最有看点的互联网金融门户

最有看点的互联网金融门户

为了获得更好的观看体验,请您使用Chrome,360,搜狗,傲游,火狐及Safari等浏览器观看视频。

视频章节

当围棋界迎来阿尔法狗,逛街有了虚拟购物,汽车出现“无人驾驶”……炙手可热的人工智能裹挟着种种“威胁论”闯入人们的生活:有人预言,不久的将来,翻译、记者、会计等职业将被取代。一片喧嚣之下,各路资本不断进场,谷歌、阿里巴巴、腾讯等科技巨头纷纷开始布局。据统计,自2016年到2017年,投资人工智能领域的机构就达到近150家,2016年全球投资金额逾200亿美元,深度学习、机器视觉、服务机器人、智能无人设备被认定为最具投资价值的领域。越来越多的企业开始贴上人工智能的标签,标榜利用人工智能优化企业运营。然而,在基础设施层,人工智能强依赖的数据累积和分析环节仍然薄弱,数据流通方面存在法律法规的缺失,强人工智能尚未实现关键技术突破。在市场的翘首期盼下,人工智能技术在现实中迟迟未出现有影响力的应用。从概念到现实落地,人工智能的道路还有多远?

人工智能处在哪个发展阶段?

韩冰:AI这个概念从诞生到落地已经跨越了60年,经过阿尔法狗这个概念才开始走入了大众的视线。前一段时间有一个机器人后空翻的视频引起人们的热议,今天我们谈金融科技的时候必谈人工智能,非常荣幸邀请到金融科技领域的几位大咖,聊聊“AI当道谁主沉浮”,请各位也介绍一下AI在各自的业务领域有哪些实践的应用。

李婷:关于智能投顾,不少人认为机器人炒股的能力比单独的基金经理强,这是一个伪命题。很多人把智能投顾和量化投资混在一起谈,这实际上挺危险的,因为量化投资已经在市场上20年、30年了,完全不是一个新东西,用数据分析来进行投资决策,这一块已经有很多巨头做出了尝试,不可能每一个模型做的都比基金经理好。目前是投资端打着这个旗号做,这其实是一条死胡同。

智能投顾最关键的是服务,从服务端想这个问题,从客户端、资产端、推荐端,整个贯穿始终的有没有用到比较好的技术。现在有不少观点认为我们这个行业会有很多人失去工作,会出现一个超级机器人,比基金经理的业绩好,这是不可能发生的事件。即使有这么一个超级机器人,运算能力和执行能力都超强的机器人,那么谁给它做对家呢?韭菜不够多的话,阿尔法哪里来呢?这也是不可能出现的情况。智能投顾解决不仅仅是投资单点的问题,应该是自始至终的服务问题。

黄伟:像机器狗会做后空翻,如果放到5年前、10年前我们并不会认为它是人工智能技术,而是自动控制技术。以前传感器非常少,我们可以获得的数据非常少,像这个课题可能在以前是放在自动化系的,因为它基本上是一个自动控制,包括像机器。今天传感器很多,等同于我在瞬间会获得很多数据,同时后空翻是非常复杂的过程,需要精准的控制,对算法的效率、算力要求很高,很难讲说大狗翻个空翻还要连接云端,我们不把它直接看作是机器控制的问题,而是人工智能的问题,在接下来不长时间里面,可能很多行业我们认为不是人工智能的,但是都不能避免的要被AI化,这是整个社会、行业的发展趋势。

李丹枫:刚才短片里提到了,我们现在离强人工智能还很远,现在所处的环境是弱人工智能。所谓弱人工智能,这个算法找的是事件之间的相关性,而不是因果性,要找事件的相关性,那么数据在场景中是非常重要的。弱人工智能有三个非常重要的要素:算法、计算能力和数据。对于计算能力和算法来说,大家的水平现在越来越接近,你有很多钱可以买到很多机器,也可以积累很多计算的能力;而对于数据来说,如果你没有数据,很多好的算法是无法实现的。

于瑞:在我们理解特别关键的一点,新的技术,包括人工智能、互联网、物联网,它和每个传统行业的结合不能违背每个行业本质的规律,这是最核心的。金融发展史都是围绕方向的,怎么样提供金融的效率?如何降低融资成本?这些都是为了解决信息不对称这个问题,这当中就是金融科技不断要探索的方向。

智能投顾面临哪些难点?

韩冰:提及金融业的发展,科技肯定是第一的推动力,在这一波金融科技的浪潮当中智能投顾又是一个非常热的热点。目前,国内智能投顾平台实力差距明显,无论从产品的种类、配比到对大数据的挖掘,存在天壤之别。从行业发展角度,请您分析一下国内智能投顾处于什么样的阶段?距离比较成熟广泛的应用还有多远?

