人工智能技術，作為數字經濟中領先技術的代表，正在重塑包括商業銀行在內的各行各業。在2021年世界人工智能大會期間，交通銀行副行長錢斌就交通銀行在人工智能技術上的實踐分享了自己的看法。

人工智能技術依然任重道遠

人工智能在1956年的達特茅斯學會上正式提出后經歷了多個發展階段，2011年至今的最新一波浪潮中，以深度神經網絡為代表的人工智能大幅跨越了科學與應用之間的“技術鴻溝”，迎來爆發式的增長。甚至在一些條件和邊界都明確清晰的任務中超過了人類。比如圖像識別、比如語音識別等。

錢斌表示，人工智能給各行各業帶來的變化大家都有目共睹。在實體經濟方面，一些定位、檢測、測量、識別等人工智能場景在制造業的多個細分領域紛紛落地。在城市治理方面，“城市大腦”作為人工智能應用的典型，已成為新型智慧城市建設的重要抓手，特別在這次疫情管控過程中得到了進一步印證。在商業銀行領域，人工智能更是在智能營銷、智能風控、智能客服、智能運營等多方面重塑商業銀行的經營模式。

就Alphago戰勝圍棋世界冠軍的表現來看，當前人工智能在一些任務領域已經超過了人類，然而錢斌也認為，這并不代表人工智能已經無所不能，人工智能距離最終目標還有不少差距，依然任重而道遠。

在他看來，人工智能目前的通用性還不夠?，F階段的人工智能都是專業化的、邊界清晰、定義明確的單一任務模型，任務一旦稍有變化，效果會大打折扣，即泛化性不夠。反觀真正的“通用智能”，也就是我們人類，在兒童學習過程中，僅需要幾張圖片，就能很好的從各種背景中識別出各種類型的飛機、小鳥和大象。

此外，人工智能目前的可解釋性還不強。一般認為，神經網絡算法的成功源于對人類神經元的模擬，然而目前最終得出的模型卻往往讓人類無法理解，這也讓我們對這些模型始終抱有一絲不信任感，讓人望而卻步，尤其是在醫療診斷、法律判決這些容錯率比較苛刻的領域目前還比較慎重。

其三是隱私安全問題，我們在使用一款新的APP時，總會遇到一系列的選擇題：“是否允許開啟當前定位”“需要訪問您的照片”“同步通訊簿聯系人”等等，在人們享受精準、享受便利的同時，也讓人產生一絲被窺視的“不安全感”。

盡管有上述不足，但人工智能前進步伐已不可阻擋，各界也認為在不久的未來這些問題將會得到一定的解決。

需推進數據、算力、算法的豐富完善

錢斌認為，推進數據、算力、算法的豐富完善是當代人工智能技術取得進步的重要方式。

當前以機器學習、深度學習為代表的人工智能主要是在大數據基礎上的人工智能，模型效果與數據特征的豐富程度成正比。在互聯網、物聯網時代背景下，人人在線、萬物互聯，導致全球大數據存儲量爆炸式增長。

根據國際數據公司（IDC）的統計數據，近幾年全球大數據存儲量的增速每年都保持在40%， 2019年全球大數據存儲量達到41ZB。而中國的數據產生量約占全球數據產生量的23%，可以預見數據的豐富程度將基本得到解決。

“但如何用好數據，我們至少還有兩個方面的工作要做?！卞X斌表示，一是數據的治理，人工智能的魅力在于使數據價值化，但前提是需要耗費大量的時間尋找可用數據，對數據的準確性進行甄別，而數據治理則可以規范標準，提高效率，減少通向智能化所需要的時間；二是數據隱私保護，在絕大多數場景中，數據分屬于不同的機構，比如稅務數據在稅務局，資金流水數據在銀行或者第三方支付機構。不同的機構之間，因為數據的隱私保護，不能把原始數據分享給對方，這就限制了模型的可用范圍，導致模型效果大打折扣。數據的產權、使用權是當前聯合建模中經常碰到的棘手問題。

如今，5G網絡下的云計算為人工智能提供了更強大的算力。2021年1月，Google的科學家宣布他們設計的簡化稀疏架構可以將語言模型的參數量擴展到1.6 萬億，這是GPT-3的近10倍。要讓這類算法落地就需要有充足的算力支撐。

關于這一點，錢斌提及，目前主要有兩個方面的工作在齊頭并進，一是以GPU，云計算為代表的技術發展，帶來了算力提升。GPU的并行計算非常適合深度學習的計算邏輯，而云計算使得網絡、計算、存儲等各類資源被有效整合，快速配置，并建立共享池，初步實現了人工智能的算力問題；二是數據中心等“新基建”加快建設，網絡、CPU、存儲等各類資源被更科學地管理，更方便的運用，數據中心的大力發展與普及，使得計算力的使用門檻進一步降低，單位計算成本也變得更合理，這樣，人工智能才能獲得良性的投資回報率。

此外，數學模型、自學習能力提升給人工智能帶來了創新的算法。在人工智能求解過程中，數據和算力是基礎，而算法則是核心，算法向下連接數據和算力，向上面向業務問題，應用場景，驅動整個架構的有效運轉。

