金融智能投顧(智金說 王昕磊:AI賦能金融行業智能化轉型)
如今，科技持續深度重塑各個產業，“金融科技”已經成為全球公認的金融發展熱點。隨著人工智能、云計算、大數據、區塊鏈、5G等新一代信息技術向金融領域的加速滲透，金融與科技的融合發展持續深化。然而，金融科技也因其“敢為人先”的創新性、高技術門檻以及落地場景的探索等方面，面臨諸多挑戰。
為此，SAIFR于2020年12月起，推出【智金說】金融科技行業專家分享互動系列活動，邀請來自銀行、證券、保險、科技公司等各相關行業領域專家，與大家深度分享金融科技最前沿的真知灼見。第二期【智金說】于1月31日晚在交大高金上海徐匯校區舉辦。
活動邀請了深蘭科技（上海）有限公司董事副總裁、深蘭科學院研究專家王昕磊博士，為大家作了“AI賦能金融行業智能化轉型”的主題分享。該活動受到同學們廣泛關注，多名同學以及感興趣的社會人士冒著嚴寒參與線下活動，同時逾千人在抖音、B站、小鵝通等平臺觀看同步直播。
王昕磊博士提出中國錯過了工業化、機械化、電氣化、信息化等，但在AI發展上，中國有很大機會和歐美并駕齊驅。他以深蘭科技在AI賦能上的探索為例，介紹了+AI的巨大行業應用場景。主題分享后，上海高金金融研究院兼職研究員、金融科技公司技術合伙人及高級風控總監、前FICO風險解決方案與風險評分建模專家張偉老師和王昕磊博士以對話形式，探討了AI產業格局、中國在AI領域的優劣勢以及AI帶來的技術倫理問題等話題。活動最后，王昕磊博士對現場以及線上同學的提問作了針對性的回復。短短的兩個多小時交流，信息密度極大，干貨滿滿，現場積極互動，充滿著思維的碰撞。下面就讓我們回顧一下活動的精彩內容。
主題分享
中國AI展望
AI成功的最大障礙是缺乏數據或數據管理，中國不缺乏數據，也不缺乏算法人才，中國是有可能戰勝歐美的。中國欠缺的是AI算力生態，而生態建設需要全國甚至全球的配合。以芯片產業為例，中國已經錯過了通用芯片的發展，沒必要追隨歐美開發通用芯片，但可以在專用芯片上發力。中國目前真正的人工智能企業并不多，2020年也只有2000多家，一些簡單的圖像識別企業，也只能歸類到人工智能應用領域，而真正的人工智能公司在人才結構上要有專業的算法工程師，領域上要具備計算機視覺能力。因此，基礎研究工作是中國下一步最重要的。
AI金融科技
金融是人工智能非常好的一個場景，但金融的數據量要足夠大。2019年金融科技規模已達到5.5萬億美金，相比傳統金融，金融科技在精準分析，挖掘潛在規律與風險，個性化定制和自我學習方面，都大大提高了數據的有效利用。但金融是個封閉場景，數據不能外露，如何在保證數據安全的前提下，挖掘行業產品落地？王昕磊博士給出了深蘭的解決方案。
在人工智能運行模式中， “數據”作為至關重要的參與元素，從本質上決定了人工智能的進化水平。企業在經營過程中產生的圖像、視頻、語音、文本以及點云的數據，只有經過標注后才能被機器學習。數據標注得越精準，對算法模型訓練的效果就越好。AI與行業之間的巨大鴻溝在于AI技術壁壘高、投入大。小公司開發AI不現實，深蘭科技MetaMind自動化學習平臺，力求AI人人可用、人人易用、人人通用。
深蘭科技MetaMind四大技術平臺：
1.智能數據標注平臺：AI半自動化數據標注平臺，通過機器學習技術和深度學習技術，結合自研SaaS數據標注系統、 AI智能質檢系統，對需要處理的數據進行清洗、任務分配、智能預標注、智能質檢，實現半自動化的數據標注和質檢。
2.自動化機器學習平臺：提供自動生成AI算法的能力，上傳數據后，自動生成核心算法，是神經網絡搜索的過程。自動化機器學習是人工智能的核心，大大縮短了傳統做法需要的時間，增強了實時性。自動化機器學習使得AI更為民主化。
3.AI開放平臺：提供整合、管理各類硬件、數據、算力的AI開發環境 ，覆蓋CV、OCR、NLP等多個人工智能領域。
4.AI開發平臺：提供直接使用AI算法的能力，為AI開發構建高效敏捷的開發平臺。
MetaMind平臺私有化、公有化部署皆可，數據內部管理，拒絕數據外泄，幫助企業實現自我AI賦能。企業獲得的是AI全棧能力，而不是單一算法，授人以魚，更要授人以漁！
AI探索
