如今，科技持續(xù)深度重塑各個產(chǎn)業(yè)，“金融科技”已經(jīng)成為全球公認(rèn)的金融發(fā)展熱點。隨著人工智能、云計算、大數(shù)據(jù)、區(qū)塊鏈、5G等新一代信息技術(shù)向金融領(lǐng)域的加速滲透，金融與科技的融合發(fā)展持續(xù)深化。然而，金融科技也因其“敢為人先”的創(chuàng)新性、高技術(shù)門檻以及落地場景的探索等方面，面臨諸多挑戰(zhàn)。

為此，SAIFR聯(lián)合特許全球金融科技師CGFT管理辦公室，于2020年12月起，推出【智金說】金融科技行業(yè)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(guān)行業(yè)領(lǐng)域?qū)＜?，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(qū)舉辦。 

2

活動邀請了深蘭科技（上海）有限公司董事副總裁、深蘭科學(xué)院研究專家王昕磊博士，為大家作了“AI賦能金融行業(yè)智能化轉(zhuǎn)型”的主題分享。該活動受到同學(xué)們廣泛關(guān)注，多名同學(xué)以及感興趣的社會人士冒著嚴(yán)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(yè)化、機械化、電氣化、信息化等，但在AI發(fā)展上，中國有很大機會和歐美并駕齊驅(qū)。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(yè)應(yīng)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(shù)合伙人及高級風(fēng)控總監(jiān)、前FICO風(fēng)險解決方案與風(fēng)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(chǎn)業(yè)格局、中國在AI領(lǐng)域的優(yōu)劣勢以及AI帶來的技術(shù)倫理問題等話題。活動最后，王昕磊博士對現(xiàn)場以及線上同學(xué)的提問作了針對性的回復(fù)。短短的兩個多小時交流，信息密度極大，干貨滿滿，現(xiàn)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(nèi)容。

主題分享

中國AI展望

AI成功的最大障礙是缺乏數(shù)據(jù)或數(shù)據(jù)管理，中國不缺乏數(shù)據(jù)，也不缺乏算法人才，中國是有可能戰(zhàn)勝歐美的。中國欠缺的是AI算力生態(tài)，而生態(tài)建設(shè)需要全國甚至全球的配合。以芯片產(chǎn)業(yè)為例，中國已經(jīng)錯過了通用芯片的發(fā)展，沒必要追隨歐美開發(fā)通用芯片，但可以在專用芯片上發(fā)力。中國目前真正的人工智能企業(yè)并不多，2020年也只有2000多家，一些簡單的圖像識別企業(yè)，也只能歸類到人工智能應(yīng)用領(lǐng)域，而真正的人工智能公司在人才結(jié)構(gòu)上要有專業(yè)的算法工程師，領(lǐng)域上要具備計算機視覺能力。因此，基礎(chǔ)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(shù)據(jù)量要足夠大。2019年金融科技規(guī)模已達(dá)到5.5萬億美金，相比傳統(tǒng)金融，金融科技在精準(zhǔn)分析，挖掘潛在規(guī)律與風(fēng)險，個性化定制和自我學(xué)習(xí)方面，都大大提高了數(shù)據(jù)的有效利用。但金融是個封閉場景，數(shù)據(jù)不能外露，如何在保證數(shù)據(jù)安全的前提下，挖掘行業(yè)產(chǎn)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(shù)據(jù)”作為至關(guān)重要的參與元素，從本質(zhì)上決定了人工智能的進化水平。企業(yè)在經(jīng)營過程中產(chǎn)生的圖像、視頻、語音、文本以及點云的數(shù)據(jù)，只有經(jīng)過標(biāo)注后才能被機器學(xué)習(xí)。數(shù)據(jù)標(biāo)注得越精準(zhǔn)，對算法模型訓(xùn)練的效果就越好。AI與行業(yè)之間的巨大鴻溝在于AI技術(shù)壁壘高、投入大。小公司開發(fā)AI不現(xiàn)實，深蘭科技MetaMind自動化學(xué)習(xí)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(shù)平臺：

1.智能數(shù)據(jù)標(biāo)注平臺：AI半自動化數(shù)據(jù)標(biāo)注平臺，通過機器學(xué)習(xí)技術(shù)和深度學(xué)習(xí)技術(shù)，結(jié)合自研SaaS數(shù)據(jù)標(biāo)注系統(tǒng)、 AI智能質(zhì)檢系統(tǒng)，對需要處理的數(shù)據(jù)進行清洗、任務(wù)分配、智能預(yù)標(biāo)注、智能質(zhì)檢，實現(xiàn)半自動化的數(shù)據(jù)標(biāo)注和質(zhì)檢。

2.自動化機器學(xué)習(xí)平臺：提供自動生成AI算法的能力，上傳數(shù)據(jù)后，自動生成核心算法，是神經(jīng)網(wǎng)絡(luò)搜索的過程。自動化機器學(xué)習(xí)是人工智能的核心，大大縮短了傳統(tǒng)做法需要的時間，增強了實時性。自動化機器學(xué)習(xí)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(shù)據(jù)、算力的AI開發(fā)環(huán)境 ，覆蓋CV、OCR、NLP等多個人工智能領(lǐng)域。

