2人工智能技术财务应用蓝皮书34人工智能技术财务应用蓝皮书56人工智能技术财务应用蓝皮书78表1人工智能技术架构层次内容说明服务层解决方案基于具体需求、场景、行业的整体解决方案训练层数据类型用于人工智能分析的数据平台层学习方式有监督学习、无监督学习和增强学习架构从数据中结构化提取特征的方法，例如卷积神经网络算法预先定义的一系列步骤以解决一个计算问题框架算法模型设计、训练和验证的一套标准接口、特性库和工具包，集成了算法的封装、数据的调用以及计算资源的使用硬件层控制节点用于在芯片间协调计算的硬件组件，例如处理器（CPU）AI加速器针对人工智能计算特性设计的芯片，例如图形处理器（GPU）和CPU来源：麦肯锡3；Ostmann,和Dorobantu,2021；信通院，202242.2人工智能技术分类2.2.1感知智能感知智能是对人类视觉、听觉和触觉等感知能力的模拟，以计算机视觉和语音识别为代表。计算机视觉主要通过摄像头、图像、视频等媒介识别物体、文本、人体及人脸等。语音识别主要是对声音的识别，例如智能音箱可基于对人类语音的识别和分析执行相应任务。2.2.2运算智能运算智能是对人类大脑计算和记忆存储能力的模拟，主要体现为对数据的计算和存储。人工智能本质上是通过算法计算具体应用场景中抽象的数学问题，由硬件具体执行，如何低能耗、高效率地设计芯片与算法和场景匹配是运算智能的核心问题。专门为机器学习等运算特征研发的人工智能加速器应运而生。2.2.3认知智能认知智能是机器对人类大脑中理解、学习和推理能力的模拟。机器学习可以理解为真正具备“学习”能力的机器系统。以深度学习为例，它将人脑中的神经网络引入机器，通过对数据特征的层层抽象来获得比其他机器学习方法更高的计算准确度。卷积神经网络（ConvolutionalNeuralNetworks）是深度学习算法的一种，其工作过程如图2所示。人工智能技术财务应用蓝皮书910人工智能技术财务应用蓝皮书1112第三是智能计算，云、端、边多样化算力供给模式开始显现。目前的人工智能以云侧计算为主，但端侧、边侧有着更多元的应用场景，在本地终端运行算法计算是更合适的选择。第四是生成式人工智能（generativeAI）。数据是训练人工智能的基本元素，然而实践中的一个普遍问题是人工智能部署方并没有足够数量的数据或者取得大规模数据的成本过于昂贵。生成式人工智能可以挖掘从小样本数据集中挖掘特征，生成具有相似特征的大规模数据集用于算法模型的训练。表2数据集中常见的固有偏见序...
