1956年就有人工智能的概念，經(jīng)歷了三起兩落。近年來，在深度神經(jīng)網(wǎng)絡、圖形處理器、大數(shù)據(jù)等技術的推動下，人工智能迎來了飛躍式發(fā)展，人工智能經(jīng)過60多年的積累，現(xiàn)已經(jīng)進入第三次黃金發(fā)展期。

為什么會有這么一個黃金發(fā)展期出現(xiàn)呢？按照個人理解主要有兩個原因：第一是大數(shù)據(jù)，移動數(shù)據(jù)大量產(chǎn)生，特別是各類行為數(shù)據(jù)的大量采集，大數(shù)據(jù)是人工智能發(fā)展重要的基礎；第二就是計算能力，整個IT在摩爾定律大的范疇下計算能力提升很厲害。當然，算法的提升也是原因之一，不過像在大規(guī)模神經(jīng)網(wǎng)絡中大量使用的BP神經(jīng)網(wǎng)絡算法實際上早在1986年就已經(jīng)提出了。

人工智能和大數(shù)據(jù)的是孿生兄弟的關系，大數(shù)據(jù)發(fā)展了，人工智能才有發(fā)展的基礎，同樣人工智能的進步又給數(shù)據(jù)分析帶來了新的春天，所以是相互促進的過程。人工智能已經(jīng)在局部領域當中取得了很多突破，AlphaGo Zero的出現(xiàn)是一個有自我增強學習能力的應用，谷歌在藝術發(fā)展領域當中Magenta項目的突破，沃爾森在很多商業(yè)認知領域都有了新的發(fā)展，百度無人駕駛也炒得很熱。專用人工智能在局部領域的突破引起了世界強烈的關注和熱議。

Gartner預測未來5年人工智能將帶來全新的商業(yè)生態(tài)。至2018年，20%的商業(yè)文件將由機器來創(chuàng)作和編輯，包括預算報告、體育和商業(yè)報道，且不帶偏見和情感。到2020年，幾乎每一款新的軟件產(chǎn)品和服務都將內(nèi)含AI，20%公司使用人工智能技術提升企業(yè)內(nèi)部應用和流程，55%的大企業(yè)將已經(jīng)部署至少一款機器人或聊天機器人。到2021年，逾半數(shù)企業(yè)每年在機器人和聊天機器人開發(fā)方面支出將超過移動應用開發(fā)。

人類已進入“弱人工智能”階段

我認為人類已進入“弱人工智能”階段，這一階段的顯著特征是機器現(xiàn)在還只是擅長于某一局部單方面的人工智能，比如可以局部感知周邊環(huán)境，可以做一些記憶學習，但是是局部不是全局的，更重要的是需要大樣本的訓練和試錯進行學習和提升，還不能自主學習。

現(xiàn)在還是弱人工智能階段，與人類相比還不能完全自主進行情感體驗和綜合性感知，距離各方面能力與人類相當?shù)摹皬娙斯ぶ悄茈A段”以及全方位超越人類智能水平的“超人工智能階段”，仍然差距很大。當然在人工智能時代，有必要探討一下人和智能機器之間的微妙關系。

首先，人工智能進步是建立在學習海量、高質(zhì)量的數(shù)據(jù)基礎上，沒有大數(shù)據(jù)的支撐很難發(fā)展。

其次，需要有明確的計算機邏輯、推理規(guī)則來告知機器，機器需要明確知道如何計算，并能接收到對于計算結果或者預測結果正確與否的反饋。

最后，對算力的要求很高，硬件基礎支撐人工智能發(fā)展并發(fā)揮計算優(yōu)勢。

我認為這三條是目前人工智能發(fā)展的基礎。高度數(shù)字化是證券行業(yè)的特色，證券行業(yè)還是有很多規(guī)則，但是比較復雜，是不是可以通過人工智能預測發(fā)展？券商可以充分發(fā)揮AI的技術潛能，證券行業(yè)在人工智能的應用方面將會是大有所為的。

人工智能面臨諸多挑戰(zhàn)

人工智能各項技術目前正面臨諸多挑戰(zhàn)：第一是機器學習、神經(jīng)網(wǎng)絡方面，機器在特定領域邏輯思維和分析推理能力已趨近或超過人類思維，但機器的自主認知、情感體驗、靈感和形象思維等仍有巨大差距；第二是模式識別方面，計算機視覺、生物特征識別（人臉、聲紋、指紋、虹膜）應用日益廣泛，但機器統(tǒng)籌視覺、聽覺、觸覺、嗅覺等的綜合感知，推理能力不足；第三是知識圖譜方面，已出現(xiàn)基于知識圖譜的智能搜索、風險管理等應用，但數(shù)據(jù)噪聲、知識推理、模型自優(yōu)化等難點仍需解決；第四個自然語言處理方面，聊天機器人、智能客服、機器翻譯已比較成熟，仍存在上下文理解、推理、不規(guī)范發(fā)音處理等問題。

我認為當前階段人工智能應用比較理性的選擇就是：人機同行，All in AI。把機器定義在輔助人類，降低門檻、提升效能上。

比如說現(xiàn)在市場上這么多股民，而研究員、分析師人數(shù)服務很有限，一個人一天可能只能服務100個客戶，如果AI賦能之后就可能服務3000個客戶；原來有些事情只能是高級專家做的，現(xiàn)在在人工智能的輔助下，可能普通員工也可以完成這些高難度工作；原來算法交易只可以處理少量的數(shù)據(jù)，現(xiàn)在有了人工智能以后可以從海量數(shù)據(jù)中進行大量的回溯和分析。最重要的差別原來是基于經(jīng)驗的運作，現(xiàn)在可以基于很多量化的分析進行，數(shù)字化應用里最重要的就是數(shù)據(jù)驅(qū)動，這也需要通過人機同行輔助。對券商來說，所有的業(yè)務線都需要AI。

