“人工智能產業(yè)發(fā)展有四個維度：場景、大數(shù)據(jù)、計算能力與算法。大數(shù)據(jù)是基礎，計算能力是前提，算法靠人才，場景的選擇最為重要。從商業(yè)化角度來說，人工智能金融就是大數(shù)據(jù)金融。因為應用中的基礎算法都是相對成熟的深度學習算法，可以通過招聘人才來進行調優(yōu)，計算能力可以全球購買；在場景已經細分確定的前提下，承載行業(yè)頂級專家知識的帶標簽的大數(shù)據(jù)就顯得尤為重要?！?/p>

近日在上海舉辦的金融科技峰會上，清華大學計算機系教授、博士生導師鄧志東在“人工智能：智能金融與黃金時代”演講中表述了上述觀點。對于外界來說，鄧志東教授更為人熟知的成就可能來自自動駕駛領域——自2009年起帶領團隊開發(fā)了三輛具有感知和自主決策功能的自動駕駛汽車。而事實上，據(jù)雷鋒網了解，在人工智能與金融結合領域，鄧教授也頗有心得，他笑稱“關于智能金融，我已經講過六七次了?！?/span>

鄧教授認為，時代的進步造就了Ａ（人工智能）Ｂ（大數(shù)據(jù)）Ｃ（云計算），而大數(shù)據(jù)、大計算與深度卷積神經網絡結合起來，成就了人工智能的偉大復興。

他表示，作為一種感知智能，深度卷積神經網絡能最好地模擬生物視覺通路，在完備大數(shù)據(jù)與超強計算硬件的強力支撐下，通過多級多層特征的自動提取，已在計算機視覺、語音識別、自然語言處理、自動駕駛、大數(shù)據(jù)分析等諸多方面，接近、達到乃至超過人類水平。

此外，以AlphaGO為代表的深度強化學習，已具有超人類水平的博弈類決策能力。未來需要探索和突破的主要研究方向，包括“特征提取+認知推理”的小數(shù)據(jù)深度學習方法，可解釋的深度學習方法，具有語義理解的深度學習方法以及具有多任務學習能力的通用人工智能等。

中國人工智能發(fā)展的優(yōu)勢與短板

隨著AlphaGo的橫空出世，人工智能商業(yè)化落地的速度不斷加快。鄧教授認為，在未來5到10年時間內，包括深度卷積神經網絡和深度強化學習在內的深度學習算法，將會逐漸釋放出真正的商業(yè)價值，賦能產品、企業(yè)與社會。比如，基于大數(shù)據(jù)人工智能，LFW人臉識別率已提升到人類水平的97.6％，現(xiàn)在最新的人臉識別準確率已經達到99.8％，可以應用到銀行開戶、支付、取款等各種場景。此外，人工智能在醫(yī)療、零售、會計、審計、制造業(yè)、物流、翻譯等行業(yè)都大有可為，可提高效率，降低成本，因此也有不少職業(yè)面臨被機器取代的風險。

在中國，鄧教授指出，人工智能發(fā)展存在幾大優(yōu)勢。一，應用場景規(guī)模大，且商業(yè)落地很快。二是中國“互聯(lián)網+”發(fā)展迅猛，擁有更多的海量大數(shù)據(jù)?！按髷?shù)據(jù)被稱作是人工智能新時代的原油，從這點來看，銀行本身還坐擁數(shù)據(jù)金山?！比钦С至Χ却蟆?/span>

而同時，我們也需要正視發(fā)展短板，主要體現(xiàn)在四方面：

• 一是中國原始創(chuàng)新能力不足，關鍵性基礎算法和高端芯片缺乏；

• 二是AI高端人才比較稀缺；

• 三是投資界過于追求短線逐利，國外的AI收購幾乎都是十億美元起步，對技術與產業(yè)趨勢的把握敏銳超前；

• 四是體制機制障礙，國有巨頭型企業(yè)對AI的前瞻性布局不多，投入少，大部分仍在觀望之中。鄧教授類比互聯(lián)網時代巨頭或初創(chuàng)企業(yè)對于互聯(lián)網經濟所持的各種態(tài)度：“有不屑一顧的，有觀望的，有冷漠‘理性’的，有嘲諷的，當然也有全情投入的”，“全情投入成就了BAT。相信再過三五年，一定也會有全情投入的人工智能巨頭出現(xiàn)?！?nbsp;

算法已經成熟，垂直應用關鍵在于大數(shù)據(jù)

具體論及人工智能對金融的影響，鄧教授表示，“互聯(lián)網金融正在向人工智能金融發(fā)展，因為現(xiàn)在互聯(lián)網金融網上消費的用戶體驗其實不算好，都是些下拉菜單，線下門店的人工服務相比更加自然親切。下一步可以利用人工智能，改善線上的用戶體驗。此外，深度學習也會改變金融服務的產品形態(tài)與流程?！?/p>

