人工智能越來越成為科技界和產業(yè)界矚目的焦點。2018年政府工作報告提出：發(fā)展壯大新動能，做大做強新興產業(yè)集群，實施大數據發(fā)展行動，加強新一代人工智能研發(fā)應用，在醫(yī)療、養(yǎng)老、教育、文化、體育等多領域推進“互聯網+”。

什么是新一代人工智能？大數據如何驅動人工智能發(fā)展？對金融業(yè)有哪些影響？9月12日，在“ai賦能，產業(yè)升級”人工智能產業(yè)研討會上，浙江大學人工智能研究所副所長鄭小林博士發(fā)表題為“新一代人工智能遇上新金融”的演講。在他看來，人工智能要解決的問題，就是“怎么樣把信息變成知識，再把知識變成智慧”。他認為，“在大數據驅動人工智能發(fā)展的背景下，金融也迎來了新的挑戰(zhàn)和變革。”

以下內容，思客根據現場速記內容整理。

鄭小林在現場演講。新華網記者 郭小天攝

人工智能發(fā)展到了什么階段？

我來自浙江大學人工智能研究所。作為年輕一輩，我們最近有幸參與了國家新一代人工智能的規(guī)劃工作，今天來跟大家分享相關的工作內容。

人工智能的發(fā)展從開始到現在，經歷了三個階段，第一個階段我們叫做計算智能，這個階段要解決的事情，叫做能存會算。第二個階段是感知智能，這個階段是能聽會說，能看會認。第三個階段往下發(fā)展應該叫認知智能，要達到什么樣的程度呢？要能夠理解、會思考，我覺得這個是最高級的境界，目前我們正在往這個方向努力。

在發(fā)展過程中，我們來思考一個問題。實際上，我們對整個世界的看法，從橫向來看，可以把它分為可統(tǒng)計和不可統(tǒng)計的事物。從縱向來看，可以分為可推理和不可推理的事物。從可統(tǒng)計到不可統(tǒng)計，可以通過一些事件舉一反三。從可推理到不可推理，就是去做模糊識別的工作。人工智能用到很多方法，比如從可統(tǒng)計到不可統(tǒng)計，現在用的非常多的方法是機器學習，從可推理到不可推理，用的解決方法是神經網絡。

為什么當前人工智能發(fā)展叫做新一代人工智能？因為ai1.0做的人工智能，只是解決了可統(tǒng)計可推理的事物。要發(fā)展到不可統(tǒng)計不可推理，就是現在的ai2.0去解決的。以前我們說，機器學習和神經網絡解決了部分問題，但還是有很多問題沒有解決。這兩個東西怎么結合起來？我們現在叫深度學習，深度神經網絡，包括各種各樣新的方法，這個就是現在2.0研究的。但能夠看到，2.0邊界還是沒有解決第四象限的問題，也就是那些既不可統(tǒng)計又不可推理的事物，這個我們暫時解決不了。

剛才講的ai2.0解決的這些問題，在國家的發(fā)展規(guī)劃里面分成了五大基礎方向和四大智能應用。五大基礎方向分別是大數據人工智能、群體智能、跨媒體智能、人機混合增強智能和自主無人系統(tǒng)。四大智能應用分別是智能制造、智能農業(yè)、智能醫(yī)療、智慧城市。我們的工作重點是實現其中的大數據功能。

五大基礎方向要解決什么問題呢？

大數據智能。我們會發(fā)現，其實從信息經濟向數字經濟轉變的過程，就是從人工知識到大數據驅動學習邁進的過程。

跨媒體智能，是從單一數據到跨媒體認知、學習和推理，要解決就是包括視頻信息、語音信息、圖片文本在內的各種各樣的海量信息，這些知識怎么關聯，怎么學習，怎么推理，這就是跨媒體智能要解決的問題。

群體智能。ai1.0是個體智能，現在強調群體智能，個體解決不了，群體發(fā)揮作用。

人機混合增強智能，大家經常看電影，x戰(zhàn)警、未來戰(zhàn)士都是人機混合，換上機械手臂變得非常強，這里就是一個混合增強智能。這個已經有很多研究成果，目前主要應用在人的康復等方面，比如用意念控制的機械手等。

第五個是自主無人系統(tǒng)，包括無人汽車、無人戰(zhàn)機等。這是新一代人工智能五大基礎研究方向。

大數據如何驅動新一代人工智能？

大數據是如何驅動人工智能的呢？隨著社會發(fā)展，我們各種各樣的信息和數據都在數字化，數字本身也在資產化，所以我們看到，大數據在人類社會，包括物理空間還有信息空間逐漸開始融合，我們把它叫做cph空間。實體經濟與虛擬經濟緊密結合，比如智慧城市、智慧醫(yī)療，這是海量數據帶來的新挑戰(zhàn)。

在今年杭州市的一號工程文件里面，有一個數字經濟倡議。數字經濟是指以使用數字化的知識和信息作為關鍵生產要素、以現代信息網絡作為重要載體、以信息通信技術（ict）的有效使用作為效率提升和經濟結構優(yōu)化的重要推動力的一系列經濟活動，這是2016年在杭州g20峰會發(fā)布的“數字經濟倡議”里的定義。

