从金融到机器学习:张晓炜博士
与许多本科生一样,张博士念本科的时候对自己将来的就业取向感到迷惘。为了给自己更多的就业选择,张博士决定毕业后先修读一个博士学位。与博士导师探讨自己的前程问题对张博士的事业发展有着深远的影响。受到老师的鼓励,张博士额外修读了一个金融数学的硕士课程,取得了进攻金融界的入场券。
有着金融知识的加持,精通数学的张博士获得了一个在美国某知名金融机构中实习的机会。尽管公司在张博士在完成博士课程后愿意正式雇用他,但经过深思熟虑,张博士还是决定从事学术研究。对比学术研究和在银行业工作,张博士觉得征服在知识层面上的挑战更加刺激,更具吸引力。尽管金融机构也有自己的研究团队,但张博士认为,把研究成果和公司盈利挂钩会妨碍自己对知识的探求。鉴于学者在学术研究中有相对较大的自由,张博士最终决定成为一名学者。
张博士最初的研究集中在信贷风险的领域上,但由于2008年的全球金融危机使市场对高风险金融产品需求大幅下降,研究风险计算的项目经费和需求也随之锐减。但有危必有机,学术界对机器学习和人工智能的兴趣却在这段时间开始增长,为张博士这位热爱研究具实际应用价值的知识的学者开展新的方向。
回顾自己的学术旅程,张博士认为对学术的热情比个人的才智更重要。研究所涉及的技能与本科相比差异很大。本科生只需要执行老师下达的命令撰写报告及应付考试,而研究生则需要在解难和命题方面更为主动。此外,探索未知的知识是一项非常艰巨且耗时的工作。缺乏对学术研究的热情,将无法令自己产生坚持下去的动力和耐性。
在采访中,张博士与我们分享了他最近一项有关机器学习如何能提高热线中心服务效率,亦即提升运营管理的研究。张博士观察到热线中心的劳动力供应不稳定。员工流失率很高而且大多数雇员都只是兼职。此外,由于顾客对服务的需求难以预测,因此能否有效地分配人力资源是热线中心生死存亡的关键。
透过开发人工智能以分析热线中心过往所有的服务纪录,便能大概预测到在什么日子、什么时间、什么时段,顾客对热线服务的需求会特别大,从而方便中心经理编配雇员的值勤表。该人工智能还能就着不同的突发情况进行模拟,使中心经理在不同的极端情况下仍然能有效地分配人力资源。
张博士观察到,商业用人工智能的技术仍未成熟。以热线中心为例,尽管人工智能出色的分析能力使它可以设计出流畅的行动计画,但由于它无法处理客人有可能会不经意地提出的不一致、矛盾、或错误的指令和执行其编码以外的命令,人工智能在提供服务的层面上仍未能够取代人类。
研发出一个可以同时为成千上万人提供和管理度身订造服务的人工智能,是每一个机器学习学者的梦想,但现今的科技水平根本无法做出这种程度的人工智能。张博士认为,人工智能的发展将会继续侧重于精简企业的运作流程,以及提升人类的工作效率等领域。至少在未来十年,人工智能还不会对劳动力市场造成巨大冲击。
张博士表示很荣幸能够为香港大学服务。港大的学生很聪明,而且很有创新精神。以上一个学期为例,张博士的一位学生成功地运用初阶的文字挖掘技术,调查美国联邦储备委员会的会议纪要中的某些特别用字,与美国股票市场的波幅之间会否存在关连。他的创意在张博士心中留下了非常深刻的印象。此外,张博士亦非常感谢他的学生对他的教学质素表示认可及并作出反馈。他将会继续在教学上下苦功。张博士也很欣赏港大注重跨学科和跨学院合作研究的文化。作为一个热爱创造知识的学者,张博士觉得自己在港大找到了他的二个家。