"人工智能產業(yè)發(fā)展有四個維度：場景、大數(shù)據(jù)、計算能力與算法。大數(shù)據(jù)是基礎，計算能力是前提，算法靠人才，垂直應用領域要細分，要細分到具體的問題上?！编嚱淌诟嬖V雷鋒網。

“從商業(yè)化角度來說，人工智能金融某種意義上就是大數(shù)據(jù)金融。因為應用中的基礎算法都是相對成熟的深度學習算法，可以通過招聘人才來進行調優(yōu)，計算能力可以全球購買；在場景已經細分確定的前提下，大數(shù)據(jù)就顯得非常重要。而這部分需要行業(yè)頂級專家的深度參與，通過大數(shù)據(jù)的清洗、標簽，實際把行業(yè)頂級專家的知識轉移給機器，從而讓人工智能站在巨人的肩膀之上?！?/p>

他指出，金融大數(shù)據(jù)大多是結構化或半結構化的表單數(shù)據(jù)，數(shù)據(jù)質量高，并且已較早實現(xiàn)了大規(guī)模數(shù)字化、網絡化采集與存儲，具有相對較多的大數(shù)據(jù)歷史積累，這一點與其他行業(yè)不同。

但值得注意的是，交易數(shù)據(jù)雖然很多，但是帶標簽的很少，所以“在大數(shù)據(jù)沒有標簽之前，還談不上人工智能，一般是在利用數(shù)據(jù)挖掘等傳統(tǒng)方法來做大數(shù)據(jù)分析?！?/p>

數(shù)據(jù)貨幣化的戰(zhàn)爭

數(shù)據(jù)貨幣化會成為顛覆金融業(yè)未來的八大驅動力量之一，數(shù)據(jù)流的價值將顯著提高，世界經濟論壇（WEF）今年8月發(fā)布的一份名為“金融服務顛覆式創(chuàng)新”的報告指出。“多種數(shù)據(jù)源的動態(tài)、靜態(tài)數(shù)據(jù)集將會愈加豐富，擁有和控制數(shù)據(jù)將成為所有利益相關者的關鍵能力?！?/span>

但獲取這種關鍵能力是一場場艱苦的戰(zhàn)斗。

譬如，保險行業(yè)正在受到保險科技的崛起和客戶基礎結構轉型的挑戰(zhàn)，聯(lián)網設備不斷增加，但是消費者并非主動自愿提供個人信息，這說明保險公司未能讓客戶相信聯(lián)網保險服務符合他們的利益。

在借貸領域，新的數(shù)據(jù)來源和分析使用方法得以覆蓋銀行客群之外的長尾客戶。但對于傳統(tǒng)金融機構來說，首先面臨著非金融機構的競爭威脅，國內有阿里借唄、京東白條，國外有亞馬遜商家信貸；再者獲取的弱金融屬性數(shù)據(jù)在改進成熟客戶的承銷方面的效果有限，此外這些數(shù)據(jù)通常是非結構化和孤立的，在投入使用之前，還需要轉換大量投資數(shù)據(jù)，自動化和新的分析手段。

論及借貸的關鍵環(huán)節(jié)——風控，據(jù)雷鋒網觀察，金融科技公司常宣稱自己是“人工智能風控”，而銀行對外多提及“大數(shù)據(jù)風控”，并表示在數(shù)年前就已經開始應用類似手段，只是那時還沒有出現(xiàn)”大數(shù)據(jù)“這個定義。

鄧教授的觀點或許從一個側面解釋了這個現(xiàn)象，“這里的所謂大數(shù)據(jù)風控可能并沒有使用標簽數(shù)據(jù)，即沒有閉環(huán)利用基于標簽的深度監(jiān)督學習及由此獲得的行業(yè)頂級專家的知識。”因此，他肯定道，人工智能風控勢必更優(yōu)于大數(shù)據(jù)風控，“此外，人工智能的研究范疇不僅限于此類，還有小數(shù)據(jù)深度學習、認知智能、通用人工智能等。”

最后，鄧教授表示，目前人工智能的革命性進展源于深度學習或因與深度學習的結合。人工智能的金融產品開發(fā)與產業(yè)發(fā)展正處于爆發(fā)期。僅需利用人類視聽覺功能和簡單決策能力的規(guī)范性或工具性的金融職業(yè)與崗位，有可能被人工智能所逐步取代。從“互聯(lián)網+”到“人工智能+”，ABC大數(shù)據(jù)智能革命將會深刻地改變我們這個時代。

雷峰網版權文章，未經授權禁止轉載。詳情見轉載須知。