對于數字經濟這個概念，馬化騰提了5個特征。第一，數據成為驅動經濟增長的核心要素。第二，數字基礎設施成為新的基礎設施建設。第三，數字素養(yǎng)成為對勞動者和消費者的新要求。第四，供給和需求的界限日益模糊。第五，人類社會、物理空間和網絡空間日趨融合，很難分割，各種各樣的東西都在數字化。

從信息經濟到數字經濟，大數據驅動人工智能不斷發(fā)展，主要為了建立驅動數據和知識引導的智能計算平臺和方法，形成從數據到知識，從知識到智慧這樣一個逐步上升的過程。其實，我們看人工智能發(fā)展的三個階段，從計算智能到感知智能再到認知智能，本質就是從數據到知識再到智慧的過程。這是我們的大數據智能要解決的問題。

人工智能如何影響金融業(yè)？

在大數據驅動人工智能發(fā)展背景下，金融業(yè)也迎來了新的挑戰(zhàn)和變革，我們把它叫做新金融。所謂的新金融是指，傳統(tǒng)的金融業(yè)務在與互聯網技術包括大數據、云計算、人工智能技術融合下，產生新的金融生態(tài)、金融服務模式和金融產品。

新金融面臨哪些挑戰(zhàn)？我們把所有的金融都歸納成四個角色。第一個角色是資金需求方，第二個角色叫做資金供給方，第三個角色是金融中介，第四個是管理機構。這四個角色面臨的四大挑戰(zhàn)分別是安全、風控、獲客、效率。人工智能怎么解決？金融怎么解決？它們之間互相碰撞，會產生什么樣的火花呢？

首先對于安全來說，主要包括幾個維度的安全，一個是金融監(jiān)管領域問題，第二個是金融本身的系統(tǒng)安全，包括我們整個金融系統(tǒng)在運營過程中產生的風險，第三是互聯網本身的技術安全。

第二是風控，各個金融機構，無論是銀行、互聯網金融平臺，還是私募基金、保險等，都會面臨風控問題。傳統(tǒng)做法是通過風險對沖，怎么對沖？銀行最喜歡做的是房產抵押，風險對沖很容易。但是在互聯網上，沒有這些東西做抵押，怎么辦？這個時候就要通過大數據和人工智能的方法。還有異常檢測，通過大數據和人工智能為用戶進行信用評估的時候，可能會碰到不良分子攻擊評估體系，所以會有異常檢測。再有就是大數據征信。

第三個挑戰(zhàn)我們講效率，人工智能和大數據在效率上能做什么呢？第一個是業(yè)務的自動化，比如美國高盛公司在金融中心的營業(yè)廳，以前有一百多人，現在可能只需要兩三個人，因為全部都是數字化、智能化，根本不需要營業(yè)人員。第二就是中介會越來越少，會被優(yōu)化掉。

第四個挑戰(zhàn)是獲客，獲取服務和服務客戶，這里面會涉及到人工智能。比如做客戶大數據的畫像，什么樣的客戶我愿意給他提供金融服務。第二個維度就是智能定價，同樣的保險公司，同一個險種，賣給不同的人可以是不一樣的價格。第三是客服機器人。為什么客服機器人這么重要？我們都知道雙十一這么多的用戶，如果同時人工服務，可能要幾千上萬的客服才能解決，會碰到很多問題。但機器人基本上可以回答初步的問題。

在解決過程中，不管做研究還是做產業(yè)，都會碰到一個挑戰(zhàn)，就是大數據的挑戰(zhàn)。

傳統(tǒng)的金融學和經濟學基本上是通過抽樣的方式來做樣本分析，然后進行一些統(tǒng)計分析，數據量非常小。而且傳統(tǒng)金融學和經濟學的研究方式注重因果關系的驗證，先假設一個結論，通過數據分析最后來驗證這個結論，所以它是基于假設檢驗和統(tǒng)計檢驗的統(tǒng)計方法。

但是，在大數據背景下就不是這樣了。以前講信息不對稱的博弈，現在變成了數據不對稱的博弈。比如今年在杭州，很多互聯網金融公司接入螞蟻金服的數據，做很多業(yè)務，但是后來這個行業(yè)出現了一些問題，螞蟻金服把這個接口停掉，很多公司就沒有辦法做業(yè)務了，這個就是數據控制在誰的手里。

第二，從相關關系到因果關系的深化。原來我們做數據分析的時候，可能經常聽到是“啤酒加尿布”的概念，但是現在往往要深入到因果關系的挖掘層面。

第三，在統(tǒng)計分析和建模過程中我們發(fā)現，傳統(tǒng)的建模變量非常少，但是在新場景里，建模維度非常高，上萬個維度都有可能。在這種情況下我們怎么處理，怎么降維，怎么找到核心特征，就變成現在很多產業(yè)、企業(yè)非常重視的問題。

總之，對金融科技來講，人工智能和大數據已經深刻影響了金融的方方面面，比如借貸，包括區(qū)塊鏈和加密市場、監(jiān)管科技、個人金融，包括支付和結算、保險，還有金融市場、個人財富管理、轉賬、實物抵押等，不同的金融場景都受到了大數據和人工智能的影響。（編輯：白帆）

以上是網絡信息轉載，信息真實性自行斟酌。