12月22日，第13屆信息化領(lǐng)袖峰會暨2017中國數(shù)字化貢獻人物頒獎盛典在上海舉行，主論壇以“馭變創(chuàng)新，擁抱數(shù)字化”為主題。國泰君安證券股份有限公司IT執(zhí)行委員會副總裁、信息技術(shù)部總經(jīng)理俞楓發(fā)表了題為“人機同行，券商人工智能應(yīng)用趨勢探討”的演講。

　　俞楓在演講中表示，因為移動數(shù)據(jù)的大量產(chǎn)生和計算能力的提升，現(xiàn)在是人工智能發(fā)展的黃金期。他提出了AI在券商中的六個應(yīng)用方向，分別是智能風(fēng)控，精準(zhǔn)運營，O2O，智能投研，企業(yè)數(shù)字化和智慧運維，AI的作用是輔助人類、降低門檻和提升效能。

　　國泰君安證券股份有限公司IT執(zhí)行委員會副總裁，信息技術(shù)部總經(jīng)理俞楓 主辦方供圖

　　以下是澎湃新聞(www.thepaper.cn)整理的俞楓演講實錄，經(jīng)演講者審訂：

　　人工智能經(jīng)過60多年積累，現(xiàn)已進入黃金發(fā)展期

　　1956年就有人工智能的概念，經(jīng)歷了三起兩落。近年來，在深度神經(jīng)網(wǎng)絡(luò)、圖形處理器、大數(shù)據(jù)等技術(shù)的推動下，人工智能迎來了飛躍式發(fā)展，人工智能經(jīng)過60多年的積累，現(xiàn)已經(jīng)進入第三次黃金發(fā)展時期黃金發(fā)展期。

　　為什么會有這么一個黃金發(fā)展期出現(xiàn)呢?按照我個人理解主要有兩個原因，第一是大數(shù)據(jù)，移動數(shù)據(jù)大量產(chǎn)生，特別是各類行為數(shù)據(jù)的大量采集，大數(shù)據(jù)是人工智能發(fā)展重要的基礎(chǔ);第二就是計算能力，整個IT在摩爾定律大的范疇下計算能力提升很厲害。當(dāng)然，算法的提升也是原因之一，不過象在大規(guī)模神經(jīng)網(wǎng)絡(luò)中大量使用的BP神經(jīng)網(wǎng)絡(luò)算法實際上早在1986年就已經(jīng)提出了。

　　人工智能和大數(shù)據(jù)的是孿生兄弟的關(guān)系。大數(shù)據(jù)發(fā)展了，人工智能才有發(fā)展的基礎(chǔ)，同樣人工智能的進步又給數(shù)據(jù)分析帶來了新的春天，所以是一個相互促進的過程。人工智能已經(jīng)在局部領(lǐng)域當(dāng)中取得了很多突破，AIphaGozero的出現(xiàn)是一個有自我增強學(xué)習(xí)能力的應(yīng)用，谷歌在藝術(shù)發(fā)展領(lǐng)域當(dāng)中Magenta項目的突破，沃爾森在很多商業(yè)認知領(lǐng)域都有了新的發(fā)展，百度無人駕駛也炒得很熱。專用人工智能在局部領(lǐng)域的突破引起了世界強烈的關(guān)注和熱議。

　　Gartner預(yù)測未來5年人工智能將帶來全新的商業(yè)生態(tài)。至2018年，20%的商業(yè)文件將由機器來創(chuàng)作和編輯，包括預(yù)算報告、體育和商業(yè)報道，且不帶偏見和情感。到2020年，幾乎每一款新的軟件產(chǎn)品和服務(wù)都將內(nèi)含AI，20%公司使用人工智能技術(shù)提升企業(yè)內(nèi)部應(yīng)用和流程，55%的大企業(yè)將已經(jīng)部署至少一款機器人或聊天機器人。到2021年，逾半數(shù)企業(yè)每年在機器人和聊天機器人開發(fā)方面支出將超過移動應(yīng)用開發(fā)。