錢斌表示，在真實建模過程中，我們經常會遇到一些不理想的情況，比如說數據稀疏或者正負樣本失衡的問題，這些都需要對算法進行創新來加以解決。算法的創新離不開人才培養和開源生態建設，源軟件徹底改變了全球軟件產業的格局，極大地提升了算法的開發效率和生態。交行參與舉辦了今年下半年的AIWIN賽事，希望可以借這個平臺促進算法創新，進一步探討人才和開源環境培育的問題。

金融與人工智能互促共生

就金融業而言，錢斌認為金融與人工智能的關系是互促共生的。

“金融業一直是人工智能最被看好的落地領域之一。商業銀行的信息化系統起步早、成熟度高，數據積累豐富，并且行業問題明確并且垂直，和人工智能所擅長的領域非常吻合，AI 運用于金融領域可謂正當其時?！彼Q。

商業銀行正面臨一些新趨勢、新變化。錢斌提及，首先是個性化趨勢，客戶越來越不滿足基礎性的標準服務，銀行服務要做到千人千面，就需要提高對于海量客戶的認知能力；其次是線上化趨勢，伴隨移動互聯網的興起，如何在非接觸模式下，更加精準地認知客戶、了解客戶、服務客戶是一個問題；此外，商業銀行傳統的信用風險、市場風險、流動性風險等等在不斷演變，出現新特征，如何在控制成本的基礎上，消除信息不對稱，防止風險跨界傳染、交叉傳染，防止系統性風險對商業銀行的風控能力和經營水平提出了更高要求。

因此，商業銀行迫切需要運用新技術來提高自身的經營能力、管理能力和服務客戶的能力，AI技術可謂生逢其時。事實上，AI也已極大地改變了商業銀行的面貌。

例如，過去幾年，交行通過引進新技術已經產生許多改變。

錢斌介紹稱，在服務能力領域，交行通過手機銀行和網銀為客戶提供擬人化智能客服，整體識別成功率超90%，每日受理數萬客戶咨詢，應答量占客戶總提問總量的三成以上。

在風險控制領域，交行基于復雜知識圖譜構建了智慧化的風險監測系統并入圍了今年SAIL獎TOP30榜單。其中，僅擔保網絡風險監測模型就將數十億元潛在風險余額納入名單制管理，有效識別和防范了擔保鏈圈造成的區域性風險。

過去，普惠金融是一個世界性難題，主要原因就在于信息不對稱所產生的信任鴻溝。為解決這個問題，交行在獲得客戶授權的前提下，融合了來自稅務、工商登記、征信的各類數據并聯合建模，打造了集信用、擔保、抵押類為一體的普惠e貸產品，做到了“數據多跑路，客戶少跑腿，銀行多費心，客戶省成本”，因此獲得了眾多個體經營者及小微企業的青睞。

談及人工智能技術在未來金融業發展的前景，錢斌認為需要關注幾個重點。

首先，守正是創新的前提，必須關注科技向善。人工智能運用不當，將產生非常嚴重的后果，因而必須注重科技向善的商業倫理。

最近幾年，人工智能成為了社會熱點，但人工智能發展更需要的是扎實和冷靜。當前要特別關注人臉識別等生物技術的運用，在沒有嚴格管控標準和法律法規的前提下濫用技術將導致巨大的信息安全風險，甚至于“終身裸奔”。

此外，培育跨界思維、推動開放合作也至關重要。在未來金融生態中，各個市場主體的深度協同與優勢互補將是大勢所趨，各業態圍繞信息化主線深度協作、融合，才能加快轉型，提升變革，不斷催生新業態。

錢斌表示，以銀行為代表的傳統金融機構作為金融服務的主要供給者，需要進一步參與企業全鏈條的數字化改造，面向業務全生命周期打造“數字孿生”的業務與系統，推動線上與線下、境內與境外、金融與非金融的相互融合，更好地營造金融服務與實體經濟的場景化、生態化。

最后，在推進數字化轉型的同時，也要關注數據平權和信息保護。

錢斌認為，金融業要運用數據更好地解決信息不對稱，而不是利用數據壟斷和技術壁壘來加劇信息不對稱，甚至放任或制造信息的失真與欺詐，造成市場的扭曲。

目前，金融資本、金融產品某種程度上還是一種稀缺資源，商業銀行有責任、也有義務通過新技術和大數據讓各類市場主體、大中小微企業平等地、公平地、高效地獲得金融服務、金融產品和金融資本。銀行業既要推進自身數字化基建，也要強化對國家、社會、企業數字基建的金融支持和數據支持。

具體而言，錢斌認為一方面要通過法律法規、數據標準，加強數據治理，合理運用自有的海量數據資源；另一方面，交行也正在嘗試通過隱私計算等技術建立一個跨平臺、跨企業、跨領域的大數據生態，實現數據不出域，可用不可見。

“在良好、健康的數據生態上，智慧金融將會結出更豐碩的果實，更好地實現金融普惠、服務民生，為社會主體提供高效、便捷、合適的金融服務?！彼Q。

責任編輯：Rachel