人物經(jīng)歷
吳海山博士現(xiàn)任微眾銀行人工智能部副總經(jīng)理。之前在全球最大的資產(chǎn)管理公司BlackRock擔(dān)任董事，負責(zé)基于人工智能的投資研究。吳博士2011年從復(fù)旦大學(xué)計算機學(xué)院畢業(yè)之后，在美國普林斯頓大學(xué)任博士后研究員，2014年回國加入百度人工智能研究院，就職于百度BDL（Big Data Lab，即百度研究院大數(shù)據(jù)實驗室，系百度研究院下設(shè)的三大實驗室之一。）。吳海山博士還為百度資本擔(dān)任科技顧問。
吳海山博士負責(zé)研發(fā)的基于時空大數(shù)據(jù)的中國經(jīng)濟量化分析系統(tǒng)，通過和聯(lián)合國開發(fā)計劃署、國務(wù)院發(fā)展研究中心等部門合作，對國家經(jīng)濟宏觀政策制定提供重要參考依據(jù)。該系統(tǒng)被多個國際大型金融投資機構(gòu)使用，并作為數(shù)據(jù)產(chǎn)品在彭博終端上使用。他的基于移動大數(shù)據(jù)的中國房地產(chǎn)空置率研究，被麻省理工科技評論評為2015年十佳研究之一。
吳海山博士20篇學(xué)術(shù)論文在多個頂級的學(xué)術(shù)期刊和學(xué)術(shù)會議上發(fā)表，國內(nèi)外專利近30項。吳博士的研究多次獲得國內(nèi)外多家知名媒體的專題報道，包括華爾街時報、華盛頓郵報、美國國家公共廣播電臺、彭博社、經(jīng)濟學(xué)人、商業(yè)周刊、新科學(xué)家、探索頻道、福布斯、世界經(jīng)濟論壇等。吳海山博士被麻省理工科技評論評為中國35位35歲以下的科技創(chuàng)新青年（35Under35）, 并被第一財經(jīng)評為中國50名數(shù)據(jù)科學(xué)家之一。
時空大數(shù)據(jù)研究
吳海山以百度的最新的商業(yè)選址為例，對比過去的“調(diào)研-屬性-畫像-選址”模式，百度的模式則從分析用戶搜索記錄出發(fā)�！袄鐬楹５讚频姆值赀M行選址時，我們就主要分析在百度和地圖上搜索過海底撈的用戶的時空分布，這就能夠刻畫出他們的需求分布，再結(jié)合優(yōu)化模型就能做出一些候選的地點，如果這里沒有海底撈的分店，但是需求又很旺盛，我們的系統(tǒng)就會建議在這里增加一個分店�！眳呛Ｉ窖a充道，“相對于傳統(tǒng)的選址方法，百度直接反應(yīng)用戶的需求，因此更勝一籌�！�
BDL的另一個產(chǎn)品“用戶O2O行為預(yù)測”是根據(jù)用戶的百度搜索數(shù)據(jù)和定位數(shù)據(jù)來做用戶的出行行為預(yù)測，這樣就可以提前為用戶推送目的地路況和出行建議。比如當(dāng)用戶搜索了一個飯店的名字，百度就通過行為分析，預(yù)測用戶可能會在兩小時內(nèi)到達，這樣就會替用戶進行預(yù)約、排隊、安排停車場等事宜。
中國鬼城量化研究
中國鬼城量化研究的項目負責(zé)人是百度大數(shù)據(jù)實驗室的數(shù)據(jù)科學(xué)家吳海山博士，他帶領(lǐng)其團隊來自北京大學(xué)劉瑜教授實驗室的實習(xí)生遲光華，首次使用定位數(shù)據(jù)來進行精細的鬼城檢測。在提出這一算法之前，對于鬼城的判斷多數(shù)是基于不可靠的測量，比如在夜間進行住宅建筑燈光的簡單計數(shù)。這種測量方法忽略了旅游業(yè)的季節(jié)性變化。許多城市或區(qū)域的人口密度與旅游息息相關(guān)。而此次百度提出的這一算法相比以往的估算更加有效，首先是基于百度地圖的用戶數(shù)據(jù)分析可以判斷出人流的方向、起點和終點，從而更精確地了解到某個區(qū)域內(nèi)的常住人口。其次，這一算法還可以根據(jù)季節(jié)和旅游淡旺季區(qū)統(tǒng)計某個區(qū)域內(nèi)的人口變化，從而更科學(xué)地判斷特定區(qū)域的人口密度。該監(jiān)測方法將有助于當(dāng)?shù)卣谖磥碜龀龈玫囊?guī)劃決策，而非盲目的加大投入，造成資源浪費。