券商人工智能六大應用趨勢

1智能風控

智能風控最大的核心是通過風控數(shù)據(jù)湖把所有數(shù)據(jù)進行規(guī)整和一體化，包括外面的輿情和安全情報也可以進行一體化的規(guī)整。原來我們的風控是通過各種信用風險、操作風險、市場風險、流動性風險等模型來實現(xiàn)的，但是這些模型原來主要靠經(jīng)驗和研究來實現(xiàn)的，現(xiàn)在加上機器學習引擎、風控知識圖譜以后，可以構造很多智能分析模塊，通過機器學習引擎、特征工程、自迭代算法、風險知識圖譜等，把他們智能分析模塊產(chǎn)生的結果賦能到原有的模型里面去，在風控中疊加智能分析。

智能風控后出現(xiàn)三個變化，由原來豎井式、領域化風控轉變成全面風控、集團化風控；由事后為主的風控變成實時、事中、事前的風控；由靜態(tài)、被動的風控到動態(tài)、自適應的風控的轉變。

我們基于大數(shù)據(jù)平臺實現(xiàn)了互聯(lián)網(wǎng)業(yè)務實時反欺詐，現(xiàn)在很多互聯(lián)網(wǎng)業(yè)務中存在有很多水軍，對業(yè)務效益有很大影響，我們建立了識別水軍和羊毛黨的實時反欺詐系統(tǒng)。剛建的時候是靠經(jīng)驗找到的規(guī)律，現(xiàn)已采用機器學習，防控模型通過AI來做。我們發(fā)現(xiàn)原來經(jīng)驗的模型做完以后，一段時間以后有的人會摸出規(guī)律來了，現(xiàn)在附加了AI模型之后識別率大大提升，查準率達90%以上，通過AI建設整個風險智能分析的引擎，這塊還是有很大發(fā)展前途的。

2精準營銷

首先，洞悉用戶、挖掘需求，跨渠道用戶數(shù)據(jù)收集，建立數(shù)據(jù)畫像，對用戶每個業(yè)務環(huán)節(jié)和場景進行關聯(lián)分析，實現(xiàn)貫穿全用戶旅程的營銷方案。其次，通過對渠道獲客相關指標的智能分析，快速有效評估渠道獲客質(zhì)量，進行渠道優(yōu)化。然后，在平臺上打造極致用戶體驗，增強用戶粘性。最后在活動方面，通過標簽體系，以不斷獲客、激活存量客戶、召回沉寂客戶。

3O2O服務

利用智能化的方法把線上和線下服務進行很好的融合。智能客服比較重要，把智能APP定位為輔助人，幫助投資者全生命周期的投資行為，通過智能服務，可以讓客戶從一進入APP到完成整個投資流程都獲得相應的智能服務，通過智能手段提供智能選股、智能診股等，未來這塊是以后智能APP為發(fā)展方向。

4智能投研

傳統(tǒng)投研是在出現(xiàn)某個事件后（如某地方發(fā)生地震），首先要做的是對各類專業(yè)知識的搜索，然后把各種數(shù)據(jù)進行關聯(lián)和解讀，以及對海量歷史事件和數(shù)據(jù)進行關聯(lián)分析，最后才能預測未來走勢，這個過程相當耗時耗力、且高度依賴于人員專業(yè)程度。未來人工智能將會為投研帶來全新的模式，現(xiàn)在可以通過AI手段進行數(shù)據(jù)增強、內(nèi)容提煉、整合分析，基于知識圖譜分析同業(yè)競爭關系、事件關聯(lián)性，預測事件對于市場的影響。

5企業(yè)數(shù)字化

對日常流程類工作可以通過企業(yè)數(shù)字化得到大大提升。利用智能手段，可以完成電子合同實物的校驗、財務數(shù)據(jù)自動提取、解讀非結構化的文本等，進一步提高財務管理、法律合規(guī)等工作的效能。一個公司IPO過程很長，文本要做很多次，容易出錯。現(xiàn)在通過AI技術，利用模式識別和OCI技術把IPO申報材料中的數(shù)據(jù)進行關聯(lián)，做自動糾錯，也能夠基于目前的一些技術做企業(yè)估值的模型。

6智能運維

通過AI算法給運維工作賦能，實現(xiàn)智慧的運維工作，包括智能服務臺、運維操作、信息安全態(tài)勢感知等。未來的運維體系由運維數(shù)據(jù)層、AI框架層、AI算法層、運維應用層組成。對于信息技術安全態(tài)勢感知的問題，原來對于安全我們只是收集邊界上的數(shù)據(jù)，后來發(fā)現(xiàn)很多安全是跟業(yè)務活動有關聯(lián)的，需要進行兩者的關聯(lián)分析。信息安全不能被動防御，需要進行主動防護和提前進行安全態(tài)勢的預測，AI技術可以幫助做安全態(tài)勢感知的工作。

未來AI會像水電煤一樣成為全標配的基礎設施，每個領域和每條線都會用，通過人機同行，大幅度降低專業(yè)門檻，提高運作效能。

（本文系俞楓副總裁發(fā)表的題為“人機同行，券商人工智能應用趨勢探討”的演講）endprint