1，聯邦機器學習（Federated Learning）：在保障大數據交換時的信息安全、保護終端數據和個人數據隱私、保證合法合規的前提下，在多參與方或多計算結點之間開展高效率的機器學習，主要分為橫向聯邦、縱向聯邦和聯邦遷移。
2，圖神經網絡（Graph Neural Networks，GNN）：涉及到大量的計算算力，目前還沒落地場景。
3，區塊鏈：區塊鏈本質上是一個共享數據庫，存儲于其中的數據或信息，具有不可偽造、全程留痕、可以追溯、公開透明、集體維護等特征。
分享最后，王昕磊博士提到AI不是一個萬能產品，也不是一個高不可攀的事情， AI應該客觀、理智、中性，為人人服務。但目前AI的瓶頸是產品真正落地挑戰大，如何做好AI的產品化，是未來需要思考的一個關鍵問題。
對話環節
對話環節，張偉老師精選了幾個話題：
Q
人工智能國內產業競爭格局和核心技術情況及未來的技術趨勢方向是什么？
王昕磊博士給出預判：2021年人工智能方向將是個百花齊放的格局，每個科技型的創業公司都有機會在垂直領域發展的很好，小應用、大場景的模式將比比皆是。
Q
人工智能領域中國的優劣勢及制約因素主要是什么？
對于中國在人工智能領域最大的優勢，王昕磊博士給出的答案是：數據。中國數據量龐大，比如電商、金融，還有很多其他未開發的場景數據。中國在垂直領域上會出現幾個冠軍企業。
張偉老師補充道，目前中國在支付、電商、物流、高性能計算、5G通信、高鐵、航天等領域已經處于國際領先地位，這主要得益于豐富的場景、強勁的需求、開放的政策和社會制度優越性。在金融科技方面，推動金融科技發展的核心因素包括三方面：需求拉動、技術推動、政策引導。中國有數據，有場景，有需求，也有政策引導和支持，也不缺乏人才優勢。目前制約金融科技發展的因素包括：重視應用創新但缺乏底層基礎核心技術，容易偏向短期盈利目標而不是長期戰略目標等，部分領域發展體制和機制還有待進一步完善和優化，金融科技高端人才、復合型應用型人才緊缺等。
Q
AI技術可能造成贏者通吃、強者恒強，可能導致缺乏AI技術產品能力的人群被邊緣化、被取代等問題。如何看待和解決這些技術倫理問題？
機械化工業革命導致的卓別林問題，信息化電商導致實體店鋪的失業問題，隨著技術的發展這些問題都自然解決了。人工智能作為第四次工業革命，一定會出現低端勞動、重復勞動被機器替代的問題。這些被替代的崗位，隨著技術的發展，將會由新的科技崗位填補，比如管理人工智能。
張偉老師補充道，隨著生產力不斷提高新技術的出現，對于落后生產力的替代是社會發展進步的必然趨勢。任何事情具有兩面性，一方面，AI智能機器必然取代一部分工作崗位，但能取代的永遠是低層次簡單重復可標準化的工作崗位，而依賴豐富知識經驗儲備和復雜分析決策等的高端工作，以及依賴于人的情感、心理、社交、藝術等相關崗位仍然很難被AI機器取代；另一方面，隨著智能機器的普及，部分低端工作崗位被替代，自然會產生很多新的工作類型，例如數據標注工程師，RPA和智能客服機器人運營崗位等。對于每一個人來說，自然會思考如何提升自己的不可替代性，可以通過持續的學習，掌握新技術新技能。
Q
“特許全球金融科技師CGFT認證項目”致力于通過社會化的認證和教育，促進金融科技人才建設，優秀的金融科技人才需要具備哪些知識技能？需要哪些能力素質？
優秀的金融科技人才需要具備探索性學習的能力。素質是一個探索性學習的過程，AI是探索性學習的工具，要學會利用AI工具。
張偉老師補充道，知識技能和能力是不同的兩個層次的東西，知識技能是顯式的可見的，通過學習和練習的過程來掌握和知道，比如大數據、機器學習、云計算、區塊鏈等屬于“知識”，使用Python進行編程和量化分析建模屬于技能，而能力是隱式的不可見的，是完成一項目標任務或獲取知識技能所體現出來的素質和優勢，比如快速學習、分析思維、創新研究等屬于“能力”。需要結合自己的崗位，快速學習和掌握一個領域所必須的知識技能，并在此基礎之上提升自己的分析問題解決問題的能力。對于CGFT項目來說，學員通過六門課程的學習，掌握金融科技領域必須的基礎的知識技能，做到懂行業、懂技術、懂業務，在此之上提升數據分析、解決方案構建、項目管理、分析問題、解決問題等綜合能力。
最后，借用王昕磊博士的話作為總結，講故事的時代已經慢慢過去了，接下來就是要做應用，下一步就是要產品落地。