息數據時，一般都很難在市場中某確定的時間段內獲得足夠數量規(guī)模的信息數據量，并且即便獲得也不知道如此龐大的信息數據量中那些數據是自己所需要的，需要對這些信息數據進行分類、篩選、識別和初步判斷，這就需要耗費大量的時間成本、人力物力，并且往往專業(yè)性和效率也不高，更重要的是從數理統計和概率學的專業(yè)角度，需要在信息數據來源的市場范圍、數量規(guī)模和各種相關數據之間的共性特征等方面都無法保障，從而很難確定你選擇的對象是否具有市場真實價值的時效代表性，這將給投資人的決策判斷帶來非常大的困難和障礙，即便投資人擁有超強的專業(yè)技能和智慧。

在沒有這些基礎必要的工作充分準備支撐下，恐怕也很難發(fā)揮出其智慧的真實市場商業(yè)價值，顯然在這些方面正好是人工智能系統的強項，并且就目前的技術而言也達到了相當成熟穩(wěn)定的程度。也就是說最起碼我們這個“智能系統”工具可以現實的幫助到目前創(chuàng)投市場中的投資人們有效的解決“由于缺乏有效的融資信息數據過濾，會導致信息數據過多，增加投資決策難度的矛盾”。

當然我們的期望值遠不止于此，在人工智能和機器學習以及深度學習研究的基礎上，會在多層神經網絡之中使用新的拓撲學和學習方法，使得神經網絡的進化成功解決了多個領域的棘手問題。比如應用了基于“反向傳播”為基礎的AI模型，包括相互連接層，傳輸“信號”并調整連接的突觸強度（權重），比如可以從輸入數據中提取特征并學會做出預測。

深度神經網絡的優(yōu)化始于Transformers，這種方式甚至拋棄了傳統RNN/CNN結構，從自然語言本身出發(fā)，實現了基于“注意力”機制的Transformers機器翻譯網絡結構，這得益于動態(tài)計算權重的注意力機制，AI系統將采取無監(jiān)督的，可以從未標記、未分類的測試數據中提取知識，在學習“共性”和對“共性”是否存在做出反應的能力方面，無監(jiān)督學習的能力幾乎達到了人類的認知水平。

在過去十年中，認知計算（Cognitive compuTIng）技術的出現，其目標是打造可以學習并于人類自然交互的系統，這通過成功擊敗Jeopardy游戲的世界選手，IMB Watson證明了認知計算的價值。也就是說“凱泰結構洞科技”所研發(fā)的這個在創(chuàng)投市場中提供給主要客戶“投資人”使用的智能系統工具，其目標也是可以學習并與投資人、初創(chuàng)項目創(chuàng)始人和資源提供者這三類利益群體之間交互的系統，具有規(guī)模性、交互性和概率性的顯著特征，本質上就是將認知計算技術與互聯設備產生的數據和這些設備可以執(zhí)行的操作結合使用，從而創(chuàng)造出“會思考”的一個“價值生態(tài)鏈智能系統”工具。今天的觀點是：人工智能，特別是認知計算技術應用于創(chuàng)投商業(yè)決策已經在路上。