該項目被美國權(quán)威雜志《麻省理工科技評論》評為2015年度最佳研究之一。
中國房地產(chǎn)空置率研究
中國房地產(chǎn)空置率研究的項目負責(zé)人是吳海山博士，帶領(lǐng)其團隊來自北京大學(xué)劉瑜教授實驗室的實習(xí)生遲光華，首次使用定位數(shù)據(jù)來進行精細的鬼城檢測。在提出這一算法之前，對于鬼城的判斷多數(shù)是基于不可靠的測量，比如在夜間進行住宅建筑燈光的簡單計數(shù)。這種測量方法忽略了旅游業(yè)的季節(jié)性變化。許多城市或區(qū)域的人口密度與旅游息息相關(guān)。而此次百度提出的這一算法相比以往的估算更加有效，首先是基于百度地圖的用戶數(shù)據(jù)分析可以判斷出人流的方向、起點和終點，從而更精確地了解到某個區(qū)域內(nèi)的常住人口。其次，這一算法還可以根據(jù)季節(jié)和旅游淡旺季區(qū)統(tǒng)計某個區(qū)域內(nèi)的人口變化，從而更科學(xué)地判斷特定區(qū)域的人口密度。該監(jiān)測方法將有助于當(dāng)?shù)卣谖磥碜龀龈玫囊?guī)劃決策，而非盲目的加大投入，造成資源浪費。
該項目被美國權(quán)威雜志《麻省理工科技評論》評為2015年度最佳研究之一。
攬月智能資產(chǎn)管理平臺
吳海山博士帶領(lǐng)微眾銀行AI資產(chǎn)管理團隊基于遙感圖像分析技術(shù)等AI核心技術(shù)，搭建了智能資產(chǎn)管理平臺——攬月，通過對遙感影像、無人機影像、時空數(shù)據(jù)、以及輿情數(shù)據(jù)等“另類數(shù)據(jù)”的分析，挖掘?qū)崟r、智能、全面的信息，從而實時監(jiān)測宏觀經(jīng)濟發(fā)展趨勢，準確診斷城市發(fā)展脈搏、精確量化企業(yè)基本面、密切跟蹤大宗商品交易、客觀評估農(nóng)業(yè)保險損失、客觀評級企業(yè)ESG指數(shù)。
攬月智能資產(chǎn)管理平臺的人工智能技術(shù)融合了目標檢測、地表識別、路網(wǎng)檢測等數(shù)據(jù)的深度挖掘，這些數(shù)據(jù)既可用于遙感識別也可用于宏觀分析，通過地理信息系統(tǒng)分析給資產(chǎn)管理機構(gòu)直觀展現(xiàn)了基本面分析、宏觀研究等核心場景，并實現(xiàn)了可視化。如分析特定行業(yè)工廠的遙感影像可以得出該行業(yè)近期生產(chǎn)狀態(tài)、分析交通路網(wǎng)信息可以得出宏觀經(jīng)濟運行側(cè)面等等，同時結(jié)合AI驅(qū)動ESG評分系統(tǒng)，能快速實現(xiàn)ESG評級可視化效果，助推資產(chǎn)管理機構(gòu)把握市場機遇并規(guī)避風(fēng)險。AI技術(shù)具有深度學(xué)習(xí)、自適應(yīng)、可視化程度高等特點，對于直觀展示資產(chǎn)管理行業(yè)變動、指導(dǎo)資產(chǎn)管理機構(gòu)運作具有現(xiàn)實意義。
疫情下的中國經(jīng)濟恢復(fù)指數(shù)分析
