0
近日，鵬城實驗室與微眾銀行聯合建立的“鵬城實驗室-微眾銀行‘AI金融聯合實驗室’”（以下簡稱“AI金融聯合實驗室”）在廣東深圳微眾銀行總部正式揭牌。該實驗室成為廣東首個“AI金融聯合實驗室”。
“除了這次的AI金融聯合實驗室，微眾此前已和很多高校都建立了聯合實驗室，如南洋理工大學、香港科技大學、深圳大學、清華大學等，以后這些實驗室或將一起合作研究?！蔽⒈娿y行首席人工智能官（CAIO）楊強教授對雷鋒網AI金融評論表示。
不難看出，AI領域的產學研一體化趨勢正在不斷加強。這樣的背景下，雷鋒網AI金融評論采訪了楊強教授，詳解聯合實驗室的具體合作內容，以及此次合作背后的微眾銀行AI布局全貌與細節。
據了解，鵬城實驗室主任高文院士作為人工智能方向的責任院士，將指導“AI金融聯合實驗室”工作，楊強教授則擔任“AI金融聯合實驗室”主任，負責“AI金融聯合實驗室”的日常運作。
實驗室將以AI+金融領域的相關研究作為工作重點，聚焦以下三大領域：一是基于聯邦遷移學習的聯合AI建模生態研究與應用；二是以金融服務為核心的新一代人機交互技術研究與應用；三是AI精準決策研究與應用。
“爭取在一些具體的技術方向上做到世界領先，比如如何在更好的硬件和網絡幫助下加速做聯邦學習、如何研發更好的加密技術、如何將區塊鏈和聯邦學習進行有機結合、如何實現多模態的識別和安全等。”楊強表示。
據他介紹，AI聯合實驗室目前的技術支持主要來自于微眾的AI部門和IT部門。資本方面，由于目前實驗室主要還是做科學研究，所以是微眾內部投資。
在數據方面，楊強表示目前的數據還夠用，以后如果有需要的話，會有其他數據方參與進來。
雷鋒網AI金融評論注意到，除了設立首個省級“AI金融聯合實驗室”，微眾銀行還首開銀行先河，聘請香港科技大學新明工程學講席教授 、國際人工智能聯合會理事會主席楊強擔任首席人工智能官（CAIO），成為全國首家設立“首席人工智能官”的商業銀行，也由此開啟了微眾銀行的AI布局。
據了解，微眾AI布局從去年開始探索，目前已實現四大方面的突破性成果：
一是服務側。微眾緊貼互聯網銀行業務流程打造了泛機器人技術，探索新一代AI人機交互新方式，落地了一系列具體的機器人產品，包括語音客服機器人、電核機器人、風控對話機器人、質檢機器人、OCR機器人等，目前已經覆蓋“業務咨詢、身份核驗、資料審核、操作放款”等業務全流程。
二是營銷側。與其他行業不同,金融行業產品屬于典型的高價值低頻次產品,這種產品的用戶決策和購買路徑一般很長。針對這種特點，微眾銀行AI團隊自研營銷解決方案：長效推薦模型+智能運營平臺,以“數據+算法+平臺”驅動的站內廣告形式，打造極致用戶體驗。
其中，長效推薦模型針對性解決用戶在互聯網平臺的“復雜交互行為”和“長短期興趣優化”的挑戰，對用戶復雜交互行為進行圖結構建模，優化短期用戶點擊率。同時，以強化學習探索用戶動態興趣,有效避免信息繭，優化長期用戶點擊率。
目前該營銷解決方案已應用于不同的金融細分領域,包含保險、貸款、銀行等業務場景。
三是資管側。微眾利用微型衛星數據和遙感影像分析技術探索金融保險、風控等場景下的輔助決策應用。
具體關鍵技術包括目標檢測技術、道路提取技術、地表識別技術，目前基于這三大技術的模型已成為評估某一個地方經濟發展變化的代表性指標。
四是大數據側，針對行業“小數據”和“數據孤島”、數據安全、隱私、合規等問題，微眾銀行AI團隊提供了一種新的思路，即“聯邦學習”，通過分布式加密機器學習技術，在數據不共享的情況下，共同建模，提升AI模型效果。
