2020全球人工智能产品应用博览会（下称“2020全球智博会”）于8月14日在苏州开幕。滴滴在2020全球智博会上集中展示了自动驾驶、出租车可视信息化管理系统“桔行系统”、智慧交通等AI产品和解决方案。经过网络投票及2020全球智博会评审专家投票，滴滴自动驾驶获颁“中国人工智能年度十大创新企业”奖。 滴滴首席技术官兼自动驾驶首席执行官张博认为，未来交通出行将在交通基础设施、出行交通工具和共享出行3个层面发生智能化变革。电动汽车和智能驾驶将是交通工具变革趋势。在这方面，滴滴自动驾驶具备独特DNA优势，即Data（大数据）、Network（运营网络）和AI（人工智能技术）。 张博介绍，滴滴是目前世界上唯一拥有千亿级公里出行场景数据的公司。滴滴自主研发的“桔视”车载摄像设备，覆盖了滴滴50%以上的网约车订单和300多个城市。 在运营网络方面，滴滴能为乘客提供自动驾驶和普通网约车“混合派单”服务，一方面弥补现阶段自动驾驶仅能在特定区域使用的局限。在人工智能技术层面，滴滴自动驾驶技术致力于L4级及以上系统解决方案。截至目前，滴滴自动驾驶已具备感知、预测、规划、控制、定位、高精地图、仿真系统等完备自动驾驶研发模块。
8月12日，人工智能教育联盟在青岛成立。该联盟定位为民办非营利专业组织，由青岛市教育局联合海信集团、海尔集团、科大讯飞、华师教育云、越疆科技、未来知名、大疆创新、商汤科技、伟东云教育、益公公益、华为等11家单位发起成立。 该联盟将围绕人工智能和教育应用场景的融合创新需求，研究制定人工智能教育有关行业标准和评价体系，形成人工智能教育综合解决方案。联盟每年将举办人工智能教育大会、人工智能教师培训、系列人工智能大赛、中小学人工智能开放日、人工智能教育文旅嘉年华等系列活动，并逐步落实“人工智能教育文旅嘉年华基地”和“人工智能产教融合基地”等项目落地。联盟同时将组织召开人工智能教育主题论坛及专题研讨会，举办人工智能教育竞赛，开展人工智能教育素养测评等工作。
“人工智能与金融业深度融合的新业态，是金融模式变革的方向，在大力发展的同时亦需要提防可能带来的系统性风险。”中国金融四十人论坛(CF40)资深研究员、中国证监会原主席肖钢12日在北京举行的“CF40·孙冶方悦读会”上说。 当天的活动上，发布了由肖钢本人牵头撰写的《中国智能金融发展报告(2019)》。该报告提及，人工智能技术加大了金融监管的难度，尤其智能金融应用往往以无须人工干预的方式运转，如果事前没有考虑控制手段，事后一旦出现风险很难管理。 肖钢分析称，由于人工智能主要依靠模型和算法，因此在该技术运用于金融市场时，一旦数据质量不高或出现偏差，则有可能产生蝴蝶效应，带来系统性风险。 例如，在资本市场上，事先设定的投资模型往往在实施中没有人为干预，这可能使得投资策略产生高度一致性，并在某个时点上对市场造成冲击，由此引发系统性风险。美股就曾经出现过“闪电崩盘”，道琼斯指数在极短时间内暴跌上千点。 “随着未来人工智能不断发展，这种风险是存在的”，肖钢指出，金融监管机构对此一定要有所预防，对人工智能算法本身要加强研究。首当其冲的是，在技术上要攻克“算法黑箱”问题，对模型的可解释性要加强监管，要能够解释清楚模型到底基于何种逻辑。 与此同时，还要将智能金融有关模型和算法的构建者、设计者一并纳入监管体系之中，相关从业者应具有认可的资质。 此外，对模型利用的极端情形亦要准备预案。肖钢表示，如针对类似美股“闪电崩盘”的事件，要事先设计好一些交易管控机制，“这样的机制可能若干年用不上，但一定要准备好”。
