（文章來(lái)源：教育新聞網(wǎng)）

計(jì)算的進(jìn)步極大地提高了我們預(yù)測(cè)具有統(tǒng)計(jì)意義的未來(lái)的能力。隨著計(jì)算機(jī)變得越來(lái)越快，他們能夠每秒計(jì)算數(shù)千次復(fù)雜的方程式，從而幾乎可以在所有可能的變化形式中求解多變量方程式?，F(xiàn)在，數(shù)據(jù)科學(xué)的進(jìn)步已經(jīng)創(chuàng)建了一個(gè)功能更強(qiáng)大的工具，可以通過(guò)數(shù)學(xué)模型，人工智能來(lái)解釋復(fù)雜的情況。AI被廣泛定義為模仿人類智能的機(jī)器行為。AI可以與海員從歷史記錄中推斷出旅途風(fēng)險(xiǎn)的方式類似，可以從數(shù)據(jù)中快速推斷出模式，找到關(guān)聯(lián)并闡明可行的見(jiàn)解。不同之處在于它可以更快地完成任務(wù)，

來(lái)自行業(yè)專家和新聞?lì)^條的評(píng)論經(jīng)常宣稱新技術(shù)是應(yīng)對(duì)當(dāng)前挑戰(zhàn)的萬(wàn)能藥，而人工智能也是如此。人工智能被譽(yù)為治愈世界上幾乎所有疾病的良方。但是，被教導(dǎo)要像人一樣思考的軟件仍然需要人的幫助，并且在同一任務(wù)上通常無(wú)法勝過(guò)熟練且訓(xùn)練有素的人。投資界長(zhǎng)期以來(lái)一直吹捧人工智能作為“擊敗市場(chǎng)”的方式，但是所謂的量化交易者的表現(xiàn)尚未證明您可以設(shè)計(jì)出一種算法，該算法始終可以理解與全球經(jīng)濟(jì)一樣復(fù)雜的事物。

人工智能已經(jīng)被用來(lái)解決房地產(chǎn)行業(yè)中的某些問(wèn)題，但是大型，復(fù)雜的交易和這些實(shí)物資產(chǎn)的管理需求的高度關(guān)聯(lián)性使得這種可能性不大。但是，除了AI的流行語(yǔ)和閃亮的玩具外，其先進(jìn)的技術(shù)還為商業(yè)房地產(chǎn)行業(yè)提供了一些有希望的應(yīng)用。AI的可能用途包括財(cái)務(wù)建模，風(fēng)險(xiǎn)評(píng)估，推薦工具到個(gè)性化營(yíng)銷。根據(jù)Gartner的研究，人工智能的使用在四年內(nèi)增長(zhǎng)了270%。隨著AI從令人愉悅的添加過(guò)渡到投資管理工具包的重要組成部分，通往AI自動(dòng)化的道路是不可避免的。

房地產(chǎn)公司可以訪問(wèn)大量數(shù)據(jù)，但是常常很難從他們的信息中獲取切實(shí)的見(jiàn)解。借助AI，數(shù)據(jù)分析成為一項(xiàng)長(zhǎng)期活動(dòng)，與冗長(zhǎng)的手動(dòng)分析相比，僅需花費(fèi)一小部分時(shí)間。如果部署得當(dāng)，AI可以反復(fù)，不斷地將不透明的數(shù)據(jù)整理成切實(shí)的見(jiàn)解。結(jié)果是節(jié)省時(shí)間，最小化成本和現(xiàn)有信息的寶貴可見(jiàn)性。有許多方法可以分析不需要AI的數(shù)據(jù)之間的已知連接。但是，如果您想找到從未有過(guò)的新連接，則將需要人工智能的計(jì)算幫助(以及一些好的老式人類智能)。

自動(dòng)化有助于決策過(guò)程，并幫助投資從業(yè)人員做出明智的決策。按需報(bào)告等功能可以準(zhǔn)確顯示最新趨勢(shì)，并幫助專業(yè)人員確定組織或業(yè)務(wù)組合中的當(dāng)前事務(wù)狀態(tài)。企業(yè)能夠通過(guò)自動(dòng)洞察來(lái)識(shí)別二級(jí)市場(chǎng)機(jī)會(huì)或成長(zhǎng)中的社區(qū)的投資準(zhǔn)備情況。但是要這樣做，他們需要有良好的數(shù)據(jù)。畢竟，運(yùn)輸日志幫助勞埃德的Coffeeshop轉(zhuǎn)變?yōu)閭惗氐膭诎５?Lloyd's)。

不幸的是，房地產(chǎn)公司沒(méi)有將他們需要的所有數(shù)據(jù)記錄到一個(gè)日志中。相反，他們必須從數(shù)十個(gè)(甚至數(shù)百個(gè))來(lái)源中整合它。羅恩Bekkerman博士是房地產(chǎn)分析平臺(tái)的CTOCherre。他們使用AI將來(lái)自多個(gè)來(lái)源的數(shù)據(jù)整合在一起，從而創(chuàng)建了一個(gè)內(nèi)置的驗(yàn)證系統(tǒng)來(lái)測(cè)試有效性?！拔覀兊闹饕獌r(jià)值主張之一是我們有能力從公共，私人和專有(通常是特定于客戶的和內(nèi)部的)資源中獲取信息，然后解析這些數(shù)據(jù)，” Bekkerman說(shuō)。

“我們最經(jīng)常通過(guò)三角測(cè)量來(lái)做到這一點(diǎn)。例如，特定資產(chǎn)可能有十個(gè)數(shù)據(jù)源，其中有九個(gè)協(xié)議，只有一個(gè)異常值。在這種情況下，協(xié)議中的九個(gè)來(lái)源極有可能是準(zhǔn)確的。隨著時(shí)間的流逝，我們將在我們深厚的專業(yè)知識(shí)的支持下創(chuàng)建加權(quán)多數(shù)投票系統(tǒng)，以整合我們對(duì)各種數(shù)據(jù)源準(zhǔn)確性的信任程度?！?/p>

在使用預(yù)測(cè)分析時(shí)，經(jīng)常使用的術(shù)語(yǔ)是“垃圾入，垃圾出”。從某種意義上說(shuō)，人工智能就是它所吃的東西。人工智能在房地產(chǎn)投資管理中的有效性和使用取決于輸入其模型的數(shù)據(jù)的可用性，組織性和實(shí)用性。AI可以通過(guò)創(chuàng)建關(guān)系圖來(lái)建立以前看不見(jiàn)的聯(lián)系。但是，如果這些地圖后面的數(shù)據(jù)已損壞或錯(cuò)誤，則它們可能會(huì)迅速崩潰。另外，為了使AI能夠進(jìn)行無(wú)法預(yù)見(jiàn)的連接，它通常需要以前未使用的資源。隨著AI在投資管理中越來(lái)越流行，考慮哪些信息不可用以及它如何影響系統(tǒng)的信息輸出的整體編制就變得越來(lái)越重要。
? ? ?