目前微眾銀行已經將聯邦學習應用于企業風控、城市管理、語音識別引擎等領域，并建立起了以聯邦學習為基礎的大數據合作生態。
針對更為具體的布局細節，楊強教授接受了包括雷鋒網在內的多家媒體采訪，以下為采訪實錄：
問：微眾銀行AI布局集中在四大領域，為何會選擇這四大領域進行重點布局？下一個布局領域會是什么？
楊強：緊貼業務需求。微眾兩千名員工，要服務超過1億的人，就要先抓住重點需求，類似實體銀行，用AI賦能前臺的營銷、客服、資管和后臺的風控建模，這四大領域是按照一個銀行的主要業務需來布局的，另外我們也正在布局監管領域，比如風險投訴渠道檢查、輿情分析等，我們正在和監管方一起合作推進。
問：AI什么時候能達到對銀行業務全領域覆蓋的程度？要達到全覆蓋需要重點突破什么技術？
楊強：全領域、全業務流程的AI覆蓋比我們想象的要難，更多能做到的是人機合作、人機互動，金融業務流程復雜，人的知識不可或缺。讓人和機器一起合作，在人工智能領域還是一個新鮮的事物，人機互動這種人工智能現在需要什么技術呢？需要把人工智能的黑箱變成白箱，需要知道它的解釋性，就是說它作出一個決策來，這個決策背后主要的因素需要被找出來。
所以，真正做到全自動的、端到端的、沒有人參與的AI覆蓋，離我們還很遙遠，目前大家關心的是要把人的因素考慮進來，包括銀行從業人員，也包括終端客戶。
問：怎么讓黑箱子變成白箱子？業界目前有哪些最新的探索？
楊強：現在有幾個嘗試還不是很為大眾所知，國際上有一群人在專門研究因果關系，通過因果關系建立一個人工智能模型。但他們的問題是，他們還沒有能成功地利用到大數據，所以他們的研究離深度學習這種黑箱還有很大差距。
但也有一群研究者已經開始把這兩者結合起來，比如你在訓練一個黑箱的同時，可以讓這個訓練的流程影響到一個白箱的建立，白箱的目的就是解釋黑箱到底為什么是這樣的。
總的來說，現在有一些學者在做這個研究，但還沒有特別大的突破，這也需要時間。
問：微眾目前在AI賦能上走過了幾個階段？
楊強：從去年開始做，先是調研階段，現在的四大領域就是調研的一個結果，這算是第一階段；拿到調研結果后，我們就開始建平臺去跟業務部門合作，這是第二階段，也是我們目前所處的階段；下一個階段我們的計劃是在微眾銀行內部大規模鋪開，以后也不排除去對外幫助其他企業擁有同樣的AI賦能能力。
問：如何衡量微眾用AI賦能業務的效果？
楊強：兩個方面，向外看客戶的滿意度，向內看業務效率，即看AI的覆蓋面和降本程度，盡量把所有的繁瑣流程都自動化和效率化，所以微眾還有一個領域叫做流程自動化，RPA+AI，專門做流程自動化。
問：現在RPA為什么這么火？
楊強：過去大家做AI雄心很大，把商業想得簡單了，以為整個商業是可以取代的，但事實并非如此，因為商業邏輯里其實是有很多人的經驗在起作用。RPA+AI的一個特點是需要把AI真正深入到業務里去，提高人的效率，但同時保留人對業務的知識與經驗。
也因此，很多RPA+AI的商業機會是自內而外的，就是先發生在一個企業內部，然后在對企業的業務和流程有一定熟悉度的基礎上，面向整個行業的共同特點推廣開來，而不是先在外面建立一家RPA公司來幫助不同的行業。
問：微眾銀行在探索AI賦能的過程中，最大的經驗是什么？