文 | 付一夫 一场疫情，让很多新玩意儿来到了你我身边——比如健康码。 眼下，健康码已然成为了所有人日常生活的必备品。基于健康码的不同颜色，可以精准地识别健康人群和风险人群，从而及时采取相关措施以实现疫情实时监测和安全复工复产。我们能做到防疫生产两不误，健康码着实功不可没。 看似简单的健康码，背后却有着强大的人工智能和大数据技术在支撑：一方面，健康码将人们有效的信息输送给机器，使机器对庞大的、人工根本无法处理的数据进行统一处理，并根据时间和环境的变化得出有效结果；另一方面，人们又能理解健康码并在适当限制内进行有效决策，并与他人形成默契。简言之，健康码就是充分利用人和机器的长处，将输入数据与知识处理有机统一，进而催生出的一种新的人机融合智能形式。 事实上，健康码仅是疫情催化下人工智能领域的众多案例之一，诸如智能监控、无人配送、远程贷款催收等一系列应用都在接连落地。不经意间，一场酝酿已久的AI商业化浪潮正在加速到来，而此时的我们，很可能正在度过一个历史性的“奇点时刻”。 一、蜕变：商业化“奇点”或已降临 作为新一代信息通信技术的重要组成部分，人工智能自1956年问世以来就一直备受追捧。在经历了半个多世纪的曲折前行后，借着2016年AlphaGo和李世石的“人机大战”，人工智能又以全新的姿态进入大众视野。 人工智能对于经济增长和商业变革的积极作用已无需多言，但若想将理论上的讨论转变为现实，让人工智能切切实实地给人们带来效益，还必须要经历一个关键环节——AI的商业化。 历史经验告诉我们，科技并不能直接推动社会进步，任何形式的新兴技术最终都需要同商业结合，以产品的形式落地，并在商业化的应用中不断更新和迭代。唯有如此，才能切实地将科学技术转化为现实生产力，让先进技术为经济发展服务，否则再多的技术专利也只能算作是“纸上谈兵”。 打个比方，如果没有商业化思维的支撑，那么蒸汽机便永远无法成为载人载物的货车与轮船，其存在的价值也将大打折扣。 人工智能，同样如此。 虽然在历史上，受技术条件、商业环境等因素所限，AI的商业化之路走得并不顺畅，两次大起大落便是证明（见下图），但今时不同往日，在突破了曾经掣肘行业发展的多个瓶颈之后，如今AI的商业化已具备了四股强劲的驱动力： （1）算法：深度学习促使人工智能真正实现应用落地场景。 深度学习是一类模式分析方法的统称，计算机通过学习样本数据来掌握内在逻辑和规律，进而拥有对特定时间的可能结果进行预测的能力。目前，深度学习在一些领域已经能够强于人类的表现，比如在机器视觉领域，算法对物体和场景的分类和检测错误率已经低于人类，可以做到在一些场合替代人类的重复性和疲劳性工作，从而让人工智能真正实现应用场景落地成为可能。 （2）算力：AI芯片快速发展，为算法提供充足的算力支撑。 由于深度学习需要针对海量数据(行情603138,诊股)做出快速的训练和推断，因而计算机硬件性能成为人工智能商业化应用的重要制约因素。但快速发展的AI芯片给深度学习在云端和设备端商用提供了保障，从最初通用的CPU到并行计算能力优越的GPU，再到专为深度学习算法定制的FPGA和ASIC芯片，其算力已从每秒十亿次浮点运算数迅速提升至万亿次乃至千万亿次。 （3）数据：为人工智能算法提供丰富训练样本。 自2012年前后至今，得益于互联网、移动设备和传感器的大量普及，海量数据的生成、收集、存储、处理等问题都得到了有效解决，而数据体量的爆炸式增长又为人工智能的深度学习训练提供了极为丰富的样本，宛如为良驹的培育积攒着足量的新鲜牧草。 （4）政策：人工智能已上升至国家战略。 2017年，国务院出台了《新一代人工智能发展规划》，标志着人工智能正式上升为国家战略；工业和信息化部印发的《促进新一代人工智能产业发展三年行动计划（2018-2020年）》，进一步明确了人工智能的战略地位；2019年两会期间，“人工智能”连续三年被写入政府工作报告，并首次提出“智能+”…… 值得注意的是，疫情的到来正在给AI商业化进程按下“加速键”，除了前文提到的各种AI商业化应用接连落地之外，全社会对智能化产品的认知和需求都在强化，居民日常生活更深程度的互联网化同样显著增加了数据量的积累，为进一步优化现有的人工智能以及训练其算法增添了燃料。此外，出于应对市场需求和刺激经济复苏等多方面考虑，中央定调新基建，其中的七大门类当中，至少四类都是直接与人工智能相关的内容。 占尽了天时地利与人和的AI商业化，正迎来全新的发展阶段。 二、角逐：中美AI商业化竞争 关于AI商业化，很多国家都虎视眈眈。 据不完全统计，目前全球包括美国、中国、欧盟、日本等近30个国家和地区都发布了人工智能相关的战略规划和政策部署。