当下人工智能是否 迎来最好的时代?

  • 日期:09-12
  • 点击:(1169)


人工智能(AI)自成立以来已经发展了60多年。近年来,人工智能已成为学术界和世界工业界的热点。初创公司汹涌澎湃,巨额投资不断涌现,技术巨头不断增加。研究,资本和人才接近人工智能的趋势是显而易见的。因此,有人会问我们是否已经迎来了人工智能的最佳时代。

美好时光的挑战

今天,2017年可能是中国人工智能发展的重要节点。 2017年,“人工智能”首次写入全国人大的工作报告。国务院总理李克强表示,要全面落实战略性新兴产业发展规划,加快新材料,人工智能,集成电路,生物制药,第五代移动通信的发展。如技术开发和转型。人大智慧也受到全国人大代表和中国人民政治协商会议全国委员会成员的热烈讨论。

与此同时,在2017年的乌镇围棋大会上,AlphaGo以3: 0的总成绩击败了世界排名第一的世界围棋冠军科杰,引起了全民的关注。 “人工智能是否完全超越了人类”,诸如“人工智能是否会取代人类”等问题也成为热门话题。

也是从那一年起人工智能正在兴起。一夜之间,似乎所有公司都成了人工智能公司。资本和人才正在迅速涌入人工智能领域。 “人工智能”已成为科学,学术和商业领域中最受欢迎和最受追捧的词汇之一。主要互联网公司积极推动人工智能的发展。腾讯创始人马化腾也公开表示,如果他只能投资一个领域并从自己的行业开始,他最关心的是与信息技术相关的人工智能产业。在国际上,技术巨头谷歌和小发猫十多年来一直在研究人工智能。近年来,一些研究成果已进入商业应用。

从这些方面来看,人工智能已经迎来了一个非常好的时代,但兴奋背后却存在问题。例如,这种繁荣更多地受到行业和投资界的推动,学术和基础研究领域没有革命性的变化。人才缺口尚未解决。

同时,AI在实际应用和着陆方面仍面临许多挑战,尤其是数据问题。人工智能研究所需的各类数据分散在不同的企业中。人们常说的“大数据”是理想的。实际情况是有很多“小数据”和“数据岛”;此外,数据的安全性一直存在隐私和合规等问题。欧盟于2018年正式实施了历史上最严格的数据保护法规,《通用数据保护条例》(GDPR)。在2019年1月21日,谷歌成为这项法律的基础。第一家遭受高罚款的美国科技公司被罚款5000万欧元.这些问题使得人工智能登陆和开发看起来不那么美观。

深度赋权行业

2019年,李克强总理在政府工作报告中第三次谈到人工智能。值得注意的是,今年总理在报告中明确提出,有必要建立一个工业互联网平台,并扩大“智能+”,以促进制造业转型升级。

目前,人工智能的创新成果已经应用于各个领域,促进了各行各业的技术进步,效率提升和商业模式转型。其中,金融业是最具潜力的人工智能应用领域之一,人工智能+金融是“智能+”的重中之重。

一方面,金融业信息化建设起步较早,业界高度重视数据采集的标准化和标准化,因此具有大量的数据累积,为人工应用提供了坚实的基础。情报;另一方面,以银行,保险和证券公司为例,金融业的主要业务都是基于大规模数据,而大量繁琐的数据处理工作迫切需要自动化和智能化转型来解放人类资源。此外,金融包容性和情景创新还需要新的技术手段来提供支持,而人工智能和金融的结合无疑提供了更多的金融创新。大概。

笔者以魏中银行在人工智能+金融领域的实践为例进行介绍。从需求出发,回归商业价值是自我研究AI的核心。 Microbank是一家为小型和微型企业以及普通大众提供服务的互联网银行。最困难的原因是大量分散,缺乏抵押和不完善的担保制度导致的高成本服务。

