（文章來源：教育新聞網）

計算的進步極大地提高了我們預測具有統計意義的未來的能力。隨著計算機變得越來越快，他們能夠每秒計算數千次復雜的方程式，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。現在，數據科學的進步已經創建了一個功能更強大的工具，可以通過數學模型，人工智能來解釋復雜的情況。AI被廣泛定義為模仿人類智能的機器行為。AI可以與海員從歷史記錄中推斷出旅途風險的方式類似，可以從數據中快速推斷出模式，找到關聯并闡明可行的見解。不同之處在于它可以更快地完成任務，

來自行業專家和新聞頭條的評論經常宣稱新技術是應對當前挑戰的萬能藥，而人工智能也是如此。人工智能被譽為治愈世界上幾乎所有疾病的良方。但是，被教導要像人一樣思考的軟件仍然需要人的幫助，并且在同一任務上通常無法勝過熟練且訓練有素的人。投資界長期以來一直吹捧人工智能作為“擊敗市場”的方式，但是所謂的量化交易者的表現尚未證明您可以設計出一種算法，該算法始終可以理解與全球經濟一樣復雜的事物。

人工智能已經被用來解決房地產行業中的某些問題，但是大型，復雜的交易和這些實物資產的管理需求的高度關聯性使得這種可能性不大。但是，除了AI的流行語和閃亮的玩具外，其先進的技術還為商業房地產行業提供了一些有希望的應用。AI的可能用途包括財務建模，風險評估，推薦工具到個性化營銷。根據Gartner的研究，人工智能的使用在四年內增長了270%。隨著AI從令人愉悅的添加過渡到投資管理工具包的重要組成部分，通往AI自動化的道路是不可避免的。

房地產公司可以訪問大量數據，但是常常很難從他們的信息中獲取切實的見解。借助AI，數據分析成為一項長期活動，與冗長的手動分析相比，僅需花費一小部分時間。如果部署得當，AI可以反復，不斷地將不透明的數據整理成切實的見解。結果是節省時間，最小化成本和現有信息的寶貴可見性。有許多方法可以分析不需要AI的數據之間的已知連接。但是，如果您想找到從未有過的新連接，則將需要人工智能的計算幫助(以及一些好的老式人類智能)。

自動化有助于決策過程，并幫助投資從業人員做出明智的決策。按需報告等功能可以準確顯示最新趨勢，并幫助專業人員確定組織或業務組合中的當前事務狀態。企業能夠通過自動洞察來識別二級市場機會或成長中的社區的投資準備情況。但是要這樣做，他們需要有良好的數據。畢竟，運輸日志幫助勞埃德的Coffeeshop轉變為倫敦的勞埃德(Lloyd's)。

不幸的是，房地產公司沒有將他們需要的所有數據記錄到一個日志中。相反，他們必須從數十個(甚至數百個)來源中整合它。羅恩Bekkerman博士是房地產分析平臺的CTOCherre。他們使用AI將來自多個來源的數據整合在一起，從而創建了一個內置的驗證系統來測試有效性。“我們的主要價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部的)資源中獲取信息，然后解析這些數據，” Bekkerman說。

“我們最經常通過三角測量來做到這一點。例如，特定資產可能有十個數據源，其中有九個協議，只有一個異常值。在這種情況下，協議中的九個來源極有可能是準確的。隨著時間的流逝，我們將在我們深厚的專業知識的支持下創建加權多數投票系統，以整合我們對各種數據源準確性的信任程度。”

在使用預測分析時，經常使用的術語是“垃圾入，垃圾出”。從某種意義上說，人工智能就是它所吃的東西。人工智能在房地產投資管理中的有效性和使用取決于輸入其模型的數據的可用性，組織性和實用性。AI可以通過創建關系圖來建立以前看不見的聯系。但是，如果這些地圖后面的數據已損壞或錯誤，則它們可能會迅速崩潰。另外，為了使AI能夠進行無法預見的連接，它通常需要以前未使用的資源。隨著AI在投資管理中越來越流行，考慮哪些信息不可用以及它如何影響系統的信息輸出的整體編制就變得越來越重要。
? ? ?（責任編輯：fqj）