相比于其他国家，中美两国当前在人工智能的赛道上都处于领先地位，而二者又直接互为竞争对手。 考虑到当前中美关系的微妙处境，以及数字技术在新一轮科技革命中的重要地位，抢占人工智能风口、加速AI商业化落地已是迫在眉睫。 事实上，无论是技术研发还是商业化落地，企业都是当之无愧的绝对主体，比起政府、科研机构等其他主体，企业直面市场、贴近大众，对于市场前沿动态和商业化需求有着极为敏锐的捕捉和精准的判断，同时为了生存和盈利，企业具备与生俱来的基因与动力去不断改善配置资源、改进生产技术，并持续提升产品性能和品质。 从这个角度看，中美两国在人工智能赛道上的企业竞争，即可视为大国角逐的一个缩影，而透过代表性企业的现有成绩和布局面貌，也能在一定程度上洞悉两国的人工智能进展状况。 我们不妨以百度和谷歌为例来分别做个简要讨论，先说前者。 百度在人工智能领域耕耘已久，一直都在资金和人才方面不吝投入。凭借着搜索、地图等前端产品的多年积累，百度已经拥有了极其庞大且多维度的样本数据。而在技术上，百度从最初做搜索需要的自然语言处理、短语分析，逐渐进入到NLP、语音、深度学习、图像识别等领域，并在人工智能专利申请数量上引领行业。 从布局版图上看，百度的智能经济“倒金字塔”格局已经成型：最底层为百度大脑和飞桨，涵盖深度学习、知识图谱、语音、机器视觉等数百项AI基础能力，扮演着“动能中心”的角色；中间层为百度智能云、Apollo、如流等面向不同赛道的智能化平台，将百度的AI动能延伸至产业链和市场层面；最上层是场景化的解决方案，包括智慧城市、智慧交通、智慧金融、智慧医疗、工业互联网和智能制造等，驱动技术的商业化落地，打通人工智能产业落地的最后一环，并为产业的智能化转型升级赋能。 再说后者。 早在2011年，谷歌就已经成立了自己的AI部门，长期致力于机器学习等技术的研发，并将该技术应用至旗下的Google搜索、Google Now、Gmail等多款产品之中，还往其开源的Android手机系统中注入了卷积神经网络开发、语音识别等大量机器学习功能，以AI技术驱动产品和服务。2016年，谷歌正式宣布将战略重心从“Mobile First（移动先行）”转向“AI First（人工智能先行）。 布局策略上，谷歌采用了一套“全面开花”的打法，底层硬件、操作系统、核心算法、上层应用均有所涉及，领域则包括语音技术、云服务、无人驾驶、虚拟现实、无人机、仓储机器人(行情300024,诊股)、智慧医疗等等。在实践中，一方面，谷歌不遗余力地抢占用户使用场景，从互联网、移动互联网等传统业务延伸到智能家居、智能硬件、自动驾驶、机器人等，意在积累更多的样本数据信息；另一方面，谷歌注重技术研发，不断努力研发更高级别的深度学习算法，以求增强图形语音识别能力，对信息进行更深层次的加工和处理，高性能处理器TPU、开源机器学习平台TensorFlow、语音助手GoogleAssistant等产品的问世就是证明。 除了百度和谷歌外，还有很多高科技企业都在逐鹿人工智能，比如中国的阿里巴巴、腾讯、华为，美国的微软、亚马逊、苹果等等，巨头们的探索和引领，同样为AI的商业化进程提供了动力和保障。 三、解惑：AI商业化只是赔钱赚吆喝？ 即便如此，市场上仍不乏质疑或是诟病的声音，只因AI商业化的盈利难题迟迟得不到解决，整个行业皆是如此。若是看公司财报，不少公司的人工智能业务似乎更像一个拖累公司业绩的包袱，而不是一棵“摇钱树”。 难道AI商业化真的只是个赔钱赚吆喝的买卖？ 当然不是。归根结底，这是由人工智能的技术特点决定的。 与蒸汽机、电力、IT等技术一样，人工智能也属于通用技术的范畴。一直以来，很多人都对处在发展初期的通用技术抱有过高的预期，认为它能够在短期内迅速促进带来经济效益。然而鲜为人知的是，这种效益与通用技术的发展之间，存在着明显的滞后效应。 根据麻省理工学院数字经济倡导行动主任Erik Brynjolfsson教授的观点，这种滞后效应源自三个方面： 第一，新技术对应的存量资本积累到具有全局影响的规模，需要一个较长时间的周期； 第二，想要充分发挥出通用技术的潜力，还必须依赖于其他相关的互补式创新技术的大力发展； 第三，为了适应通用技术的发展并从中得到好处，社会组织与机构需要经历长期的内部重构和调整，包括基础设施、制度环境、人才素质等能达到与之匹配的程度。 