微中银行的AI团队将“AI +服务”应用于实际的业务链接。例如,基于自然语言处理引擎,语音引擎和可视引擎这三个引擎,创建了三个主要的应用系统:智能核心系统,智能客户服务系统和智能质量检测系统,涵盖了业务咨询的整个业务流程,身份验证,数据审计,运营和借贷。目前,通过这套人工智能机器人组合打卡,我们使客户能够在线完成从咨询到应用到借阅,无需离线开户,无需纸质信息,最大限度地解决小微企业贷款难问题的缓慢过程,并帮助企业创新和发展。

新的国家资产管理法规的引入以及MSCI指数在中国市场的引入,对中国的资产管理行业产生了深远的影响。微中银行也在“AI +资产管理”领域工作。目前,它正在通过人工智能开发基于卫星遥感图像数据,无人机图像数据,移动位置数据和抒情文本信息的替代数据(AlternativeData)。创建AI驱动的资产管理平台的技术,不仅实时监控宏观经济,还预测IPO,债券发行人和不同行业的趋势,并建立AI + AlternativeData驱动的ESG(环境,社会和公司治理)指数。为资产管理公司,基金公司,评级公司和其他领域提供投资决策。

面对数据孤岛和隐私问题,AI会去哪里?

如上所述,数据的复杂性,隔离性和隐私性是困扰和限制人工智能(包括金融行业)深化开发和应用的关键因素。如何解决这些数据问题,打破数据岛,建立真正的“大数据”,更好地保护数据隐私和安全,已成为当前AI发展中必须解决的问题。

作者认为,面对这些问题,我们可以有一个新的想法 - FederatedLearning,旨在保护用户隐私和数据安全。顾名思义,联邦学习是建立一个虚拟的“联邦国家”,以统一大小的“数据岛”。它们就像是这个“联邦政府”中的一个州,它保持一定程度的独立性(例如商业秘密,用户隐私),并且可以在不共享数据时联合建模和改进AI模型。

从本质上讲,它是一种分布式加密机器学习技术,其中所有各方都可以构建模型而不会泄露底层数据。这也是一种双赢的机器学习方法。它打破了山的数据维度墙,振兴了大大小小的“数据岛”,并加入了一个双赢的AI大陆。

在金融部门,联邦学习可用于分析潜在的欺诈行为;在保险定价领域,可以更加精确地分析用户的属性。对于企业而言,应用联合学习可以更有效地节省成本,同时在用户评分中更准确。此外,对于某些数据敏感的情况,例如医疗领域,不同的医院可以通过联邦学习技术共享敏感的医疗数据。

在未来,AI的新一代机器学习算法框架应该基于对隐私和安全合规性的保护,并进行合理解释。应采用透明推理机制,确保人工智能的健康发展。联邦学习的发展和实践为该行业提供了新的思路。当然,人工智能生态学的建设和大数据的建设也需要不同的企业,学者和研究机构团结起来,共享技术,共享数据,团结一致,共同解决数据孤岛和用户隐私问题。

AI未来:基础研究仍需要不断努力

那么,中国人工智能的当前发展是什么?未来前景如何?许多前专家学者,如科技部前副部长马玉德,曾表示,中国在人工智能方面的应用将是世界上最大的,前景非常好,但仍需要不断努力在基础研究方面。

笔者认为,在过去几年中,中国的人工智能地图,一个“点”已经上升,但尚未能成为“面子”。换句话说,可以开辟产业链的深层人工智能应用生态尚未建立,仍然缺乏系统层面和基础设施建设。

目前,业界对AI的理解和应用仍然停留在单一功能产品的水平上。例如,企业在某些流程链接中引入了AI协助,例如人机交互和人脸识别,但这些企业不能说是AI企业。整个行业应该对人工智能有更深入的了解,因此人工智能推动了行业核心决策系统的优化,并最大限度地发挥了人工智能的优势和革命性。

我希望将来,中国的AI同事会更加关注基础研究,共同努力,以核心,深度和工业化的方式真正推动人工智能的发展和落地。

(资料来源:第一财经日报)

(责任编辑:DF395)

http://www.whgcjx.com/bdsf