香港科技大学杨强:人工智能将使金融变得更加场景化

2017-11-09 15:22:43 来源: 新华网 作者: 朱军平

新华网北京11月9日电(朱军平)11月9日,2017腾讯全球合作伙伴大会分论坛创想·微众银行在成都举行。香港科技大学计算机科学与工程系系主任、国际人工智能协会主席、微众银行独立董事杨强教授表示,未来,人工智能不仅在改变金融,还使得金融变得更加的场景化,高频交易。

对于人工智能与金融场景。杨强说,首先,金融的场景里分为几个非常复杂的块,比如支付、信贷和财富管理,之前主要是由专家,由人,由银行来进行这样服务的。人工智能的引入使得银行的这些服务有了本质的变化,主要有三个变化:

首先是模型的引入,尤其像人工智能模型的引入,能够有自学能力的模型使简单人造的模型变得复杂化,变得场景化,他可以应付各种各样的场景。简单的模型一个人可以一天写几条规则,一个团队一年下来可以写几千,最多一万条规则,但是人工智能的模型可以写出上亿条规则,这些规则就使得人工智能的模型能够适配于各种不同的细分场景。

第二,人工智能的引入使得人和人的关系变成机器和人的关系的服务。从人为主导的服务变为自动的服务,就是扩拓展性。比如过去我们银行一天可以接待成百上千人,但是像微众银行这个场景,却可以应付上千万人的需求,就是机器能够拓展人的能力。

第三,就是服务从一个通用化的服务,现在演化到千人千面的服务,人工智能使得这个技术成为可能,所以金融的场景化,金融的高频化,金融的个性化,这个就是人工智能所带来的三个巨大的变化。

人工智能是如何产生这些变化?据杨强介绍说,人工智能的发展到今年有60多年了,60多年前在美国正式提出了人工智能这个概念。最近的发展是以机器学习的突飞猛进,从九十年代到现在大家一致认为是通过机器,通过对大数据的学习能够产生像人一样的智能,现在首当其冲就是深度学习。最近,阿尔法狗带来一个新的名词是“强化学习”,这个强化学习在金融当中更加适用,因为整个过程在外界得到反馈,我们跟用户交互得到的反馈就要加强学习,这个就是强化的概念。在计算机里强化学习就像阿尔法狗一样的通过对这些棋局的分析,使得这个系统变得越来越强大,这个过程非常有趣,他的发展是通过观察动物的迁移行为,最后发现动物组群的动物,之所以能够存活,也是因为他具有强大的学习的能力,一个演进的能力和强化学习能力是分不开的。

深度学习是一定要大数据来支持的,比如深度学习的一个重要里程碑是视觉和图像的识别,动辄上千万,上亿的图像,而且都要有人为的标注,但是强化学习使得这个学习的过程变得可以是在线学习,也就是说可以从零开始逐渐的增长。第二是它只要我们把这个问题的边界描述清楚,把这个边界能够用比如说下棋,你应该走哪一步,怎么样算赢这样的边界,只要由人用规则的形式表述的话也可以形成一个反馈,久而久之系统就可以应付这种清晰规则加上小数据。所以我们从大数据,往小数据发展。

杨强认为,现在国际上开始比较热的一个领域是迁移学习,已经建立好的一个模型可以把它迁移到一个新的领域,这个新的领域可以只有小数据,也可以完全没有数据。这个领域在更多的场合,尤其是在金融领域会遇到的场景。个人工智能的大规模推荐技术是由电商带来的,也应该是人工智能在大面积商业应用的第一个里程碑。这种服务能够让合适的人找到合适的服务,找到合适的钱,这种目的得以实现,得以扩展。

对于人工智能的前沿技术和金融场景有哪些关系?他认为称,首先,人工智能时代的金融场景脱离不了金融的这些实际场景,比如支付、信贷,建立信用系统,这些场景还包括什么?把线上和线下能够打通,但现在还没有做好,原因在哪里?第一是数据没有打通。第二是人工智能技术的应用还不够到位,金融如果能够使能这种线上线下的打通,会带来完全不一样的场景,金融就变成了润滑油,我们不妨起一个名词叫做“金融的场景化”。我们每个人使用金融服务的时候一定有一个目的,这个目的在我们的心理,但是并没有能力去告诉金融服务机构,这个时候人工智能就可以派上用场,因为人工智能最擅长就是去猜用户要做什么,就像天气预报明天会不会下雨一样,如果猜得准,如果能预测用户能够使用什么东西,下面需要什么服务的话,那我们就可以在用户线下场景的时候,联想到线上,在线上场景的时候联想到线下。这样的打通,通过人工智能再用金融加以服务的话,就可以实现润滑油的作用。

其称,现在的推荐系统已经不是十年、二十年前的了,现在是用深度学习,用大规模的算法,可以动辄动用上亿数据。与此同时,高频化是一个非常大的需求,尤其是使得人工智能成功,我们生活当中有很多的例子,我们人和人之间的交流,我们人和服务之间的交流,有些是高频的,也就是说我们一天要做多次,有些是低频的,一年可能做一次。比如我们春节回家这个是低频的活动。人工智能可以通过各种各样的经济数据,可以来建立一种模型。

“迁移学习在小数据上面的应用能够实现个性化,和人类的知觉是分不开的。”杨强说,迁移学习是下一个机器学习的热点。它的好处首先在小数据上能够通过模型的适配来达到很好的效果,同时,能够使一个在本领域建的模型非常的可靠。再者可以实现个性化。

迁移学习也在发展,和深度学习也在一起磨合,比如说单层网络的迁移学习,现在通过深度学习也可以发展到多层的深度学习。迁移学习在一个领域建立起一个舆情领域以后可以迁移到新的领域,这样很快很准。

“未来,人工智能不仅在改变金融,还使得金融变得更加的场景化,高频交易。另外,能够千人千面个性化,能够更好的服务于普罗大众。”杨强表示。

责任编辑: 桂楷东
顶级大咖 更多>>

姚期智:中国AI不能满足...

作为图灵奖唯一的华人获奖者,大名鼎鼎的“清华姚班”创...

潘云鹤院士:AI2.0时代的...

中国新一代AI的重点方向将从数据智能、群体智能、跨媒体...

谭铁牛院士:向生物学习...

当前,一些面向特定任务的模式识别已取得突破性进展,有...

高文院士:智能机器人技...

高文认为,以往,机器人技术的进展侧重在动作功能上,脏...

再看数博会 科技掌...

李彦宏谈“洞见”让数据产生价值、刘强东说未来商品会成...

行业对话 更多>>

IMMOTOR携e换电高交会首...

2017年11月16日,素有“中国科技第一展”之称的中国国际...

上海向智能未来城进发

14日,上海市正式发布《关于本市推动新一代人工智能发展...

打造我国人工智能先发优...

新一代人工智能发展规划推进办公室由科技部、发改委、工...

沈抖:人工智能赋能下的...

11月16日,以“Bring AI to Life”为主题的2017百度世界...

人工智能开始向“食住行...

从今年年底开始,到异国他乡旅游,拿着一台比手机更小巧...