建信金科大咖访谈：人工智能技术应用与展望

前言

•在金融科技战略的大背景下，人工智能技术将如何助力业务发展？

•我们如何顺势而为应对人工智能科技浪潮的挑战？

•建行人工智能技术体系将如何布局？

近日，金融科技大咖吴磊登陆建行大学“金科大咖云讲坛”，从人工智能发展历程引入，结合建行内人工智能发展现状，对人工智能应用场景和已落地应用进行了全面的介绍。金科优源汇于直播后，第一时间对吴总进行了采访，以下为部分采访实录节选。

优源汇：人工智能作为当今最热门的领域之一，不论是谷歌、微软等科技巨头，或是知名学府，均将其作为未来重点发展方向，作为 AI 工程部的负责人，您眼里的人工智能是什么样的？

吴总：基于深度学习的人工智能在 2016 年李世石和 AlphaGo 的围棋大战后掀起了第三次 AI 浪潮，但在此之前人工智能已经发展了很多年了，本质上人工智能仍是计算机科学的一个分支，是计算机以类人智慧处理问题的方式。自达特茅斯会议上确立了“人工智能”这个概念以来，三盘棋局带来了 AI“三次浪潮”，分别是 1962 年 AI 战胜西洋跳棋排名第一的罗伯特·尼雷；1997 年 IBM 深蓝战胜国际象棋世界冠军卡斯帕罗夫；2016 年 AlphaGo 战胜围棋世界冠军李世石。三次浪潮 AI 技术已从早期感知机发展到了机器学习和深度学习。

人工智能有“三个发展阶段”：弱人工智能时代、强人工智能时代和超人工智能时代。目前我们仍处于弱人工智能时代，现今在很多场景下，人工智能的应用仍不能完全替代人的作用。与之相对应的叫做强人工智能时代，届时 AI 将在大部分领域超越人类个体智慧，能够理解外部的事物并自主作出决策乃至行动，甚至还有更远期的超人工智能时代，被定义为 AI 将超越全体人类智慧。 

人工智能有“三大基石”：第一是数据。基于深度学习的模型训练需要大量数据作为基础，大数据时代为深度学习提供了足够的数据基础。第二个是算法和模型。2012 年之前算法层面更多的还是在两层神经网络和机器学习阶段，随着深度神经网络的问世，算法层面得到了突破，推动着 AI 技术成熟和实用化。第三个就是算力。算力是算法和数据的基础设施，深度学习之所以能发展起来正是借助了 GPU 算力的突破，后来又发展出了 TPU、IPU、DPU 等。正是由于这三个基础的突破和提升才迎来了第三次人工智能的浪潮，第四次 AI 浪潮也将随着新型算力、数据、算法的提升而到来。

优源汇：刚刚您提到当前我们正处于第三次人工智能浪潮之中，那么在人工智能时代下，商业银行会有怎样的机遇与挑战？

吴总：在人工智能时代下，商业银行以及金融科技行业将迎来更多机会。包括改善客户体验，提升服务效率；推进网点向展示性、服务性、营销性场所转变；提升风险管理，使得风险评估更加科学；有效降低银行运营成本等方面。

如果搭建起端到端快速敏捷的 AI 运营体系，商业银行的 AI 水平还有较大提升空间。以建行为例，集约化单据处理量大概 70-100 万张有标数据，行业内大部分企业并不具备如此大的单据量。基于这些数据，我们正在构建一个人工智能的运营体系，让每日新增的标注数据回流 AI 平台进行训练，从而实现模型的优化迭代。

机遇总与挑战并存，相比互联网公司，银行还需要在更多的 AI 场景上做了更多的尝试，比如卫星及无人机遥感影像分析的空天科技领域，阿里和腾讯已经布局了遥感 AI 场景，今年的农业贷款已经用到了人工智能技术进行农作物识别和产量预测。同时模型可解释性与结果不可预期也对监管造成了挑战，应运而生的是可解释人工智能 XAI。另外，在一些涉及资金的场景中，随着近年来 DeepFake 技术的发展，假脸做活、人脸攻击将对人脸支付、活体认证等场景带来较大挑战。