李婷:谈论智能投顾不能把国内市场和海外市场分割掉,不是说国内智能投顾市场是一个初级阶段,事实上全世界智能投顾的市场都处于初级阶段。

现阶段国内有一些机构完全是复制Betterment和Wealthfront的模式,这两家公司其实2008年就开始做了,发展到后面增长变得非常缓慢,它们遇到的核心问题是什么?它既没有达到智能,又没有嵌入生活场景,其实做资产配置的服务业是非常单点,这样门槛就非常低,我只要拉几个人就可以做APP的开发,能够做出7、8个标准化配置模型的话我就可以完全复制你的东西,这对于在传统金融机构已有提供的服务里面没有任何革命和创新。传统金融机构一旦进入整个领域,底层的ETF全都有,你怎么跟我打,我也便宜。

韩冰:您能不能简单总结一下,制约智能投顾发展的因素有哪些?

李婷:因素很多,包括大家对于投顾的要求。为什么现在短时间,哪怕AI做到真的像人一样,很多人尤其是在进行大的投资时,他还是希望跟一个人有沟通,实际上他的需求并不是一个理性分析的需求,而是一个情感寄托。他需要有一个人对于他的投资逻辑有认同,他心理上是觉得“我也心里没数”,另外有一个人告诉他“你说的对、有理”,他就能够下决心,这是心理上的需求。

智能投顾解决两个问题,一个是覆盖率的问题,大多数人从没有到为你提供一定顾问的服务;一个是解决标准化的问题,因为你今天见到一个投顾,把所有情况跟他讲一遍,他会给你提供一个组合和建议,你再找另外一个人,可能就是完全不一样的建议。智能投顾解决的第二个问题是希望通过大数据分析,无论是两端的分析,一端是对于客户画像越来越精准的了解,另外一端是资产端你越来越精准的了解,遇到的困难是两端,大家对于客户理解远远没到精准的程度,对于资产端的理解还远远没到精准的程度,这个需要团队技术和金融两端都非常强才能够做成,所以它非常难。

音、语义商业化的关键是什么?

韩冰:语音、语义、人脸识别技术是比较公认人工智能发展非常迅速的领域。请问一下黄总,在发展到现在相对比较成熟的阶段,您认为接下来的发展空间有哪些?还有哪些技术上的难点有待突破?

黄伟:语音和语义在金融行业刚刚起步,应用面还没那么广,这是因为语音语义的环节、链条比人脸识别更复杂,它不只是比对问题,还存在着不同场景中不同终端、不同人群、年龄、口音等输入的问题,还有理解的问题。

比如你对着电话说我想办理什么业务,语音识别只是把这个转换成文字,转换成文字需要自然语言理解以及精准捕捉。对话的方便和智能是一种互相背离的过程,如果我们希望更加方便,符合人的说话习惯,实际中很有可能我不是在一句话里面把我所有的意思都表达完,像我订一张机票,我会直接说帮我订一个去上海的机票,我不会在一句话里说帮我订一张今天下午6点钟从某某地方出发到上海某个机场,我偏向哪个航班,我喜欢靠坐还是过道,不会在一句话里面把意思讲完,这是多轮对话,这种对精准度就提出了更高的要求。

语音、语义不仅是技术问题,需要和业务层面有更深的耦合,比如在保险方面问的问题和在银行里面的问题是不一样的,这里面还有知识库等。我们首先技术是开放的,让用户体验更好,语音语义在金融行业可能会落地越来越多。

韩冰:在语音语义行业目前有一点各自为战,前面有巨头,后面有很多新进入的竞争者,您觉得掌握哪些核心技术才能够在竞争当中立于不败之地?

黄伟:不管是主动还是被动,你想在这个行业里面能够长期的处于竞争者的态势,而不是被淘汰者,两个能力很重要:第一,你现有能力持续的提高。随着时间的进步,技术永远是迭代的,五年前的技术放在今天会是很落后的技术,即便五年前有很好的技术,五年后还能不能够保持在领先的状态,如果你没有持续的提升能力是很容易被淘汰掉的。

第二,不光是现有能力的提高,还有能力的横向拓展。在一个交互环节、场景里面你应该是具备全能力的,不可能只做这一个部分,作为一个团队你想保证核心的竞争力,不是这个事仅有你能做别人不能做,如果把它提供成一种用户可以接受的服务能力必须全占。

如何有效利用大数据?

韩冰:基础设施层面,人工智能对大数据有着非常强的依赖,包括数据积累、分析等,您觉得在竞争态势下怎么样保持大数据方面的优势?

李丹枫:最重要一点是,你需要有一个业务场景能够源源不断的把数据更多积累起来。我刚才也提到了,人工智能三要素里面计算和算法门槛相对来说是比较低的,现在的算法非常强依赖于数据,深度学习动辄就是几百万的参数,需要非常多的数据做这个算法才能够出来一个很好的模型,如果没有数据的掌控权就很容易被制约。

弱人工智能是强依赖数据的,物理学的公式是强人工智能,是告诉你原因的,因为这个所以有结果,但是人工智能是一个相关性。我经常举的一个例子,你的鞋湿和你带雨伞,你不能说因为你的鞋湿了所以你代替雨伞,反过来也不行,它背后的原因是,因为下雨了所以你鞋湿了所以带雨伞,人工智能找到背后的原因还是比较困难的,这样的环境下数据的场景非常重要。

韩冰:您提到的有一个观点我并不是完全认同,数据算法的核心竞争力,大家差异化问题确实由某个单一的算法很难形成绝对的壁垒,但是在每一个细分领域上的进步整合起来可能是会形成一个优势,比如变量的提取、整合、分析,这些都体现了一个算法的能力。您说到大数据,算法和数据本身就是相辅相成的。

最近监管部门针对于现金贷也发了一个文,其中有一条我注意到各级金融机构要谨慎使用数据驱动的模型。您怎么看?