纵观历史，IT和电力都曾经面临过类似的窘况：发展初期，资金投入了不少，却迟迟见不到回报；但实践证明，随着技术的不断成熟，其他相关的互补式创新技术都得到发展，社会组织与机构的内部重构日趋完善，IT和电力都在后来给经济生产带来了巨大的效率提升，给企业同样创造了无比丰厚的利润。 这些也很好地解释了，为什么当前的AI商业化存在盈利难题——是因为算法、算力、数据等多个方面实现了突破，才让人工智能真正成为可以同IT和电力相提并论的通用技术，算下来也就是近几年的事情，不是没有回报，只是时候未到罢了。 话虽这么说，可毕竟人工智能行业仍处于探索中前进的时期，多数领域还是无人领航、无既定规则的“无人区”，技术路线、商业模式和产业形态等方面均具有较大的不确定性，这就意味着那些不吝投入、坚守AI赛道的玩家们还在承受着巨大风险，头部企业尤其如此。而对于他们来说，当前最重要的并非立马就能让AI变现，而是尽快摸索出一条能真正“跑通”的商业模式，否则便成了时间与资源的空耗。 可喜的是，一些玩家看到了曙光。 仍以百度为例。虽然市场上有不少人质疑百度AI业务线的变现能力，但一个不能忽视的事实是，其AI收入的确是在快速增长的。有机构根据百度财报数据做过这样一番测算：剔除以搜索、信息流支持的“在线营销服务”（online marketingservices）这一主要收入来源，再从“Others”里剥离爱奇艺等其他板块的影响，剩下的就约等于其AI商业化规模。而结果显示，2017、2018和2019三个年份，该项数值分别24.44亿元、47.04亿元和85.97亿元，年均增速高达87.6%；即便2020年的增速因疫情原因而打个对折，其规模也能超过120亿元。 不仅如此，百度的AI业务商业化已有三大分支正在得到印证，分别为小度助手、智能云和Apollo智能驾驶，我们或许可以从数据中窥探一斑： （1）Strategy Analytics的数据显示，2020Q1小度出货量为410万台，为唯一保持增长的头部品牌，硬件销售规模大概在40~50亿元；而今年3月份，小度助手语音交互次数达到65亿次，是去年同期的近3倍，智能屏使用时间达到3个小时； （2）据IDC报告，在中国AI公有云服务整体市场格局中，百度智能云在整体调用量、市场份额方面均名列第一，拥有业内最多的AI产品数量； （3）研究机构Navigant Research报告显示，百度Apollo无人驾驶项目在全世界排名第四，处于全球第一梯队；而借着新基建的东风，今年前6个月时间里，百度拿下智能交通数十个项目，并在全国7个千万级订单中拿4个，市场预测这波项目收获将给Apollo带来10亿体量的收成。 接近百度的消息人士告诉笔者，未来2到3年内，小度助手、智能云和Apollo各自实现100亿元营收，并将有望撑起百度AI板块400亿美元以及公司整体千亿美元的估值。 类似的案例还有很多，不再赘述。而从行业的角度看，AI商业化前景正因为巨头的坚持和努力而变得愈发明朗，这或许是更令人期待的事情。 四、结语 前不久看到这样一段话： “一本名叫《第七感》的书谈到，古生物学家斯蒂芬·杰·古尔德（StephenJay Gould）将物种进化过程中的突变称为‘间断平衡（punctuatedequilibrium）’，即世界从一种均衡态跳入另一种均衡态，永无回头之时……虽然古尔德所指的是恐龙的灭绝，但这一理论同样适用于思考历史。” 眼下的我们，可能正处在这个时刻。而一场酝酿已久的巨大变革，正在疫情的驱动下逐渐拉开序幕。 道阻且长，行则将至。而最难能可贵的，恰恰正是那份只争朝夕的精神和持之以恒的坚守。