优源汇：人工智能的发展前景广阔，应用场景丰富，但仍然面临诸多的挑战，那未来人工智能技术的发展方向在哪儿？

吴总：对于未来的人工智能，我认为将逐步的从感知智能化向认知智能化发展和延伸。当前比较热的方向，像计算机视觉和自然语言处理其实是感知智能化的能力，而现在在做的决策引擎和 AI 风控这块更多的属于认知智能化。认知智能化过去还处于较低的发展水平，如今通过多重技术的融合应用使得认知智能化的识别率得到了显著的提升。

在单一场景下，人工智能技术将从单一技术的应用向多模态融合技术过渡。举个例子，针对文本识别这个场景，通过使用端到端的文本检测、文本识别技术，识别率可以达到 85%左右，但这已经是单一技术识别准确率的瓶颈。此时若通过引入多模态的融合技术，像 NLP 和知识图谱来辅助文本识别，有助于提升识别准确率。

另外，AI 的发展在未来会遇到算力的瓶颈，“冯·诺依曼体系”中，计算机的计算单元和存储单元分离开了，在内存容量指数级提升后，CPU 和内存之间的数据传输带宽成了瓶颈。我认为未来计算机的发展会向着量子计算迈进。当前诸如 google 和 MIT 已经在做量子计算方向的一些尝试。而且随着端边侧设备嵌入式计算能力的增强，云端集中化的 AI 能力会逐渐向边端侧发展，最终形成云边端的协同。

最后值得一提的是，Gartner 在刚刚发布的《2021 年重要战略科技趋势》中提出人工智能工程化（AI Engineering）将是一个趋势。为了将人工智能转化为生产力，就必须转向人工智能工程化这门专注于各种人工智能操作化和决策模型（例如机器学习或知识图）治理与生命周期管理的专门领域。这一观点与在此之前基础技术中心成立的 AI 工程部思路高度一致，AI 工程化将成为未来人工智能技术的一个重要发展方向。

优源汇：大家也注意到，近些年各大银行正积极布局人工智能生态，推进数字化转型。在金融科技战略的大背景下，人工智能又是如何助力中国建设银行业务发展的呢？

吴总：实际上自 2014 年起，建行就开始在人工智能领域做出一些尝试，经过多年的发展，建行在新一代架构的基础上，完善和整合了人工智能能力，深入优化了多场景、多业务的 AI 应用，并逐步孵化出企业级的人工智能平台，实现了 AI 能力的共享复用。

从今年统计的数据上看，目前全行已投产 424 个人工智能应用场景，涉及到 28 个业务部门，人工智能能力支持的业务场景正在不断释放，与业务结合的程度也愈发紧密，这也将极大推动着母行的业务发展。具体来说，AI 在帮助处理高压工作、降低高重复性工作、帮助关键决策工作、简化用户操作的复杂性和简化复杂的数据处理上有着显著的提升作用。

建行通过“1+5+N”的人工智能能力体系构建出了完整的价值链，这也将支撑母行和对外输出的社会化平台的全链路建设，最终实现业界领先的人工智能能力。就像我之前提到的，人工智能的发展离不开各类人才，我们 AI 工程部欢迎相关背景的优秀人才加入我们，在中国建设银行的大背景下，利用人工智能的技术为公司发展和民生民计做一些贡献。

嘉宾介绍：

吴磊，建信金融科技有限责任公司量子金融应用实验室主任、基础技术中心 AI 工程部负责人。有 17 年系统架构与创新技术研究经验，曾出版博文视点技术书籍，获得系统分析师与微软技术专家认证。曾担任微软 Windows 讲师、InfoQ 架构师杂志技术专栏版主，QCon 第一届全球企业开发大会和微软开发者大会主题演讲嘉宾及电子科技大学业界导师。2011 年进入建行参与新一代核心业务系统建设，担任托管开发团队技术负责人、行业应用开发团队负责，个人及所带领的团队多次获全国金融工委、央行、总行及亚洲银行家授予的多项荣誉称号。2019 年 11 月至 2020 年 4 月参与基础技术中心筹备工作，任筹备组副组长。现任量子金融应用实验室主任、基础技术中心 AI 工程部负责人。

原文链接：建信金科大咖访谈：人工智能技术应用与展望