　　人類已進入“弱人工智能”階段

　　我認為人類已進入“弱人工智能”階段，這一階段的顯著特征是機器現(xiàn)在還只是擅長于某一局部單方面的人工智能，比如可以局部感知周邊環(huán)境，可以做一些記憶學(xué)習(xí)，但是是局部不是全局的，更重要的是需要大樣本的訓(xùn)練和試錯進行學(xué)習(xí)和提升，還不能自主學(xué)習(xí)。現(xiàn)在還是弱人工智能階段，與人類相比還不能完全自主進行情感體驗和綜合性感知，距離各方面能力與人類相當(dāng)?shù)摹皬娙斯ぶ悄茈A段”以及全方位超越人類智能水平的“超人工智能階段”，仍然差距很大。當(dāng)然在人工智能時代，有必要探討一下人和智能機器之間的微妙關(guān)系。

　　目前是弱人工智能時代，短期內(nèi)人工智能替代人類還是比較難的。首先，人工智能進步是建立在學(xué)習(xí)海量、高質(zhì)量的數(shù)據(jù)基礎(chǔ)上，沒有大數(shù)據(jù)的支撐很難發(fā)展;其次，需要有明確的計算機邏輯、推理規(guī)則來告知機器，機器需要明確知道如何計算，并能接收到對于計算結(jié)果或者預(yù)測結(jié)果正確與否的反饋;最后，對算力的要求很高，硬件基礎(chǔ)支撐人工智能發(fā)展并發(fā)揮計算優(yōu)勢。我認為這三條是目前人工智能發(fā)展的基礎(chǔ)，國泰君安作為券商，數(shù)據(jù)比較多，百分之百的業(yè)務(wù)都在系統(tǒng)上，這幾年除了解決業(yè)務(wù)描述數(shù)字化之外，在做運營管理的數(shù)字化，接下來還要實現(xiàn)決策支持的數(shù)字化。高度數(shù)字化是證券行業(yè)的特色，證券行業(yè)還是有很多規(guī)則，但是比較復(fù)雜，是不是可以通過人工智能預(yù)測發(fā)展?券商可以充分發(fā)揮AI的技術(shù)潛能，證券行業(yè)在人工智能的應(yīng)用方面將會是大有所為的。

　　人工智能面臨諸多挑戰(zhàn)

　　人工智能各項技術(shù)目前正面臨諸多挑戰(zhàn)，第一是機器學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)方面，機器在特定領(lǐng)域邏輯思維和分析推理能力已趨近或超過人類思維，但機器的自主認知、情感體驗、靈感和形象思維等仍有巨大差距。第二是模式識別方面，計算機視覺、生物特征識別(人臉、聲紋、指紋、虹膜)應(yīng)用日益廣泛，但機器統(tǒng)籌視覺、聽覺、觸覺、嗅覺等的綜合感知、推理能力不足。第三是知識圖譜方面，已出現(xiàn)基于知識圖譜的智能搜索、風(fēng)險管理等應(yīng)用，但數(shù)據(jù)噪聲、知識推理、模型自優(yōu)化等難點仍需解決。第四個自然語言處理方面，聊天機器人、智能客服、機器翻譯已比較成熟，仍存在上下文理解、推理、不規(guī)范發(fā)音處理等問題。

　　我認為當(dāng)前階段人工智能應(yīng)用比較理性的選擇就是：人機同行，All in AI。把機器定義輔助人類，降低門檻、提升效能上。谷歌有一個團隊在最近的東京亞太活動當(dāng)中也提出來，AI是幫助人類解決日常所需，我認為人工智能目前最現(xiàn)實的應(yīng)用就是人機同行。比如說現(xiàn)在市場上這么多股民，而研究員、分析師人數(shù)服務(wù)很有限，一個人一天可能只能服務(wù)100個客戶，如果AI賦能之后就可能服務(wù)3000個客戶;原來有些事情只能高級專家做的，現(xiàn)在人工智能的輔助下，可能普通員工也可以完成這些高難度工作;原來算法交易只可以處理少量的數(shù)據(jù)，現(xiàn)在有了人工智能以后可以從海里數(shù)據(jù)中進行大量的回溯和分析。最重要的差別原來是基于經(jīng)驗的運作，現(xiàn)在可以基于很多量化的分析進行，數(shù)字化應(yīng)用里面最重要的就是數(shù)據(jù)驅(qū)動，這也需要通過人機同行輔助的。從券商來說，所有的業(yè)務(wù)線都需要AI。

