笔趣阁

手机浏览器扫描二维码访问

第五章 飓风袭来将被颠覆的行业（第7页）

计算机自动化交易方兴未艾，更新换代进程不断加速，曾经由人类主宰的金融领域，也正发生着巨大的变革。2000年，高盛在纽约总部的美国现金股票交易柜台雇用了600名交易员，为投资银行的大客户买卖股票。但今天，这里只剩下两名交易员，由200名计算机工程师支持的自动交易程序已经接管了其余的工作。

融合机器学习的复杂的交易算法首先取代了市场上很容易确定价格的交易，包括高盛以前的600名交易员操作的股票。目前一些复杂的交易如货币和信贷交易，并不在证券交易所交易，而是通过不太透明的交易者网络进行交易，但即是这些复杂交易也正在实现自动化。

跟踪金融行业走向的英国公司Coalition表示，当前将近45%的交易都通过电子渠道完成。在裁员压力下处理日常运作事务的职员首当其冲，不光是高盛，越来越多的银行加入了裁员的浪潮之中。瑞银集团CEO塞尔吉奥·埃尔莫提（SergioErmotti）接受采访时称，随着银行业的科技进步，未来数年该行可能裁员近3万人，占公司人员的30%。

面对来自人工智能的竞争，就连许多高薪人士都将失业。目前，高盛有9000名工程师，占总员工的13。接下来，将有更多高层级的工作被自动化，高盛计划让IPO（首次公开募股）过程中约146个步骤获得自动化，但传统工作上专注于推销和建立人际关系等岗位还暂时不会被取代。

图5.15八年前瑞银集团的交易大厅

图片来源：https:.zerohedge.news2016-12-20worlds-largest-trading-floor-sale。

图5.16如今瑞银集团的交易大厅

图片来源：https:.zerohedge.news2016-12-20worlds-largest-trading-floor-sale。

智能投资顾问最早在2008年左右兴起于美国，又称机器人投资顾问（Robo-Advisor）。依据现代资产组合理论，结合个人投资者的风险偏好和理财目标，利用算法和友好的互联网界面，为客户提供财富管理和在线投资建议服务。

根据美国金融监管局（FINRA）2016年3月提出的标准，理想的智能投顾服务包括客户分析、大类资产配置、投资组合选择、交易执行、组合再平衡、税负管理和组合分析。传统投顾和智能投顾都是基于以上七个步骤，只是实施的方式不同，而智能投顾本质上是技术代替人工实现投顾。但相对于公司职员，智能顾问的优势是，它可以不知疲倦地监控投资组合的表现，24小时不停歇地工作，还可以对所有的投资组合同等对待。最重要的是它大幅降低了成本，因为机器人服务的使用，美国以前以50万～100万美元为起点的理财产品今天降低到5万美元，费用从5%降到0.3%～0.5%。

据权威在线统计数据门户Statista数据显示，2017年全球智能投顾管理资产超过2248亿美元，年增长率高达47.5%，到2021年全球智能投顾管理资产规模将超过1万亿美元。（见图5.17）

2015年3月，嘉信理财（CharlesSchwab）推出了免咨询费的智能投顾平台的IntelligentPortfolios。该投顾平台能够覆盖高达20种不同的资产，根据不同投资者的需求、风险偏好、收入水平，通过后台运算来制定投资组合。受托管理规模的快速上涨说明其智能投顾体系在一定程度上能够吸引客户，给公司带来增量收入，优化收入结构。截至2017年第二季度，公司智能投顾平台总共受托管理客户资产194亿美元，较上年同期上涨137%，较第一季度环比上涨22%。这个智能投顾平台的盈利模式主要是来自嘉信交易型指数基金ETF产品的管理费、为第三方发行的被选入智能投顾组合的ETF产品的服务费、ETF申购赎回等交易费用，以及一些类似货币基金产品的收益。就支出成本而言，其平均受托管理资产的支出成本远低于其他大型经纪商和投资银行。

