平安科技首席科学家肖京：如何让AI更好地服务金融业| CCF-GAIR 2017

本篇文章3480字，读完约9分钟

由中国计算机协会主办，雷锋主持。第二届ccf-gair全球人工智能与机器人峰会在深圳成功举行。

会上，国家“千人计划”特聘专家、平安科技首席科学家肖静博士作了题为“智力+的探索与实践”的演讲。

肖静博士介绍，平安集团自成立以来，经历了经营决策的三个阶段:

信息化阶段:打开所有环节，让公司的业务人员和决策者能够快速获取信息并做出决策；

数据阶段:公司存储信息进行分析和统计；

智能阶段:公司不仅可以存储数据进行分析，还可以进行深度挖掘，帮助管理层做出更好的决策，甚至自动做出决策。

至于人工智能在金融领域的应用，肖静博士说，人工智能是一个比较老的概念。自1956年以来，人工智能经历了两次大起大落。在他看来，从乐观到被所有员工接受，ai的爆发取决于以下三点:

互联网和大数据的出现；

存储容量和算法的显著改进；

深度学习的兴起。

在他看来，alphago已经成功地吸引了人们对人工智能的关注，但它仍然有许多缺点。“如果你知道你会赢，但你不知道你为什么会赢或赢多少。因此，在财务决策中，除了情报，我们还必须使用定量数据和信息来快速了解业务规则并做出决策。”

基于此，平安科技在此基础上做了一些改进，主要分为三大方向。

一是可解释性；

二是小数据学习；

第三，记忆增强神经网络。

总的来说，肖静博士认为，人工智能技术发展很快，对各行各业都有非常明显的促进作用。然而，在如何利用技术更好地服务于市场方面仍然存在许多不足。之后，会有一个又长又陡的斜坡要爬，前面的路肯定不容易。不过，肖静博士也通过雷(公开号:雷)表示，平安愿意与大家一起探索未来，分享集团的业务经验和技术能力。

以下是萧静博士和雷锋的讲话全文。com在不改变初衷的情况下做了一个编辑:

大家好！我很高兴今天能在这里和你交流。两位教授的报告很精彩。张教授(HKUST教授)谈人工智能为什么需要节约。我谈到了为什么经济和金融行业需要人工智能，以及人工智能如何更好地帮助金融行业。

首先，让我们简单介绍一下平安的基本情况。平安集团已经从100套小房子发展成为拥有150万人口的大企业。它的发展经历了三个阶段:

首先是自营模式，经营保险、人寿保险和银行业务；

二是允许其他公司的服务进入平安集团，如鲁法克斯；

第三是允许其他公司的产品在安全的平台上交易。

这是平安3.0的舞台。其战略目标是成为世界领先的个人综合生活服务提供商。这包括两个策略，一个是大型金融资产；第二，伟大的医疗保健和健康。

平安从一开始就接触金融业，对传统金融业非常了解。平安保险是一家完全许可的公司，其业务范围包括保险、银行和资产管理。

传统金融+互联网打造传统商务互联网，结合线上线下沟通，降低成本，提高效率，提升客户体验。

互联网+中的传统金融和互联网+中的金融与非金融是围绕用户需求构建的互联网生态圈，其中植入了金融服务和非金融服务。

除了金融服务，平安还关注房地产服务、医疗保健和汽车服务。在所有架构之下是平安的综合平台，为整个集团的所有金融和非金融业务提供技术支持。

平安也经历了三个阶段。

首先是信息化，我们在很多年前就实现了信息化，打开了所有的环节，让我们的业务人员和决策者能够快速获取信息并做出决策；

第二是数据化。我们存储信息用于分析和统计；

第三，它是智能的。我们不仅可以存储数据进行分析，还可以进行深度挖掘，帮助我们做出更好的决策，甚至自动做出决策。

为了这三个方向的全面发展，平安在模式和业务形式上都发生了很大的变化。从2000年开始，平安开始向互联网增值转型。在接下来的20年里，平安的所有业务都实现了网络化，这可以降低成本，提高效率。

互联网只是一种模式创新，相对容易实现。在过去的几年里，整个市场进入了一个新的阶段——智能+。我们希望在业务流程的每一个环节都植入智能元素，使每一个环节都智能化，具有更高的效率、更低的成本和更好的用户体验。

智能+主要是一种技术创新，与互联网+有很大不同。主要区别在于智能+需要数据分析、价值挖掘和价值表现。在这方面，平安有着独特的优势。在过去的29年里，平安积累了大量的数据。现在我们有3.76亿互联网用户和1.37亿个人金融客户。

