专访平安科技首席科学家肖京：平安智能化的甜蜜与辛酸 | CCF-GAIR 2017

本篇文章4272字，读完约11分钟

“智力+实际上是一个甜蜜而痛苦的过程。最终的价值自然是甜蜜的，但结果过程往往要经过一系列复杂的磨合和调整，这需要业务和技术的配合，而业务人员的理解和支持是非常重要的。”

当雷锋。当被问及平安集团是否在全系统数据背后隐藏了什么故事时，平安科技首席科学家肖静情绪激动地表示。平安集团拥有完整的财务许可证，业务产品线广泛。

平安集团是一家传统的金融机构，在行业内较早地开辟了新的金融领域，现在已经有了许多具有代表性的作品。最知名的产品有2c产品，如鲁法克斯、平安良医、平安金管家、童等。此外，平安科技人脸识别准确率超过99.8%的消息，作为平安集团金融技术探索的一步，也是今年各大平台的热门消息。平安金融云也是平安的产品之一。据了解，平安70%的核心系统集团和数十家中小银行已经实现了云计算。

第二届中国计算机联合会-全球人工智能与机器人峰会第二天，由雷锋主持。作为金融科技的特邀嘉宾，萧静分享了平安“智能+”的过去、现在和未来的发展之路。作为平安科技的首席科学家，肖静主要负责平安金融和医疗卫生相关业务的大数据和人工智能技术及应用产品和服务的研发，并管理智能引擎部、技术研究院、后端大数据平台和前端客户关系管理crm等核心部门。

“智能增值”源于“互联网增值”的概念，平安视之为业务升级最关键的发展方向。与专注于模式创新的“互联网+”相比，平安认为“智能+”本质上是技术创新，需要数据、行业专家、场景和技术(算法和计算能力)的合作来实现。

毫无疑问，数据是一切的基石。2013年，大数据的概念出现，平安开始进行数据集中。前后用了近一年的时间，集团内部的数据孤岛才得以打开，整合到一个平台上，并配备了自动更新和质量控制机制。

构建数据平台只是起点，如何利用这些数据实现商业智能才是最终目标。萧静告诉雷锋，他在2015年加入平安科技，并领导大数据部门。他制定的第一个计划是平安大脑智能引擎规划，以帮助核心业务进行智能分析和决策。

平安大脑智能引擎可分为四层。

第一层是感知层，主要用于访问、收集和整合数据。

第二层是索引层，它描绘用户肖像、产品肖像和渠道肖像等肖像，并分别制作模型。

第三层是中心层，它收集商业智能、预测和推荐、异常监控、深度智能和其他算法能力。

第四层是执行层，它是所有相关核心业务的解决方案和应用场景实现层。它主要有八个核心部分，即风险控制、欺诈识别、运营优化、精准营销、智能监控、商业智能、智能金融和智能客户服务。

在讲话中，肖静还强调了实现第三层算法能力的三步曲，指出深度学习等复杂算法不能简单应用。

第一阶段是建立一个全面的确定性专家系统和规则引擎。业务流程中的许多环节都深深依赖于规则、经验和知识，而这些规则是不能从历史数据中获得的。

第二阶段是商业智能阶段，如用户分组和关联分析。可以对用户进行不同的营销和风险控制策略。通过关联分析发现销售线索或风险控制因素，长期以来在大量场景中取得了良好的效果。然而，商业智能一般是对单目标相关因素的统计分析，往往难以深入挖掘多目标、多因素的复杂关联关系，尤其是弱关联因素的挖掘和利用。然而，在大数据时代，有一个显著的长尾现象，在充分利用大数据的价值之前，有必要挖掘尽可能多的弱相关因素。因此，我们需要进入第三阶段。

第三阶段是人工智能阶段，利用机器学习和深度学习等人工智能技术进行深度挖掘，充分利用大数据的价值，实现更准确的分析。

当前的人工智能技术浪潮是历史上的第三次复兴。这一次，它主要依靠基于大数据的机器学习，属于人工智能中的连接主义范畴。这些技术在结构化数据和非结构化数据的分析和挖掘中取得了良好的效果，但也存在一些不足。例如，缺乏对因果关系的考虑和对数据相关性的过度依赖往往导致不充分的可解释性。此外，相关方法通常针对大数据场景，缺乏快速吸收业务规则和知识的机制。在金融和医疗业务场景中，在做出决策时通常需要知道因果关系，并且经常面临需要小数据学习的场景，并且需要能够快速响应规则的变化。基于此，平安在这三个方面做了相应的改进。

萧静演讲后，雷Feng.com(公开号:雷Feng.com)接受了他的专访。下面是采访记录，和雷锋。com做了一个没有改变初衷的编辑:

平安的内在机制

雷锋。平安集团数据服务部的机制是什么？垂直业务线和数据部门如何协同工作？

肖静:平安集团在三个地方有五个数据中心，都是基础设施服务。此外，平安科技还为每个垂直业务线设立了相应的it服务部门，包括数据服务部门。这些部门配合业务公司的相关业务部门解决相应的业务数据分析需求。

雷锋。一位受访的共同黄金公司首席执行官表示，他们不会专门研究尖端技术，因为高风险和高回报并存。有两种风险。首先，新技术的研发投入非常大。第二，商业表现仍然未知。另一方面，平安已经涉足各种新兴技术领域。你如何看待内部新技术的研究工作？或者，平安研究新技术的追求是什么？

肖静:我认为尖端技术不一定意味着高风险。平安将让专业人士做专业的事情，先做好目标分析和规划，然后进行大规模投资。如果定性的目的不明确，目标和可行性无法确定，我们就不会盲目大规模投资，也就不会有太高的风险，就像是研究所做的一个项目的小尝试。