　　券商人工智能六大應(yīng)用趨勢

　　第一，智能風(fēng)控。

　　智能風(fēng)控最大的核心是通過風(fēng)控數(shù)據(jù)湖把所有數(shù)據(jù)進行規(guī)整和一體化，包括外面的輿情和安全情報也可以進行一體化的規(guī)整。原來我們的風(fēng)控是通過各種信用風(fēng)險、操作風(fēng)險、市場風(fēng)險、流動性風(fēng)險等模型來實現(xiàn)的，但是這些模型原來主要靠經(jīng)驗和研究來實現(xiàn)的，現(xiàn)在加上機器學(xué)習(xí)引擎、風(fēng)控知識圖譜以后，可以構(gòu)造很多智能分析模塊，通過機器學(xué)習(xí)引擎、特征工程、自迭代算法、風(fēng)險知識圖譜等，把他們智能分析模塊產(chǎn)生的結(jié)果賦能到原有的模型里面去，在風(fēng)控中疊加智能分析。

　　智能風(fēng)控后出現(xiàn)三個變化，由原來豎井式、領(lǐng)域化風(fēng)控轉(zhuǎn)變成全面風(fēng)控、集團化風(fēng)控;由事后為主的風(fēng)控變成實時、事中、事前的風(fēng)控;由靜態(tài)、被動的風(fēng)控到動態(tài)、自適應(yīng)的風(fēng)控的轉(zhuǎn)變。

　　我們基于大數(shù)據(jù)平臺實現(xiàn)了互聯(lián)網(wǎng)業(yè)務(wù)實時反欺詐，現(xiàn)在很多互聯(lián)網(wǎng)業(yè)務(wù)中存在有很多水軍，對業(yè)務(wù)效益有很大影響，我們建立了實時識別水軍和羊毛黨的實時反欺詐系統(tǒng)。剛建的時候是靠經(jīng)驗找的規(guī)律，今年上半年已采用機器學(xué)習(xí)，防控模型通過AI來做的。我們發(fā)現(xiàn)原來經(jīng)驗的模型做完以后，一段時間以后有的人會摸出規(guī)律來了，現(xiàn)在附加了AI模型之后識別率大大提升，現(xiàn)在查準(zhǔn)率90%以上，通過AI建設(shè)整個風(fēng)險智能分析的引擎，這塊還是有很大發(fā)展前途的。

　　第二，精準(zhǔn)營銷。

　　首先，洞悉用戶、挖掘需求，跨渠道用戶數(shù)據(jù)收集，建立數(shù)據(jù)畫像，對用戶每個業(yè)務(wù)環(huán)節(jié)和場景進行關(guān)聯(lián)分析，實現(xiàn)貫穿全用戶旅程的營銷方案。其次，通過對渠道獲客相關(guān)指標(biāo)的智能分析，快速有效評估渠道獲客質(zhì)量，進行渠道優(yōu)化。然后，在平臺方面打造極致用戶體驗，增強用戶粘性。最后在活動方面，通過標(biāo)簽體系，以不斷獲客、激活存量客戶、召回沉寂客戶。

　　這是國泰君安做的探索，實現(xiàn)了用戶和客戶的標(biāo)簽化，建立了超過1000個指標(biāo)的用戶畫像和500個指標(biāo)的客戶畫像，完成千人千面的精益化零售客戶服務(wù)體系的構(gòu)建問題。建立互聯(lián)網(wǎng)業(yè)務(wù)運營指標(biāo)體系，把整個互聯(lián)網(wǎng)服務(wù)和獲客渠道進行了規(guī)整，基于3A3R指標(biāo)體系實現(xiàn)了互聯(lián)網(wǎng)業(yè)務(wù)的全數(shù)字化運營，基于指標(biāo)體系進行數(shù)據(jù)驅(qū)動的運營管理，這是運營數(shù)字化的例子。

