風險評估對于大多數(shù)行業(yè)都是一項至關重要的工作，而在企業(yè)合并或收購中尤為關鍵。如今，AI的應用也延伸到了這一領域。

3月的GPU技術大會讓與會者們大開眼界。來自美國馬薩諸塞州的數(shù)據(jù)管理咨詢公司Congruity360也向與會者展示了其如何利用AI提高風險評估過程的速度和精度。

降低并購風險

決定搬到一起住的兩個人可以清算他們的所有財產(chǎn)，并快速決定該如何處理它們。但當一家公司并入另一家公司時，難以歸類的數(shù)據(jù)常常會使他們焦頭爛額。

GPU或許并不是處理文本型文檔的最理想方式，然而Congruity360開發(fā)出了一種基于GPU的機器學習來解析文本數(shù)據(jù)的方法。

“GPU不能用來處理文本，” Congruity360的銷售工程副總裁Chris Ryan指出，“我們需要創(chuàng)建文本文檔的數(shù)學表達?！?/p>

通過此方法，Congruity360可以判斷文檔是否“看起來”相同或者是否包含一些相同的關鍵詞，從而對非結構化文檔進行分類。從本質(zhì)上講，該公司的工作包括獲取那些完全陌生的數(shù)據(jù)（Ryan稱之為“dark data”），配置高級別標題，從而將這些數(shù)據(jù)分別歸到與發(fā)票、稅收、知識產(chǎn)權或代碼等主題相關的存儲分區(qū)。

最后的結果直觀可見，將數(shù)據(jù)歸入了不同主題的集群中，包括單獨的和重疊的主題集群。企業(yè)可以針對風險較高的文檔（例如那些受監(jiān)管的文檔）使用此方法。

將數(shù)據(jù)轉(zhuǎn)化為有用的信息

Congruity360所用方法的基本假設是80%的公司數(shù)據(jù)都是非結構化的，其試圖解答的問題是GPU如何幫助機器學習將原始文本轉(zhuǎn)化為信息。

顯而易見，GPU提高了這一轉(zhuǎn)化的速度。

“作為數(shù)據(jù)科學家，肯定不希望大部分的時間花在等待模型的運行上，” Congruity360分析部門副總裁Jonathan Bailey說道。

加快這一進程意味著更快地識別和降低風險。實施并購活動需要與法律團隊合作，而法律團隊通常極為關心數(shù)據(jù)的可靠性。使用CPU對文檔進行對比，并對其可靠性進行估算需要花費四周時間，Congruity360使用GPU完成這一流程則只需20秒。

“我們想要為用戶提供一款了解數(shù)據(jù)內(nèi)容的工具，并確定是否存在風險數(shù)據(jù)。” Bailey說道。