如何通过智能挖掘元素？

首先，商业规则。我们是专家系统和规则引擎。数据依赖于规则、经验和知识，不能直接从数据中获得。例如，平安的反欺诈索赔系统覆盖了数万个模型和零件。假设本田车主来解决索赔并更换保时捷零件，这很快就会被发现是非法和欺诈的。

第二，商业智能，它将用户分成不同的组，然后对他们进行分析，并针对不同的用户组实施不同的营销和风险控制策略。

然后是人工智能时代。人工智能有着悠久的历史，远远早于大数据和云计算。这不是一个新概念。问题是，为什么人工智能现在又热了？

早在20世纪70年代，电视广告中就有人工智能机器人助手，他们每天帮助你检查你的电子邮件和语音交互。每个人都认为人工智能可以做这些事情。后来发现当时的计算能力很弱，词库里只有30-40个单词，所以大家都认为人工智能是个骗子。

自20世纪90年代中期以来，由于互联网的出现，数据、存储容量和算法都得到了显著提高，人工智能技术又开始蓬勃发展。

后来，在2006年深度学习出现后，它给非结构化数据处理带来了巨大的突破，并产生了许多应用场景。

从那以后，人工智能成了一团火。

技术的发展总是围绕着人类的实际应用。随着深度学习技术的出现，在金融和医疗保健等许多行业，我们不再是纸上谈兵。在过去，当我们做声音和图像时，我们需要定义许多特征，并基于这些特征进行算法、机器学习和数据分析来实现我们的目标。现在，经过深入学习，端到端处理在非结构化数据下自动完成，这完美地解决了以前遇到的棘手问题。

张小泉教授刚才提到了深度学习的许多问题，如海量数据、机器学习方法等。，这不需要考虑太多，但在实际应用中必须注意。

阿尔法戈告诉你你会赢，但它不会告诉你为什么。在许多情况下，我们需要知道我们财务状况和医疗状况的原因。你给客户的贷款利率比别人高，所以我需要一个理由。

阿尔法戈的不足之处在于它知道如何赢，但不知道赢多少。

在做财务决策时，如果你不知道赢多少或输多少，你就不会做出判断。此外，我们还知道，金融、医疗等行业通常都是小数据(数据量很小)，无法快速吸收业务规则。

对此，我们做了相应的改进:

一是可解释性；

二是小数据学习；

第三，记忆增强神经网络。

有许多小数据学习的例子。例如，平安为猪引入了牲畜保险，并在它们年幼时为它们投保。如果他们长大后死了，他们可以申请政府补贴。因为很少有猪脸的照片，其他死猪的照片可以用来识别它们。许多人已经看到了这个“市场”，并争相要求补贴。小数据学习可以很容易地解决这个问题，从深度学习到增强神经网络，通过反网络的方法识别死猪和健康猪。

综上所述，金融、医疗等行业将受到自身的限制，而人工智能等最新技术可以很好地解决难题。基于此，平安还花了两三年时间打造了一款智能引擎。

第一层是感知层，它集中了该层中可以收集的所有数据，并使其干净、集成、存储和安全。在我们建立了这个平台之后，这是金融机构最大的大数据平台，我们拥有最强大的团队；

第二层是人像和脸谱，分为用户人像、产品人像和渠道人像，模型分别制作；

第三层是平安大脑算法的能力，这是一个分三个阶段的不同技术；

第四层是我们的解决方案和应用场景。虽然我们有最好的团队，但金融行业中没有其他人应该有这么好的平台。和平的场景太多了，我们仍然很缺人。

功能实现分为八个方面:

主要是区分以财务为核心的风险控制和欺诈识别。

精密营销，我们是一个完全授权的集团，有许多细分业务和数千万客户在每个业务。如何洞察客户需求，做好精准营销非常重要。

运营优化:平安有110万销售人员。保险推销员是最难管理的群体。他们每天都在外面。如何控制风险？如何提高绩效？如何使用智能方法更好地提高性能。这些是我们思考的问题。

我们可以通过大数据更好地匹配销售人员和客户，更好地个性化和简化流程。最初的常规流程是25个问题，通过客户背景和信息可以减少到3个问题；汽车保险理赔占很大比例，自六个月前推出以来，已经在很多领域得到应用。

24小时风险监控系统，可以帮助你做出非常好的选择，并24小时监控风险，包括200多个网站的传统金融信息、新闻和舆论等。

总的来说，人工智能现在发展得很快，但是后面会有一个很大的斜坡。在未来，平安愿意探索未知，与您分享我们的业务经验和技术能力。谢谢你！

雷锋原创文章。严禁擅自转载。详情请参考转载说明。