楊強：緊貼業務，虛心向業務學習。以前AI剛出來的時候，大家都是以顛覆、取代為出發點，但現在發現這個出發點是錯誤的，正確的應該是要與行業緊密地結合，從AI+變成+AI，AI+是說你先成立一個AI公司，然后去賦能業務，但實際上會很難，也會走一些彎路，而+AI是說你已經有了業務，然后你用AI去賦能，本質還是以業務為中心。
問：目前在AI金融領域有哪些泡沫？
楊強：金融是一個比較嚴謹的行業，所以AI金融的泡沫會少很多，想要盡可能地減少泡沫發生，最核心的就是抓住落地場景。
一個更廣泛的AI應用例子是智能音箱，以前大家以為它是未來的入口，現在發現是不對的，現在淪為一個放音樂的音箱。所以有時候我們容易把對技術的期待和對業務場景的期待相混淆，這時候AI產品經理就變得非常重要，這些人負責找到正確的應用場景。
問：微眾現在AI團隊是一個什么樣的架構？您覺的現在AI人才難招嗎？會是微眾的一個痛點嗎？
楊強：我們的AI團隊是按照前面說的四大賦能領域來分項目組的，人員都在深圳。AI人才在我們看來和別人看來可能角度不一樣，別人眼中的AI人才可能更多是指算法人才，我們在這方面一點都不缺。
因為我們覺得AI的實現不是由算法人才努力的結果，是由剛才說的AI產品經理這種角色努力的結果，是需要發現AI和產品和業務的一種有機結合。這種發現是需要智慧和一種非常巧妙、同時非常耐心的特質，所以我們在人才方面跟別人的需求不一樣。
問：您當初為什么選擇加入微眾？
楊強：因為微眾做的事情和我的研究方向有契合之處，比如我現在做聯邦學習，如果不來微眾，恐怕是做不起來的。
微眾作為一家用少數人來服務龐大客群的互聯網銀行，它有很多需要AI的場景，同時也需要有很多合作企業。
企業合作這個事兒在AI里并不是空談，而是區分前一代人工智能和下一代人工智能的分水嶺。因為合作必然會引入數據安全和隱私問題，那么在微眾這個互聯網銀行既小又要覆蓋面廣的矛盾下，由聯邦學習這種技術來解決數據安全與隱私問題就變得必不可少，這也是我為什么選擇微眾的一個重要原因。
問：聯邦學習目前在工業界使用的規模大嗎？
楊強：除了微眾，還有很多行業在使用聯邦學習，應該說它落地已經成熟了，但還不斷會有新的技術點要突破，比如在面向C端的終端設備上，更好的芯片會讓聯邦學習做得更好，再比如面向B端的、同行業或跨行業的企業之間的合作，在保護雙方數據的同時還能交換知識，建立共享模型。微眾目前在這方面已有十幾個落地案例。
問：除了聯邦學習技術，業內還有其他關于隱私計算的研究嗎？它們在業內的地位是怎么樣的？聯邦學習技術被接受和認可度有多高？
楊強：隱私計算是一個非常重要的題目，不同行業都在研究，比如做數學的、做算法的、做計算系統架構的，都從不同的角度在研究，所以自然而然就出現不同的框架。
聯邦學習目前看來，是一個優勢勝出的框架，因為它是專門針對機器學習提出來的。像其他框架如安全多方計算更多是針對計算的需求，加減乘除這種簡單的運算和數據庫查詢。
還有一種叫做隱私保護的數據查詢，privacy-preserving database和data query，更多是從加密的數據庫角度進行的，它的做法是加很多噪音進去，使得查詢數據的那一方分不清個別用戶，從而起到一定的保護隱私作用，但是事實證明，它在工業界使用的不多，更多是學術界的數學推演。
總的來說，目前大概有四五個方案在齊頭并進，其中聯邦學習是落地比較扎實的，也是在大規模計算上前途較好的一個方向。雷鋒網雷鋒網
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