图5.17智能投顾管理资产总额

数据来源：Statista。

日盛证券在2017年11月推出AI理财机器人——AI理财狮，可以为投资人提供线上24小时即问即答服务，上线2个月就吸引超过万名投资人尝试，发问次数4万多次，使用程度相当活跃。

对证券公司、投资银行来说，裁员意味着更丰厚的利润。根据联盟研究统计，在销售、交易和研究领域，全球12个最大的投资银行员工的平均薪酬为50万美元，包括薪资和奖金。而联盟研究主管AmritShahani（安穆立特·沙哈尼）说，华尔街75%的薪酬给了那些高薪的“前端”员工。一旦这些交易员被机器取代，他们以前获得的薪酬就将直接计入公司利润。这同时也引发了人们对失业的担忧，因为曾经光鲜亮丽的部分华尔街精英也难逃这次冲击。

智能时代万物皆媒，人机协作时代已经来临

人工智能正在彻底重塑媒体产业，线索、策划、采访、生产、分发、反馈等全新闻链路都因为人工智能的到来而发生变革，媒体也正在走向智媒时代。人工智能不仅能够帮助媒体从业者更快地发现线索，辅助或自主生产新闻，并能根据每个受众的喜好有针对性地分发新闻，同时它能为商家匹配更精准的广告，让媒体更好地实现商业化。

自动化写作

目前的自动化写作已经得到较广泛的应用，最初多以财经和体育新闻的快讯、短讯及财报为主，因为这些报道一般能够较好地拿到结构化的数据。随着技术的发展，自动化写作机器人的能力开始覆盖选题、写稿、校对等全方位的功能，题材也拓展到灾难、犯罪、选举等领域。而且时间更快，还可以定制。（见表5.3）

表5.3新闻机器人发展大事记

数据来源：中国人民大学新闻坊。

美联社是自动化新闻最早的探索者之一。2013年夏天，美联社的新闻部门负责人提出一个在当时看来略显激进的想法——引入人工智能进行自动化新闻创作。几个月后，在AutomatedInsights（研究新闻自动生成的技术公司，位于美国北卡罗来纳州）的技术支持下，美联社获得了通过机器自动生产新闻的能力，从体育新闻简报起步，在2014年开始使用算法自动生成财报报道。美联社当时估计这个做法能释放记者20%的时间，可以让这些记者从事更为复杂和关键的工作。2015年，美联社制定了一个五年（2015—2020年）战略规划。美联社战略及企业发展部高级副总裁JimKennedy（吉姆·肯尼迪）希望在2020年之前，美联社80%的新闻内容生产都能实现自动化。美联社全球商业编辑LisaGibbs（丽莎·吉布斯）说：“通过自动化，美联社向客户提供的公司财报发布报道是以前的12倍，其中包括许多从未受到什么关注的非常小的公司。利用这些释放出来的时间，美联社记者可以参与更多用户生成的内容，制作多媒体报道，追踪调查报道，并专注于更复杂的新闻。”

腾讯是中国自动化新闻最早的尝试者。中国的自动化新闻为什么比海外晚了将近十年？除了我国媒体自身意愿和人员成本比西方国家低以外，西方媒体更侧重于和技术公司合作，例如德国的AXSemantics、美国的NarrativeScience、法国的SYLLABS和LABSENCE、英国的Arria等为媒体提供了解决方案或技术支撑，而中国的媒体大多自行研究机器写作技术。2015年9月，腾讯财经开发的机器人Dreamwriter发布了一篇关于8月CPI（居民消费价格指数）的稿件——《8月CPI同比上涨2.0%创12个月新高》。如图5.18所示，稿件分为两部分，第一部分是数据本身，第二部分是各界人士对数据的分析解读。之后，Dreamwriter持续发布新闻稿件，根据《中国新媒体趋势报告2016》数据显示，2016年第三季度，腾讯财经机器人写作文章的数量达到了4万篇。

