首届1024国际智能投研开发者大会（IITDC）于2020年10月24日在上海市浦东新区举办。主办方智能投研技术联盟（ITL）将 “数据技术”定为会议核心，无数业内专家出席会议并进行广泛深入地研讨与交流，促进了投研技术新发展。
天云融创数据科技(北京)有限公司（以下简称“天云数据”）CEO雷涛受邀参加，并在前沿数智技术探索论坛上发表‘知识图谱与深度学习融合 从机器感知走向机器认知’专题演讲。
AI三次迭代 天云产品实现从统计到学习的升级
第一代人工智能是基于专家经验的规则模型。天云Gaea决策引擎就是为使传统专家经验转化为计算机可执行的规则而生的。Gaea使专家经验标准化、可继承和高效运行，是企业专家系统管理平台。第一代人工智能将经验转化成规则，但很难进行知识复用和知识沉淀。
第二代人工智能的标志是数据驱动机器学习。机器学习是指人工智能的一个方面，更专注于算法，为计算机提供了不需要编程就可以学习的能力。充分融合统计学思想和计算优化法，使数据分析得以实现，并在新数据时进行更改。 机器学习可以提供各种从数据中发现问题实质（学习）并根据数据做预测的技术能力。
天云方案：
自动化特征工程与自动化机器学习建模简化了模型生产的流程。
算法专家专注提升性能，业务专家专注业务定量研究，而天云产品是算法专家和业务专家的纽带。
实际案例：兑付风险模型
天云数据曾以全量金融市场数据对证监会40000+金融产品做模型预测，模型预测准确率高达80%，在第一次实践应用中找准4支兑付风险，在第二次实践应用中找准7支。
但金融机构发生的风险所带来的后果，往往超过对其自身的影响。因此预测风险值的价值远高于找准风险，这也是天云产品的价值。天云产品可以预测出风险值的高低，当风险高达某一数值，金融机构就要采取相应措施了，预防风险成为真正的事故。
第三代人工智能的特征是深度学习。深度学习是学习样本数据的内在规律和表示层次。它的最终目标是让机器能够像人一样具有分析学习能力，能够识别文字、图像和声音等数据。以前我们是在行为中求因果，比如某某‘买苹果手机＝果粉’。某某确实每年都会购买苹果新款，但是不是他本人使用属于未知。大数据会通过丰富的数据特征和人物关系帮助我们找到行为的相关原因，也许是买来送礼，也许刚好他的家人是果粉。如今很多行为都属于非因果关系，机器的深度学习就是摒弃因果关系探寻相关关系的过程。
天云方案：
以孪生神经网络算法建立的耦合构架模型：
子神经网络一：单账户配资，出入金前后交易风格变化，以及利用特征工程和Encoder技术捕捉到的其他特征，刻画出不同的交易者。
子神经网络二：过滤时长行情的影响和其他噪声，提高识别精度。
解决问题：精准识别异常交易账户，发现高杠杆账户。
越来越多的人工智能产品已经出现在我们身边，这表明人工智能在“听、说、看”等感知层技术已经非常成熟了。从siri到无人驾驶，都是人工智能的实现载体。GPT-3还能实现与人对话、更好地答题、翻译、写文章，进行数学计算能力。但即使如此他依然属于感知机器，因为他并不知道自己为什么要这样回答，为什么要生成这样的文章，他只是在统计海量数据。
人工智能也叫机器智能，但它是指用机器去实现所有目前必须借助人类智慧才能实现的任务，这就需要有认知存在。人工智能的本质是对人类智能的模拟甚至超越。
知识图谱与深度学习融合 从机器感知走向机器认知
如何让机器产生认知，符号主义给了我们很好的答案：基于逻辑推理的智能模拟方法模拟人的智能行为。知识图谱能够对结构化数据做升维表达，雷涛表示：“基于图谱挖掘和展示实体间隐含关系，展示单个产品暴雷时辐射的范围和影响的严重程度，建立孤立产品之间的网络联系。”
知识图谱，是显示知识发展进程与结构关系的一系列各种不同的图形，用可视化技术描述知识资源及其载体，挖掘、分析、构建、绘制和显示知识及它们之间的相互联系。人工智能认知需要从认知心理学、脑科学及人类社会历史中汲取灵感，并结合知识图谱、因果推理、关联预测等技术，让机器理解问题并给予对应的回答。只有这样，才能实现从感知智能到认知智能的关键突破。
让机器学习人的经验，将知识图谱与深度学习融合，让人工智能从感知层走向认知层，是天云数据致力于做的事。