李丹枫:国内数据的缺口非常大,对整个人群的覆盖以及征信相关的记录,一个是历史很短,因为这件事情大家并没有做多久;一个是数据不完善、覆盖量不够大,即使覆盖到了数据也不一定是完整的。对于数据的利用是值得顾虑的,当然会有一些限制,你不能侵害用户的隐私,如果真的能造成很大歧视的数据是不是能用,这是需要讨论的。在目前整个环境中,政府还是需要鼓励大家利用数据去做风控,当然不能滥用数据,现在国内市场上有很多灰色的渠道,这些数据的来源实际上是非常不明确的,它拿了很多你不应该被别人拿到的数据,这种情况下对用户的权益和隐私造成了很大的伤害;对于合理的数据源,政府还是需要鼓励的。

韩冰:消费金融领域人工智能+大数据也是应用非常广泛的,于总,您在这方面有哪些思考和落地的想法?

于瑞:金融本身是强监管的行业,人工智能的这些技术用于金融领域,不光是技术本身,而且在于监管对技术怎么认可。金融行业的发展在各个国家发展的程度是不一样的,在中国有它的特殊监管体系,大家现在可以看到,现在技术的发展,数据的获取,包括风控的模型,是否能够真正的符合,如果把这些技术作为金融机构,作为一个被监管的金融有牌照的机构是否能够被接受,这是很大尝试探索的过程。未来的发展必须要结合金融的监管、金融的规律、金融大的生态体系去做,这样AI在金融体系的发展才会有生命力,才能够真正促进整个行业健康、持续、稳定的发展。

人工智能投资前景如何?

韩冰:如果是单纯从投资的角度,你们更看好哪些人工智能发展的方向和领域?为什么?

李婷:金融科技覆盖的领域是非常好、非常广泛的,真正现在能够突破的是支付领域,核心是进入场景,除了支付领域,我们可以说金融科技对于传统的金融有所颠覆,但其他的还远远不够,无论哪个方面,你真正能挤入场景当中去、能够结合得好,那个地方才会有突破。

黄伟:我个人比较看好人工智能技术在金融和医疗。像金融和医疗在过去几年,前面提到我们今天国内的数据相对比较缺失,但跟其他行业比,在数据纬度方面、丰富度方面还是不错的,无论今天用的深入学习还是传统的统计学习,它们对这些差异化的数据能够比较好的结合,发挥效果是最大的。

李丹枫:黄总把我想选的都说了,金融和医疗,如果你这个行业是非常重依赖于经验的,现在人工智能肯定是有机会。金融对于投资来说见效更快、立竿见影,的确是场景非常明确,医疗需要更多场景,我本科是学生命科学与仪器的,有不少朋友做医疗公司,现在投资界非常火,但是我怎么把钱赚进来,他们不清楚。大家都看到这个肯定是方向,但是怎么把钱收上来,至少现在是一个问号,但是我是有信心这个是肯定可以成功,稍微更长期一点。

于瑞:在我看来从另外一个角度来看可以倡导一下“传统+”的概念,现在传统行业的发展也面临着跟人工智能结合,不光是医疗,包括运输、物流以及传统的一些行业,加工制造业、工业4.0等,行业非常广泛。核心的一点,任何一个新的技术在它面临与新领域结合的时候,不要想着如何颠覆它,应该是如何理解、了解它,再结合人工智能的技术就会创造新的价值,一个新的商业模式。


用微信扫描可以分享至好友和朋友圈

扫描二维码或搜索微信号“iweiyangx”
关注未央网官方微信公众号,获取互联网金融领域前沿资讯。

发表评论

发表评论

您的评论提交后会进行审核,审核通过的留言会展示在下方留言区域,请耐心等待。

评论

您的个人信息不会被公开,请放心填写! 标记为的是必填项

取消

讲师介绍

第一财经《解码新金融》

第一财经《解码新金融》是国内首档专注互联网金融的高端访谈节目。节目以权威的嘉宾阵容,深入剖析互联网金融热点,探讨行业发展趋势,提供实用的投资指南。

“新”银行:第二届中国中小商业银行创新峰会

小未 7小时前

关于区块链,大家其实最关心这5个问题

Suzanne Cl... 8小时前

国内商业银行与金融科技2018年合作展望

王硕-金融壹账通研究院 8小时前

大数据风控“污名化”溯源

麻袋理财研究院 1天前

上道沙龙——科技如何赋能传统金融?

小未 1天前

版权所有 © 清华大学五道口金融学院互联网金融实验室 | 京ICP备17044750号-1