第37章

這一年的新春，顧新橙沒有回國。

國內春節假期時，美國的大學已進入春季學期。

春季學期她選了一門名叫大數據商業情報的課，選這門之前，必須得通過概率論與數理統計的考試。

A大經管學院對學生的數學水平要求挺高，顧新橙當年學的大學數學只比同校數學系的學生低一個難度等級而已。

她在寒假期間將概率論與計量經濟學兩門課又復習了一遍，然而這門課的授課重點卻和她想象中略有不同——培養學生利用數據和算法來進行更正確的商業決策。

教授邁克爾對學生要求非常嚴苛，一開學就布置了一項重要的作業。

他給學生一個數據庫，裏面大約有十萬個用戶的信息，包括性別、年齡、年收入、出身地、信用額度等多種維度。

學生的任務是自行設計一個預測模型，利用數據和算法來判斷這個用戶是否會點擊某網站上的一則廣告。

由此可見，留學圈的某句話真乃至理名言——條條大路通CS（Computer Science，計算機科學）。

顧新橙以前做過類似的工作，可如此龐雜的算法還是令她有些頭疼。

慶幸的是她學過Python，然而如何用編程語言來構建復雜的商業模型，她一時之間沒有頭緒。

她進行了幾種嘗試，可結果並不滿意。根據她的經驗判斷，這和實際情況出入太大。

正當顧新橙為難之時，她忽然想到一個人，季成然。

之前她為了給周教授寫演講稿，問過他不少問題。

季成然在信院是妥妥的一枚學霸，編程上的難題請教他應該沒錯。

顧新橙向季成然闡述了這個作業困擾她的難點，說她編程水平有限，有些地方需要他指點一二。

【季成然：你還會Python，厲害呀。】

【顧新橙：學過一學期而已。】

【季成然：Python挺好用的，我一直以為你們學經管的都是用SPSS或者Stata。】

【顧新橙：現在我們專業不學Python跟不上時代了。】

季成然給了她另外一種思路，讓機器自己去尋找預測模型，而不是賦予機器預測模型。

顧新橙恍然大悟，這其實是一種機器學習的思路。

【顧新橙：太感謝了，等我回國一定請社長吃飯！】

【季成然：請不請吃飯無所謂，其實我也有一個問題想問問你。】

【顧新橙：你說。】

【季成然：我跟兩三個同學打算創業，不過啟動資金不多。銀行那邊批貸款的條件不符合，想找投資人暫時也找不到，有點難辦。】

【顧新橙：你想做什麽方向？】

【季成然：AI這一塊。】

【顧新橙：你可以看看政府有沒有AI行業的扶持政策，北京有一些創業孵化基地，對大學生比較友好。】

【季成然：你說的我們已經在考慮了。但是，去了孵化基地，資金也是最大的難題。我們還是想看看有沒有投資人願意提供資金。】

【顧新橙：創業初期拉投資，商業計劃書很關鍵。你們寫了嗎？投資人很看重這個。】

【季成然：怎麽寫？】

【顧新橙：可以去網上查一查，人文社科圖書館應該也能找到相應的資料。】

【季成然：嗯，謝了，我先試一試。】

關閉聊天對話框後，顧新橙長舒一口氣。

她再次打開電腦，聚精會神地寫作業。

期間凡是編程上遇到的問題，季成然都耐心地為她指點，甚至還替她修改了幾個bug。

這份工程量浩大的作業完成之後，顧新橙有了很多新思考。

機器通過學習能進行商業分析，甚至比人類做得更加優秀。

以後，金融經濟領域，也會迎來一場顛覆性的人工智能變革——事實上，許多金融行業已經引進AI分析了。

她把作業從郵箱發給了教授邁克爾，沒想到第二天收到了教授的回信。

教授誇獎她寫作業的態度非常認真，並且說她的方法具有一定的創新性，稍加修改或許可以在期刊上發表論文。

顧新橙受寵若驚，她學的是應用金融，A大並沒有硬性規定學生在校期間必須要在相關期刊上發表論文。

可如果真能發表，那自然是錦上添花。

邁克爾給予了顧新橙一定指導，比如說模型的修正。

“機器學習固然好，可有些東西是機器學不來的，你得利用人的思維去糾正機器的邏輯。”邁克爾如是說。

顧新橙將這份作業改寫成一篇全英文的論文，邁克爾幫她投遞給幾份金融期刊。

這些期刊的審稿周期較長，短則半年，長則一年。

顧新橙對此心態很平和，有就有，沒有就沒有。能獲得哈佛教授的認可，已經是對她最大的褒獎了。

時光如彈指過隙，查爾斯江的江水解凍了。

當最後一塊浮冰消逝的時候，波士頓的春天已經接近了尾聲。