王鸿 8月11日-12日，第四届地新引力峰会于上海宝华万豪酒店举行，地产、资管、物业、租赁、产业、科技、金融、区块链、文旅等行业领袖齐聚，思考特殊时期的破局之路，探寻地产的第二增长极，全程直击。现场直播》》 科大讯飞听见科技商用级产品总监孙鹏介绍到，讯飞1999年成立，在20年内一直致力于智能语音和人工智能技术的研究和产业落地。 他表示，目前国内疫情趋于稳定之后，会把人工智能面向于各行各业赋能，帮助行业去做数字化、智能化的转型升级。未来的人工智能会有两大趋势值得关注，一个是在认知智能领域当中，人工智能可以学习行业专家的一些专业知识，水平可以超过普通专业人士的90%以上，能够帮助人类去释放解决更多重复性的劳动，帮助节省大量的时间去做一些更创造性的工作。 还有一个趋势是万物互联时代的到来。万物可对话、可交互的趋势，也在逐渐成为一个现实。 语音交互是人类之间最自然的交互方式，也是人与机器之间最和谐的交流方式，比如现在很多语音交互，智能手机会用语音助手去发短信、打电话，车载不需要去用手进行导航、搜索，用语音的方式就可以进行搜索。 同时在行业当中也可以用到语音交互技术，对于我们智慧家居、智慧养老、智慧病房、客房、智慧办工等等场景下，语音交互都改善办公环境，提升生活体验。希望通过科技的方式，赋能各行各业，为各行各业带来新的增长点，助力经济转型，推动智能化建设，希望人工智能技术能够建设美好世界。
■ 日前，新入驻西岸国际人工智能中心（AI TOWER）的人工智能企业明略科技与餐饮业巨头百胜中国新成立了一家餐饮产业的人工智能合资公司，专门研究餐饮科技的商业服务。 在徐汇区近期举行的一场“汇讲坛”上，明略科技集团高级副总裁邢科春向台下近百位市民讲述了“算法”和“算力”的奥秘。有观众惊叹，原来自己习惯的扫码“逛吃买”背后，藏着这么多市场和消费“密码”。 为会员提供定制化菜单 早在去年10月，人们在人民广场来福士商场一楼的肯德基餐厅，就能看到一座玻璃房里安装着一只白绿相间的机械手臂。顾客自助点单、扫码支付，就能获得一支由机器人制作的冰淇淋蛋筒。不用担心大小、口味的差异，每一支蛋筒都一样。 这是明略科技与肯德基的一次跨界合作，用算法、机器学习等技术“培训”机械臂，使其成为一位标准的“服务员”，让消费者实现全程“无接触”购餐。 “未来，机械手臂能完成快餐店几乎所有标准化食品的加工，还能保证每件单品都高度一致。”邢科春说，目前人们常用的AI大多停留在视觉、听觉等感知层，明略科技的中台技术可以将AI提高到认知层，向人机协同乃至“强人工智能”进发。 目前，肯德基在中国约有2亿名会员，90%以上的订单和付款都已通过移动支付完成，线上下单是最直接的数据采集渠道。邢科春表示，下一步，数据中台技术可以基于每家门店的位置、当地天气、餐品库存以及企业促销策略，在消费者打开点餐页面的零点几秒内作出响应。这一由大量数据参数和上百次运算得出的结果，就是未来消费者们的定制化菜单。 “垂直上下游”邻居合作 不少餐厅都遇到过服务员能力参差不齐，培训进度难以平衡的情况。明略科技推出了智能工牌，将服务员在岗期间的服务对话进行记录，语音转为文字后再进行自然语言处理，作出分析。消费者提出的问题被录入后台成为“知识图谱”，通过对数以万计的对话记录进行采集分析，形成服务回复的“相对最优解”。 “商家可以把销售冠军的服务对话逐字逐句进行分析，然后让‘销售菜鸟’们学习，迅速提升培训效率。”邢科春介绍。 在跨界餐饮业前，明略科技还参与完成了湖南电力有限公司数字化转型、深圳坪山区大数据中心（二期）建设、上海浦东产业经济大数据平台建设等多个重要项目。 对于明略科技入驻西岸国际人工智能中心，尤其谈到阿里、华为、微软这些楼里“垂直上下游”的邻居，邢科春表示，不仅看好与邻居们展开合作，也看好在徐汇滨江探索人工智能在商业场景的应用。 根据明略科技的计划，五年内企业将在上海完成约30亿元的投资，员工规模将扩大至2000人。截至目前，明略科技已在上海投资5.4亿元，并成立近700人的信息检索实验室，其中高新技术人才占比达40%。