如果目标和可行性是有根据的，在平安大众系统中尝试一下，你可以很快看到趋势的商业效果。例如，如果定价风险控制模型具有强大的执行能力和足够大的容量，它可以像互联网一样快速迭代，验证效果并进行调整和改进。这是平安综合金融平台相对于其他单一小平台或纯技术公司的优势之一。

另一方面，集团本身非常重视科技，投入巨资，并愿意尝试创新。董事长马明哲一直强调科技引领金融，平安未来5-10年更大的收入和成本将来自科技而非资本。

竞争与合作雷锋。作为一家传统金融机构下的科技公司，与其他科技公司相比，它们的优势和劣势是什么？

肖静:在人工智能基础技术的研发中，学校和研究机构是主力军。工业的竞争优势在于它的应用。在我的演讲中，我提到了“智能+”的四个要素——数据、行业专家、场景和技术。和平的好处也反映在这些方面。

首先是数据的优势。平安是一家获得完全许可的金融机构，拥有大多数科技公司无法比拟的数据优势，包括广度和深度。科技公司更有可能分析用户的数字痕迹，以猜测哪些服务是有效的。平安可以洞察用户需求，更快地提供合适的产品和服务。

第二是专家的优势。经过29年的发展，我们拥有一大批金融和医疗领域的行业专家。阿尔法戈优于使用类似深度学习技术的其他机器人的一个重要原因是，其核心R&D团队不仅是技术专家，也是围棋大师。

第三是现场的优势。平安的金融和医疗应用场景非常丰富，而大多数科技公司没有丰富的应用场景。为了验证技术效果，有必要与商业公司协商。从说服他们合作到最终申请，他们需要经历一个非常复杂的磨合过程，在得到甜蜜的结果之前，这个过程将充满苦涩，这绝不是一件容易的事情。事实上，没有富有类似磨合经验的技术团队，最终的着陆能力是一个巨大的问号。

在技术层面上，平安具有明显的综合优势。经过多年的建设，平安拥有数万名技术人才，构建了强大的金融基础设施和云平台，包括一个面向深度学习集群的集团大数据管理与分析平台。

当然，金融和医疗保健是两个非常大的蛋糕，有许多技术应用的机会。科技公司深深地卷入了一个垂直领域，而且技术可能更深。

雷锋。平安将以何种形式与金融科技合作？

肖静:主要是技术合作，一般不涉及业务合作。我们与麻省理工学院和其他顶尖科研机构合作多年。此外，还包括承担平安的研发项目，或直接合作应用对方的成熟技术等。速度和效率是我们决策中最重要的因素之一。我们等不起。总之，我们对技术合作非常开放。

雷锋。平安与传统金融机构下的科技公司有什么不同？

肖静:在金融技术方面，大多数金融机构可能在战略和战术上比较保守，缺乏足够的创新投资，而且往往缺乏培训自己团队的能力。因此，他们不得不依靠技术外包来购买其他人的解决方案。然而，外包会有一些大问题，而且技术从来不在自己手中，所以他们害怕被别人控制。如果他们与小公司合作，稳定性就不能得到保证。事实上，这并不重要，尤其是对于中小金融机构来说，像平安这样打造自己的能力可能太难了，但有必要提高自己的业务能力，只需选择合适的合作伙伴。

行业洞察力

雷锋。目前，人工智能致力于人工智能。与一般人工智能相比，哪一种更有应用价值？

肖静:人工智能可以分为弱人工智能、强人工智能和超人工智能。目前，人工智能正处于弱人工智能阶段，这意味着它只是在某些方面优于人类，但在某些方面还远远不够。它的能力有一个有限的领域，而一般的人工智能至少要到强大的人工智能阶段才会出现，目前还没有一般的人工智能。

通用人工智能是一个有趣的研究方向，但它可能不会在大多数实际业务中带来额外的应用价值。就我个人而言，我认为这应该留给科研机构来解决关键问题，企业应该更加注重开发智能技术来解决实际的业务难题。即使要做，也应该作为一个长期目标来规划，否则就不现实了。

目前，要想很好地应用人工智能技术，清晰地定义目标场景和问题是非常重要的。这个问题太大、太笼统，而且往往不能取得好的结果。目标明确且有针对性。应用程序成功后，考虑如何标准化和扩展应用程序。

雷锋。那么，如何将特殊的人工智能技术快速复制到其他领域呢？

肖静:既然讨论的是业务应用，而不是纯粹的技术研究，我们一般认为，要开发任何人工智能应用，首先要有明确的目的和目标，进行可行性分析，然后进行具体的规划和实施。

人工智能技术的应用应复制到其他领域，并应采取类似的方法。首先确定新领域相应业务应用的目的、目标和可行性，然后借鉴以往应用的工程经验，规范前期成功的技术应用，调整新领域应用的规划和实施方案。

雷锋。有一种观点认为，在金融行业中，5%的关键小数据经常发挥作用。那么95%的弱相关数据如何发挥作用呢？

肖静:5%的关键小数据是强相关的，95%是弱相关的。只看5%的强相关性是商业智能的典型表述，它仍处于前面提到的智能的第二阶段，主要是通过相关性分析挖掘数据价值。

人工智能技术不仅可以利用强相关数据，还可以深入分析和挖掘弱相关数据。弱相关数据也是有价值的，如果方法使用得当，也能起到改善模型效果的作用。例如，像Deep Neural Network这样的端到端机器学习模型不需要通过特征工程来定义显式的因素，可以充分结合所有的数据进行深入分析和挖掘，自动找到最佳的组合，从而获得最佳的业务应用效果。

雷锋原创文章。严禁擅自转载。详情请参考转载说明。