4.AI開發(fā)平臺：提供直接使用AI算法的能力，為AI開發(fā)構(gòu)建高效敏捷的開發(fā)平臺。

MetaMind平臺私有化、公有化部署皆可，數(shù)據(jù)內(nèi)部管理，拒絕數(shù)據(jù)外泄，幫助企業(yè)實現(xiàn)自我AI賦能。企業(yè)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(lián)邦機器學(xué)習(xí)（Federated Learning）：在保障大數(shù)據(jù)交換時的信息安全、保護終端數(shù)據(jù)和個人數(shù)據(jù)隱私、保證合法合規(guī)的前提下，在多參與方或多計算結(jié)點之間開展高效率的機器學(xué)習(xí)，主要分為橫向聯(lián)邦、縱向聯(lián)邦和聯(lián)邦遷移。

2，圖神經(jīng)網(wǎng)絡(luò)（Graph Neural Networks，GNN）：涉及到大量的計算算力，目前還沒落地場景。

3，區(qū)塊鏈：區(qū)塊鏈本質(zhì)上是一個共享數(shù)據(jù)庫，存儲于其中的數(shù)據(jù)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(chǎn)品，也不是一個高不可攀的事情， AI應(yīng)該客觀、理智、中性，為人人服務(wù)。但目前AI的瓶頸是產(chǎn)品真正落地挑戰(zhàn)大，如何做好AI的產(chǎn)品化，是未來需要思考的一個關(guān)鍵問題。

對話環(huán)節(jié)

Q人工智能國內(nèi)產(chǎn)業(yè)競爭格局和核心技術(shù)情況及未來的技術(shù)趨勢方向是什么？

王昕磊博士給出預(yù)判：2021年人工智能方向?qū)⑹莻€百花齊放的格局，每個科技型的創(chuàng)業(yè)公司都有機會在垂直領(lǐng)域發(fā)展的很好，小應(yīng)用、大場景的模式將比比皆是。

Q人工智能領(lǐng)域中國的優(yōu)劣勢及制約因素主要是什么？

王昕磊博士：對于中國在人工智能領(lǐng)域最大的優(yōu)勢，王昕磊博士給出的答案是：數(shù)據(jù)。中國數(shù)據(jù)量龐大，比如電商、金融，還有很多其他未開發(fā)的場景數(shù)據(jù)。中國在垂直領(lǐng)域上會出現(xiàn)幾個冠軍企業(yè)。

張偉老師：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(lǐng)域已經(jīng)處于國際領(lǐng)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(yōu)越性。在金融科技方面，推動金融科技發(fā)展的核心因素包括三方面：需求拉動、技術(shù)推動、政策引導(dǎo)。中國有數(shù)據(jù)，有場景，有需求，也有政策引導(dǎo)和支持，也不缺乏人才優(yōu)勢。目前制約金融科技發(fā)展的因素包括：重視應(yīng)用創(chuàng)新但缺乏底層基礎(chǔ)核心技術(shù)，容易偏向短期盈利目標(biāo)而不是長期戰(zhàn)略目標(biāo)等，部分領(lǐng)域發(fā)展體制和機制還有待進一步完善和優(yōu)化，金融科技高端人才、復(fù)合型應(yīng)用型人才緊缺等。

Q  AI技術(shù)可能造成贏者通吃、強者恒強，可能導(dǎo)致缺乏AI技術(shù)產(chǎn)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(shù)倫理問題？

王昕磊博士：機械化工業(yè)革命導(dǎo)致的卓別林問題，信息化電商導(dǎo)致實體店鋪的失業(yè)問題，隨著技術(shù)的發(fā)展這些問題都自然解決了。人工智能作為第四次工業(yè)革命，一定會出現(xiàn)低端勞動、重復(fù)勞動被機器替代的問題。這些被替代的崗位，隨著技術(shù)的發(fā)展，將會由新的科技崗位填補，比如管理人工智能。

張偉老師：隨著生產(chǎn)力不斷提高新技術(shù)的出現(xiàn)，對于落后生產(chǎn)力的替代是社會發(fā)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(yuǎn)是低層次簡單重復(fù)可標(biāo)準(zhǔn)化的工作崗位，而依賴豐富知識經(jīng)驗儲備和復(fù)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(shù)等相關(guān)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(chǎn)生很多新的工作類型，例如數(shù)據(jù)標(biāo)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(xù)的學(xué)習(xí)，掌握新技術(shù)新技能。

Q  “特許全球金融科技師CGFT認(rèn)證項目”致力于通過社會化的認(rèn)證和教育，促進金融科技人才建設(shè)，優(yōu)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(zhì)？

王昕磊博士：優(yōu)秀的金融科技人才需要具備探索性學(xué)習(xí)的能力。素質(zhì)是一個探索性學(xué)習(xí)的過程，AI是探索性學(xué)習(xí)的工具，要學(xué)會利用AI工具。

張偉老師：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(xué)習(xí)和練習(xí)的過程來掌握和知道，比如大數(shù)據(jù)、機器學(xué)習(xí)、云計算、區(qū)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(biāo)任務(wù)或獲取知識技能所體現(xiàn)出來的素質(zhì)和優(yōu)勢，比如快速學(xué)習(xí)、分析思維、創(chuàng)新研究等屬于“能力”。需要結(jié)合自己的崗位，快速學(xué)習(xí)和掌握一個領(lǐng)域所必須的知識技能，并在此基礎(chǔ)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(xué)員通過六門課程的學(xué)習(xí)，掌握金融科技領(lǐng)域必須的基礎(chǔ)的知識技能，做到懂行業(yè)、懂技術(shù)、懂業(yè)務(wù)，在此之上提升數(shù)據(jù)分析、解決方案構(gòu)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(jié)，講故事的時代已經(jīng)慢慢過去了，接下來就是要做應(yīng)用，下一步就是要產(chǎn)品落地。