近日，第三届世界人工智能大会（WAIC）云端峰会在上海世博中心盛大开幕。大会第二天，五位顶尖金融科技专家高屋建瓴，为与会者带来了一场场别开生面的演讲。在大会上，诺奖得主、AI顶会主席、知名企业家们观点鲜明、金句频出：AI金融是最令人兴奋的机会之一。对金融业产生巨大影响的AI技术，不止机器学习。人工智能与区块链的关系，不是竞争而是互补。「诺奖得主」托马斯·萨金特以亚当·斯密的理论为切口，详细讲解了区块链和人工智能这两种技术如何大大减少当代贸易的壁垒；「IJCAI理事会前主席」迈克尔·伍尔德里奇介绍了人工智能在金融领域最让人兴奋的应用，并列举了机器学习之外，两个可能会对金融业产生重大影响的人工智能技术。为此，雷锋网整理了这五位顶尖专家的演讲，以飨读者：托马斯·萨金特：人工智能与区块链，不是竞争而是互补诺贝尔经济学奖获得者、斯坦福大学胡佛研究所研究员托马斯·萨金特以“2020年及未来技术展望为主题”发表演讲。托马斯·萨金特主要针对区块链和人工智能两个问题展开了探讨。他在大会上将人工智能和区块链进行对比，认为区块链和人工智能的关系不是竞争而是互补。托马斯提到了现代经济学的创始人之一，亚当·斯密，其认为贸易壁垒的增加阻碍了经济的发展。比如中国的丝绸之路，商人在进行贸易活动时会遇到小偷和强盗，这是一种贸易壁垒；买卖双方很难彼此信任，很难保证按时交付，而这种缺失的信任和大量的沟通成本也是一种贸易壁垒。贸易壁垒越大，成本就越高。托马斯认为减少贸易壁垒就是增加经济价值，就会有更多价值被创造出来。而区块链和人工智能这两种技术大大减少了当代贸易的壁垒和成本。以区块链为例，它是一个分布式的共享账本和数据库，具有不可篡改、可以追溯等特点。而这些特征可以有效降低贸易的沟通成本。而相比区块链，托马斯认为人工智能不是固定不变的，人工智能由一组算法组成，对不知道的事实进行猜测，随着更多数据的输入，人工智能的准确性也相应提高。人工智能通过建立模型来模拟世界，而区块链使用的是与之不同的角度和工具。托马斯表示，区块链的目的，是成为一种交易技术。现在占主导地位的交易技术是银行，在网络的中心只有一个受信任的中介便是银行。银行作为一个中介，不管是转账还是交易，都要付出很高昂的手续费。垄断意味着收费且金额很大，而且跨国转账常常需要两三天甚至一周。区块链的目标是消除受信任的第三方中介，缩短交易时间，降低成本。记住亚当·斯密的格言，如果你能降低成本，你就可以增加贸易。最后，托马斯总结道：“人工智能和区块链的关系，不是竞争而是互补。这两项技术，都能够帮助我们降低金融交易的成本。”迈克尔·伍尔德里奇：AI金融是最令人兴奋的机会之一迈克尔·伍尔德里奇是国际人工智能联合会（IJCAI）前主席，现担任牛津大学计算机科学系主任，还曾参与开发阿尔法围棋机器人（AlphaGo）项目，是著名智能体理论研究学者，在其二十年的研究生涯里，他几乎当选了人工智能相关学会的所有Fellow。迈克尔·伍尔德里奇这一次的演讲主题是「让人工智能在金融领域发挥作用的风险和机遇」。伍尔德里奇相信AI金融是人工智能目前最令人兴奋的机会之一。他认为，人工智能不只是一种技术，人工智能是由一系列技术构成的。我们对当代的人工智能如此兴奋的原因是机器学习和深度学习。在过去的15年里，深度学习在机器学习领域取得了巨大的成功。因为深度学习，我们现在可以用人工智能做那些在几十年前看来不可能的事情。但是机器学习和深度学习并不是唯一的人工智能技术，还有很多其他的人工智能技术，比如搜索和战略推理。伍尔德里奇所说的搜索指的是，能够找到复杂问题的解决方案 。搜索是人工智能中规划和解决问题的基础技术。如何将这个世界的初始配置转换成期望的最终配置？如何把现状变成你想成为的样子？这就是规划和解决问题的意义所在。战略推理，是设身处地地考虑如果我是你，你会怎么做？战略推理，是目前AI金融的另一个核心组成部分。在过去的几年里，它取得了很大的进步，最明显的是玩扑克的游戏。伍尔德里奇认为，人工智能不仅仅是机器学习，各种各样的人工智能技术都在金融领域发挥着作用。接着，伍尔德里奇讲述了两类不同的人工智能在金融界的应用，即面向客户的应用程序和办公室后台的应用程序。面向客户的应用程序，指的是人工智能应用程序可以直接与客户交互；而后台的人工智能应用指的是，在你的业务后台中应用人工智能，但不是直接与消费者互动，而是间接互动。随后，伍尔德里奇介绍了人工智能在金融中的一个令人兴奋的应用：个人财务软件助理。