Dreamwriter写作的整个流程主要包括数据库的建立、机器对数据库的学习、就具体项目进行写作、内容审核、分发5个环节。腾讯要先通过购买或自己创建数据库，然后让Dreamwriter对数据库内的各项数据进行学习，生成相对应的写作手法，全部学习完之后便可以进行与数据库相关联的新闻事件的报道写作，写作完成后进入审核环节，最后通过腾讯的内容发布平台到达用户端。（如图5.19）

图5.18腾讯写作机器人生成的财经报道

图片来源：腾讯新闻。

图5.19机器写作的流程

图片来源：中国人民大学新闻坊。

自动化写作无论是对新闻行业还是对读者来说，都带来了显而易见的好处。对新闻工作者来说，他们可以把程式化、重复化的劳动交给机器，自己进行更深度的思考与写作，并且在写作过程中能够得到人工智能的支撑，写作后有系统校对。对读者来说，这些新闻最重要的需求是快，对于体育、财经、地震等对时效性要求极高的报道显得更为明显。另外，满足用户对长尾内容与个性化内容的需求，在传统新闻理论中，某些冷门比赛的报道价值不大，但实际上依然有可观的阅读量，比如棒球比赛对于中国棒球球迷，乒乓球比赛对于美国乒乓球球迷。

随着自动化新闻数量的增多和深度的加强，其背后算法的设定就开始受到怀疑。虽然大多数自动化新闻设定了审核环节，但是在实际操作过程中，为了时效性，大多数并没有经过人工审核。这样可能出现的后果是，一个错误的稿件可以瞬间发给百万级的用户。谷歌技术孵化器Jigsaw的沟通负责人丹·肯瑟琳称：“算法容易产生偏见，就像人类一样。我们需要以在新闻报道中处理事实的谨慎来对待数字。它们需要被检查，它们需要被确认，它们的背景需要被理解。”这就要求新闻工作者不仅要参与部分内容的审核，还要和算法工程师一道，让机器拥有更准确的表述能力和价值观。

辅助写作

智媒时代不是人工智能对新闻工作者的替代。相反，人工智能结合互联网更好地连接了人与人，更好地汇聚人的智慧，并拓展了人的能力。在未来的新闻行业里，记者和人工智能形成“人机联姻”的生产模式。算法分析数据、发现有趣的故事线索，记者进行复杂变量的处理和判断，微妙情感关系的处理和表达，采访重要人物以及幕后故事的发掘等，在人执行的每一步工作流程中人工智能都将有一定的参与。

1.语音识别技术在新闻工作中广泛使用

语音识别技术能使记者减少每天必须完成的日常任务。传统的新闻采访后的录音整理是一项特别耗时耗力的工作，据雷诺兹新闻研究所（RJI）最近对美国超过100名记者进行的调查显示，记者每周平均花费3个小时访问采访对象，并花一倍的时间把采访的录音整理出来。然而通过语音识别技术，可以轻松完成这项工作，国内新闻工作者开始借助讯飞语记等应用减少工作负担。RJI未来实验室开发的一个带语音转文字功能的App“Recordly”也希望能够做到这一点。该项目负责人辛蒂亚·拉杜（SintiaRadu）表示：“Recordly出自我们自己希望报道和写作过程更加有效的需求。我们把听录音看成浪费时间，我们认为，以这个烦人的工作开始写任何报道都是适得其反，当作者听完录音以后，再要把报道完成时已经很疲惫了。”

2.深度学习能够增强记者的分析能力

深度学习能够更深入分析出受访者或事件背后的深层次关系。在2017年1月的总统就职演讲过程中，美联社与IBM的沃森认知技术平台合作，利用人工智能对特朗普的面部表情进行分析，同时结合特朗普的演讲文本、演讲语调、人格洞悉和社交媒体趋势等数据形成一些基于情感分析赋值的微表达新闻报道。沃森机器人对特朗普关键情绪触发点进行了打分，给出的情感分析结果是“悲伤”（0.4996）大于“喜悦”（0.4555），且情绪表达更为“偏激”，这一点与后来《今日美国》发布的新闻“分析：特朗普短小、黑暗且有挑衅意味的就职演说”在情感色彩表达上不谋而合。（见表5.4）