吳海山博士帶領(lǐng)微眾銀行AI“攬月”團隊，基于城市出行指數(shù)和網(wǎng)絡(luò)輿情數(shù)據(jù)等另類數(shù)據(jù)首創(chuàng)了中國經(jīng)濟恢復(fù)指數(shù)CERI (China Economy Recovery Index)，從全國范圍、省份、城市群、城市多個維度，深度剖析2020年與2019年同期的情況對比，結(jié)合區(qū)域的產(chǎn)業(yè)經(jīng)濟狀況、政府復(fù)工復(fù)產(chǎn)措施、關(guān)鍵時間點及重點事件影響等多角度解讀中國的復(fù)工進度與經(jīng)濟恢復(fù)程度。中國的春節(jié)是每年的一段特殊時期，在春節(jié)年假后會出現(xiàn)明顯經(jīng)營生產(chǎn)活動的復(fù)蘇，而今年受到疫情的影響，出現(xiàn)了明顯區(qū)域性與時段性的差別，通過研究基于線下出行視角的中國經(jīng)濟恢復(fù)指數(shù)（CERI）和線上行業(yè)輿情指數(shù)，可以從線上、線下兩個維度，對中國整體的經(jīng)濟狀況有更加精準的把握，為下一步的經(jīng)濟預(yù)測和投資管理提供決策依據(jù)。
全國已開始推進復(fù)工，CERI指數(shù)顯示經(jīng)濟恢復(fù)程度接近40%，沿海地區(qū)及受疫情影響較小的省份復(fù)工情況較好，經(jīng)濟恢復(fù)情況良好，截止2月25日，有16個省份（除湖北省外）高于中國經(jīng)濟恢復(fù)指數(shù)（CERI）的平均值34%，福建、浙江、青海、湖南等省份經(jīng)濟恢復(fù)程度達到50%以上。在全國復(fù)工浪潮下，沿海城市群（海峽西岸、長三角、北部灣、珠三角）在復(fù)工復(fù)產(chǎn)方面進展迅速，紹興、汕頭、無錫、寧波、廈門等沿海城市進入中國經(jīng)濟恢復(fù)指數(shù)排名前十的城市，超過50%，且在正月十五后增長迅速。通過基于輿情指數(shù)的線上經(jīng)濟分析，在線辦公、在線教育大幅增長達到537%和169%，在線游戲、在線視頻、在線社交的增幅達到124%、63%和47%。根據(jù)基于多種另類數(shù)據(jù)的量化模型預(yù)測，除湖北等地外，3月中旬后疫情的影響程度逐漸消失，基本恢復(fù)到19年底的水平，但同比去年第一季度，預(yù)計對整體有30%的影響。中國經(jīng)濟恢復(fù)指數(shù)（CERI）編制方法（以2020年為例）：
從樣本城市中選取元旦工作日的出行數(shù)據(jù)，我們采用該值反映城市節(jié)前的工作日常態(tài)水平。選取春節(jié)假期一周的出行數(shù)據(jù)最低值，作為城市維持基本運轉(zhuǎn)需要的出行水平，我們認為該值不會隨時間和事件大幅變化，是一個相對穩(wěn)定的量。最后節(jié)后CERI可計算為（正月初一后出行水平-假期最低水平）/（常態(tài)出行平均水平-假期出行最低水平）。吳海山博士并利用AI分析了數(shù)千個大型生產(chǎn)制造業(yè)區(qū)域的衛(wèi)星多譜段影像數(shù)據(jù)，在構(gòu)建一個衛(wèi)星生產(chǎn)制造指數(shù)(Satellite Manufacturing Index，SMI)。以制造業(yè)上游的鋼鐵生產(chǎn)為例，SMI可以較好地檢測大型鋼廠的產(chǎn)量，指數(shù)較好地擬合了工業(yè)增加值、PMI等宏觀經(jīng)濟指標的趨勢，根據(jù)SMI數(shù)據(jù)顯示，主要煉鋼廠產(chǎn)量在節(jié)后兩周恢復(fù)到去年底接近80%的水平，制造業(yè)上游供應(yīng)有所保障。
