謝謝邀請！

回答如下： 金融行業是最早以計算機技術為核心技術的行業之一。幾乎全球的股市、基金、有價證券、 外匯交易都採用的計算機系統。

金融行業積累了大量的數據，而這些數據就是以深度學習和GPU計算為代表的第三次AI浪潮必不可少的一環。

有了數據，有了大規模並行計算條件，AI代替人就是順理成章的事情。而且最為關鍵的是，機器學習最原始的應用領域就是預測和分類。

金融行業的行業需求，大量是進行數據預測，這種預測在傳統的機器學習演算法中都有所體現，傳統演算法加上LSTM、GRU甚至Transfermer後，結果估計不會比任何專業機構差，甚至會更好！

以上這些就是我個人認為金融行業是AI實現最簡單的原因、

邏輯回歸幾十年前就用於信用卡評分了

謝邀。

以我瞭解，吳恩達應該沒說金融行業演算法簡單吧。應該說的是金融行業的人工智慧應用比較容易先落地產生效果，因為金融業是電子化最早也最徹底的行業。數據都已經是電子化的了，當然應用數據科學就容易。

非常有道理，另外，金融業進步的邊際收益也比別的行業大，可以覆蓋AI的部署成本，這個也是AI可能在金融業先發展的原因之一吧。

吳恩達，好像沒有涉足過金融行業。不過，金融行業基於電子計算機的分析預測應該很容易出成果，但能不能達到投資者期望的那樣就是兩回事情了。

這個說法最大的分歧來自於「金融行業」這個詞。因為這個範圍簡直太大了，金融行業的零售業務、運營會計、市場統計分析（非結論型，預測型分析）、產品定價等環節確實是非常容易實現人工智慧的。 但是，在投行業務，衍生品設計，二級市場交易上市非常難的，人工智慧進入這個領域一秒鐘變智障。

以數字為主的統計類需求相對來說比較容易人工智慧化

金融行業在電算化後積累下了龐大的數據集

對於現在流行的沒有訓練數據就基本束手無策的機器學習演算法，這纔是這個行業最大的優勢

不是演算法本身更簡單，是規範的數據集讓演算法的實現過程變得簡單

推薦閱讀：
相關文章