香港科技大学杨强：人工智能将使金融变得更加场景化

　　    11月9日，2017腾讯全球合作伙伴大会分论坛创想·微众银行在成都举行。香港科技大学计算机科学与工程系系主任、国际人工智能协会主席、微众银行独立董事杨强教授表示，未来，人工智能不仅在改变金融，还使得金融变得更加的场景化，高频交易。

　　对于人工智能与金融场景。杨强说，首先，金融的场景里分为几个非常复杂的块，比如支付、信贷和财富管理，之前主要是由专家，由人，由银行来进行这样服务的。人工智能的引入使得银行的这些服务有了本质的变化，主要有三个变化：

　　首先是模型的引入，尤其像人工智能模型的引入，能够有自学能力的模型使简单人造的模型变得复杂化，变得场景化，他可以应付各种各样的场景。简单的模型一个人可以一天写几条规则，一个团队一年下来可以写几千，最多一万条规则，但是人工智能的模型可以写出上亿条规则，这些规则就使得人工智能的模型能够适配于各种不同的细分场景。

　　第二，人工智能的引入使得人和人的关系变成机器和人的关系的服务。从人为主导的服务变为自动的服务，就是扩拓展性。比如过去我们银行一天可以接待成百上千人，但是像微众银行这个场景，却可以应付上千万人的需求，就是机器能够拓展人的能力。

　　第三，就是服务从一个通用化的服务，现在演化到千人千面的服务，人工智能使得这个技术成为可能，所以金融的场景化，金融的高频化，金融的个性化，这个就是人工智能所带来的三个巨大的变化。

　　人工智能如何产生这些变化？据杨强介绍说，人工智能的发展到今年有60多年了，60多年前在美国正式提出了人工智能这个概念。最近的发展是以机器学习的突飞猛进，从九十年代到现在大家一致认为是通过机器，通过对大数据的学习能够产生像人一样的智能，现在首当其冲就是深度学习。最近，阿尔法狗带来一个新的名词是“强化学习”，这个强化学习在金融当中更加适用，因为整个过程在外界得到反馈，我们跟用户交互得到的反馈就要加强学习，这个就是强化的概念。在计算机里强化学习就像阿尔法狗一样的通过对这些棋局的分析，使得这个系统变得越来越强大，这个过程非常有趣。它的发展是通过观察动物的迁移行为，最后发现动物组群的动物，之所以能够存活，也是因为它具有强大的学习的能力，一个演进的能力和强化学习能力是分不开的。

　　深度学习是一定要大数据来支持的，比如深度学习的一个重要里程碑是视觉和图像的识别，动辄上千万，上亿的图像，而且都要有人为的标注，但是强化学习使得这个学习的过程变得可以是在线学习，也就是说可以从零开始逐渐的增长。第二是它只要我们把这个问题的边界描述清楚，把这个边界能够用比如说下棋，你应该走哪一步，怎么样算赢这样的边界，只要由人用规则的形式表述的话也可以形成一个反馈，久而久之系统就可以应付这种清晰规则加上小数据。所以我们从大数据，往小数据发展。

　　杨强认为，现在国际上开始比较热的一个领域是迁移学习，已经建立好的一个模型可以把它迁移到一个新的领域，这个新的领域可以只有小数据，也可以完全没有数据。这个领域在更多的诚，尤其是在金融领域会遇到的场景。个人工智能的大规模推荐技术是由电商带来的，也应该是人工智能在大面积商业应用的第一个里程碑。这种服务能够让合适的人找到合适的服务，找到合适的钱，这种目的得以实现，得以扩展。

　　对于人工智能的前沿技术和金融场景有哪些关系？他认为，首先，人工智能时代的金融场景脱离不了金融的这些实际场景，比如支付、信贷，建立信用系统，这些场景还包括什么？把线上和线下能够打通，但现在还没有做好，原因在哪里？第一是数据没有打通。第二是人工智能技术的应用还不够到位，金融如果能够使能这种线上线下的打通，会带来完全不一样的场景，金融就变成了润滑油，我们不妨起一个名词叫做“金融的场景化”。我们每个人使用金融服务的时候一定有一个目的，这个目的在我们的心理，但是并没有能力去告诉金融服务机构，这个时候人工智能就可以派上用场，因为人工智能最擅长就是去猜用户要做什么，就像天气预报明天会不会下雨一样，如果猜得准，如果能预测用户能够使用什么东西，下面需要什么服务的话，那我们就可以在用户线下场景的时候，联想到线上，在线上场景的时候联想到线下。这样的打通，通过人工智能再用金融加以服务的话，就可以实现润滑油的作用。

　　其称，现在的推荐系统已经不是十年、二十年前的了，现在是用深度学习，用大规模的算法，可以动辄动用上亿数据。与此同时，高频化是一个非常大的需求，尤其是使得人工智能成功，我们生活当中有很多的例子，我们人和人之间的交流，我们人和服务之间的交流，有些是高频的，也就是说我们一天要做多次，有些是低频的，一年可能做一次。比如我们春节回家这个是低频的活动。人工智能可以通过各种各样的经济数据，可以来建立一种模型。

　　“迁移学习在小数据上面的应用能够实现个性化，和人类的知觉是分不开的。”杨强说，迁移学习是下一个机器学习的热点。它的好处首先在小数据上能够通过模型的适配来达到很好的效果，同时，能够使一个在本领域建的模型非常的可靠。再者可以实现个性化。

　　迁移学习也在发展，和深度学习也在一起磨合，比如说单层网络的迁移学习，现在通过深度学习也可以发展到多层的深度学习。迁移学习在一个领域建立起一个舆情领域以后可以迁移到新的领域，这样很快很准。

　　“未来，人工智能不仅在改变金融，还使得金融变得更加的场景化，高频交易。另外，能够千人千面个性化，能够更好的服务于普罗大众。”杨强表示。