伍尔德里奇认为人工智能在面向客户方面最明显的应用、最激动人心的应用之一是面向客户的软件助理。比如我们随身携带的Siri、Alexa、Cortana等都是软件助理。而软件助理和金融之间的联系，核心在于个人财务管理助理。他解释道：“就像医疗保健中的人工智能，可以全天候监控我们的健康状况一样。人工智能驱动的个人财务助理也可以为人们做到这一点。我认为下一代的应用是使用这些个人财务助理来理解我们的消费习惯。”伍尔德里奇认为人工智能在观察数据、发现趋势分类，并根据现有的数据预测事物的发展方向方面非常强大。而一个人工智能驱动的个人金融系统，能够相对轻松地完成这些事情。同时，他也承认数据隐私和数据安全是一个大问题。“如果人们开发了一个软件可以控制客户的银行账户，软件被黑了怎么办？如果软件被其他软件所误导或利用怎么办？只要我们要使用人工智能，这些问题就无法避免而且必须解决，因为它控制我们的财政。”伍尔德里奇说。廖理：细数金融科技十年发展历程廖理是清华大学五道口金融学院常务副院长、清华大学金融科技研究院院长，现任《清华金融评论》主编。廖理此次在大会上分享的主题是「金融科技发展的新机遇」。廖理认为在本世纪的前20年，以支付科技为基础的金融科技得到了快速的发展，尤其是在过去的十年，金融科技在中国几乎是有了一个全面发展的势头。对此，廖理总结了金融科技对于经济生活的发展做出的三个贡献。 第一是推动传统金融的转型，提高传统金融的效率； 第二是大量创业公司和新的金融科技公司出现，提高了整个社会范围内资产和资源配置的效率；三是填补了传统金融所没有覆盖的洼地或者盲区，即中小企业融资难、融资贵的问题。同时，廖理还把为中小微企业提供服务的新创企业分成4个大类：企业贷款、企业支付、企业财务管理、企业员工管理。面向企业，特别是中小微企业进行贷款的平台，廖理将之分为两类，一类就是电商平台，像国内的京东、苏宁、唯品会都开始为自己平台上的商家提供贷款服务，包括美国的亚马逊等等。还有一类是支付平台提供的贷款服务，包括美国的square等，这些支付平台通过对支付数据的信用分析和判断，为商家提供信贷服务。他还介绍了过去十年比较引人瞩目的两类贷款平台：第三方的贷款平台和网贷平台。廖理认为过去十年，面向中小微企业信贷的产业生态逐渐发展起来。不管是电商平台、支付平台，第三方平台还是包括市场借贷的平台，他们的风控逻辑和传统的风控有一个很大的不同，传统的风控逻辑是以资产为主，而新的风控逻辑是以信用为主。 廖理对每一个平台的特征进行了细致的描述，对贷前的审核、贷后的持续的风险监测上的一些方法也进行了慷慨的分享。最后，廖理还分享了自己所在的五道口金融学院互联网金融实验室，孵化成功的一个高科技企业——道口金科玉律，详细描述了道口金科玉律在技术和商业上覆盖的面积和获得的突出成果。陈青山：数字化是金融业务AI化的必经之路合合信息联合创始人、启信宝CEO陈青山，在本次大会上以「AI大数据，共创金融新生态」为主题，分享了自己近年来的一些体会。从事AI大数据的合合信息，研发产品化的历程始于2009年，从最开始的AI感知技术，包括图像处理、模式识别、文本识别、场景识别，一直到高阶层的认知智能，包括自然语言处理、知识图谱，在这个领域合合信息已深耕十余年。陈青山认为数字化技术，特别是以AI为基础的数字化技术，会将物理世界的物质转化为虚拟世界中的数字，比如财报、图像、声音、视频还有场景等。而文本识别、语音识别、视频识别、产品识别等技术，还有物联网等数字化技术，将使得我们的物理世界转化为另外一个孪生的虚拟世界，而虚拟世界都是有数据构成的。陈青山将「AI平台」的发展分为4个阶段。第一个阶段是图像处理； 第二个阶段是文本识别，包括结构化、数据化的过程；第三个阶段是文本或者文档理解的阶段，这个阶段要对识别出来的数据，进行提取、自动分类，甚至感情标注；最后，要对场景进行应用，比如应用在保险、银行或者物流、地产等一系列的产品中间。目前所看到的金融产品或者业务上，比如合同、保单、票据、财报，都是AI平台所要处理的数字化对象。他认为AI技术所创造的社会价值巨大，做到了人类做不到的事情，解决了人类解决不了的难题。