　　第三，O2O服務(wù)。

　　利用智能化的方法把線上和線下服務(wù)進行很好的融合。智能客服比較重要，現(xiàn)在國泰君安應(yīng)用得非常成熟。國泰君安打造行業(yè)領(lǐng)先的智能APP，把智能APP定位為輔助人，幫助投資者全生命周期的投資行為，已推出系列化的智能服務(wù)，讓客戶從一進入國泰君安的APP到完成整個投資流程都給它相應(yīng)的智能服務(wù)，通過智能手段提供智能選股、智能診股等，未來這塊是以后智能APP的發(fā)展方向。國泰君安智能客服已經(jīng)上線3年多，替代率達到96%。剛開始引進引擎之后效果不理想，后來組織了機器學(xué)習(xí)的環(huán)境，對它不斷進行訓(xùn)練，學(xué)習(xí)效果相對比較好。智能投顧最大的應(yīng)用就是理財規(guī)劃。智慧網(wǎng)點銀行做得比較好，我們也在積極推進線下智慧網(wǎng)點的建設(shè)，以完成線上線下融合。

　　第四，智能投研。

　　傳統(tǒng)投研是在出現(xiàn)某個事件后(如某地方發(fā)生地震)，首先要做的是對各類專業(yè)知識的搜索，然后把各種數(shù)據(jù)進行關(guān)聯(lián)和解讀，以及對海量歷史事件和數(shù)據(jù)進行關(guān)聯(lián)分析，最后才能預(yù)測未來走勢，這個過程相當(dāng)耗時耗力、且高度依賴于人員專業(yè)程度。未來人工智能將會為投研帶來全新的模式，現(xiàn)在可以通過AI手段進行數(shù)據(jù)增強，進行內(nèi)容提煉，進行整合分析，基于知識圖譜分析同業(yè)競爭關(guān)系、事件關(guān)聯(lián)性，預(yù)測事件對于市場的影響。國泰君安目前正和美國一家金融科技公司研發(fā)智能投研平臺，目前已形成公告和摘要的自動生成。以前信息分類要靠人工的，這是效率很低的，通過AI手段提供摘要自動生成，可以很好地匹配給客戶，對于公告、摘要的自動生成目前已經(jīng)做好了，接下來再做知識圖譜和預(yù)測方面的工作。

　　第五，企業(yè)數(shù)字化。

　　對日常流程類工作可以通過企業(yè)數(shù)字化得到大大提升。利用智能手段，可以完成電子合同實物的校驗、財務(wù)數(shù)據(jù)自動提取、解讀非結(jié)構(gòu)化的文本等，這樣我們提高財務(wù)管理、法律合規(guī)等工作的效能。一個公司IPO過程很長，文本要做很多次，容易出錯。現(xiàn)在通過AI技術(shù)，利用模式識別和OCI技術(shù)把IPO申報材料中的數(shù)據(jù)進行關(guān)聯(lián)，做自動糾錯，也能夠基于目前的一些技術(shù)做企業(yè)估值的模型。2018年國泰君安會借搬入新的大樓的契機打造新的智能辦公平臺。

　　第六，智能運維。

　　通過AI算法給運維工作賦能，實現(xiàn)智慧的運維工作，包括智能服務(wù)臺、運維操作、信息安全態(tài)勢感知等。未來的運維體系由運維數(shù)據(jù)層、AI框架層、AI算法層、運維應(yīng)用層組成。對于信息技術(shù)安全態(tài)勢感知的問題，原來對于安全我們只是收集邊界上的數(shù)據(jù)，后來發(fā)現(xiàn)很多安全是跟業(yè)務(wù)活動有關(guān)聯(lián)的，需要進行兩者的關(guān)聯(lián)分析。信息安全不能被動防御，需要進行主動防護，需要提前進行安全態(tài)勢的預(yù)測，可通過AI技術(shù)幫助做安全態(tài)勢感知的工作。

　　AI未來會像水電煤一樣成為全標(biāo)配的基礎(chǔ)設(shè)施，每個領(lǐng)域和每條線都會用，通過人機同行，大幅度降低專業(yè)門檻提高運作效能，以后肯定是有AI賦能的人一定會比沒有利用AI的人更強!