以文本识别准确度为例，如果是人工录入一份文件上的文字，准确率约90%，但如果是以合合平台的文本机器人来做，准确率可以超过99%，它可以做到人做不到的事情。合合信息还致力于将AI能力模块化、标准化。通过把AI平台私有化到客户的内网环境中，使之具备底层的AI技术能力。他认为实现AI的三个要素，一是算力，二是算法，三是数据。合合信息要做的工作是要把这些数据清洗、挖掘、融合、汇聚，使之变成一个知识库，从而方便数据的计算、关系的挖掘和属性的归类。“企业内部的知识库之所以要大费周章地建设，最终目的是为了应用，如果不能用，就是一堆废品。”陈青山说。合合信息会用300多个标签去对2.3亿家企业进行全景式画像，包括企业的基本情况、资质情况、经营情况、风险的情况以及商业社会相关联的一些情况。画像之后，以一套科学有效的指标来计算一家企业的信用、实力和风险，比如通过6个维度的数据打分来衡量一家企业，包括资本背景、经营质量、知识产权、风险情况、成长性、企业规模。在演讲的末尾，陈青山分享了自己在产业链金融上的一些心得和感悟。目前合合信息已经研究了人工智能产业链的上中下游，上游有云计算基础设施；中游包括人脸识别技术、文字识别技术、机器人技术、传感器技术等；下游则是智能机器人、智能零售、智能家居等。他认为这些产业链，一定也会沿着长三角经济带一直往中部延伸，出现从东向西、逐步发展的态势。肖京：金融+科技，实现双轮驱动肖京是平安集团首席科学家，他的分享涉及人工智能技术在实体金融领域的发展、贡献和成果。肖京首先介绍了自己所任职的公司平安集团。平安集团成立于1988年，如今已经成为一家科技型的综合金融集团。平安集团现在有180万员工，在世界保险行业品牌中位列第一，市值超过1万亿，年收入超过1万亿，税收和利润都超过1000亿，主要的战略方向包括金融和医疗两个重要的核心领域。肖京详细介绍了平安为什么对金融科技十分重视。平安集团每年把收入的1%投入到科研，1万多亿收入会投入100多亿的资本到科研上。从08年到18年，平安集团的战略方向就是金融+科技，以科技和金融并重，用科技驱动金融的发展，并且是双轮驱动，一起推动整个集团向前发展。肖京以Facebook为例，指出科技对利润增长的重要性。平安每年有一万三千亿左右的收入，10%左右的利润，Facebook每年虽然是700亿美元的收入，19年却有200亿美元的利润，利润接近30%。肖京认为金融最核心的4个场景是获客、风控、服务和运营。肖京认为金融最核心的领域是风控。他认为如今欺诈的种类越来越多，很容易出现一些漏洞没有被发现的情况，对于此类情形，可以用科技力量。一个单据是不是存在欺诈的情况，很难辨别，但是当我们积累大量数据进行分析之后，我们可以用科技自动分析单据是否有问题，这样可以大大降低我们的风险、提高我们的风控的能力。如何用科技把金融做得更好，肖京认为，一个行之有效的方法就是互联网。通过互联网，平安可以把很多线下的业务线上化，这样就可以很好地提高效率、降低成本、提高用户的体验。但是，互联网虽然解决了渠道触达的问题，但是并没有真正解决生产质量的问题。 肖京列举了“地沟油快餐外卖”的例子，虽然外卖可以很快的送到家，但是快餐的味道和健康等级还是那样，我们还是吃的还是地沟油快餐，不是高质量的食品。而为了解决这个问题，肖京认为，需要用人工智能技术将公司的产品和流程实现智能化。而只有具备4个要素才能够真正的完成智能化的建设，肖京认为这四个要素分别是数据、算法、专家、场景。有意思的是，肖京还提到了一些有趣的人工智能应用。比如牲畜的识别。肖京解释道，农险业务也是一个很大的市场，比如一个养殖场养了1万头猪，农场主就要买猪的保险，所以平安在农险业务上也做到了科技赋能。最后，肖京介绍了平安如何通过科技助力解决疫情期间的一些社会难题。一是通过语音机器人帮助客服人员回答基础性、简单的问题；二是，平安通过人工智能技术以15秒的速度、98%以上正确率识别出新官肺炎的症状，并且监控它的变化。
登录
工商服务
危机公关
金融律师
app开发
财税服务
金融牌照
网站建设
知识产权
企业征信
审计评估