清华大学金融科技研究院孵化
金融科技与金融创新全媒体

扫描分享

本文共字,预计阅读时间

历时两年多,访谈调研超过150家金融、零售、教育、政府、咨询等机构,60多家人工智能相关创业公司,推出了中国第一份“2020年中国人工智能+安全隐私行业发展报告”,希望对我国人工智能行业的良性发展,能够起到参考与借鉴作用。

关键词:

AI四层次金字塔模型

人工智能+安全与隐私

重点关注人工智能厂商推荐

数据技术场景7区域评估模型

落地四阶段步骤循环图

一、AI四层次金字塔模型的框架  

据中国信息通信研究院数据研究中心按照各城市最新的统计数据,2019年,全国已经拥有超过4000家号称人工智能的企业。

亚洲投资基金首席合伙人阎焱,曾在亚布力中国企业家论坛上表示,中国的创业成功率是小概率事件,从中国投资机构的总体数据来看,这个概率小于1%。

人工智能从感知和认知两方面模拟人类智慧,赋予机器学习以及推断能力,在与5G通信技术、物联网以及云计算的协同下,成为能够真正改变现有人类社会生产工艺的科学技术。

人工智能是研究开发能够模拟、延伸和扩展人类智能的理论、方法、技术及应用系统的一门新的技术科学。

按照人工智能概念的早期倡导者,约翰·麦卡锡的说法:人工智能就是要让机器的行为看起来像人所表现出的智能行为。

具体来说,就是让机器会听(不同的语音识别、翻译等)、会看(图像识别、人脸识别、证件识别、文字识别等)、会学习(机器学习、自然语言处理、知识图谱等)、会行动(无人驾驶、机器人等)、会思考(智能考试、阅卷、人机对弈等)。

我们可以将人工智能的发展历程,划分为以下6个阶段:

从产业结构、产业分布、企业分布等多个角度分析,当前人工智能企业的力量不断壮大,新增企业数量快速增长。但从另一个维度,也带来了很大的AI泡沫,企业发展状况良莠不齐,很难准确的进行评估。

中国科幻领域的头号人物,世界科幻雨果奖得主刘慈欣(中国内地电影总票房排名第三《流浪地球》的原著作者)的小说《三体》中提到了著名的“黑暗森林法则”,其中“技术爆炸”与“降维打击”理论在企业界广为人知。

该理论认为,文明进步的速度和加速度不见得是一致的,弱小的文明很可能在短时间内超越强大的文明。因此,任何新的技术或者商业模式出现,要不惜一切代价把可能潜在的威胁尽量扼杀在萌芽状态下。

从人类科技几千年的发展历程来看,也基本符合这个趋势。

据了解,包括马化腾、雷军、柳传志、周鸿祎等,都是《三体》的铁杆粉丝,并且把“黑暗森林法则”应用到了互联网行业的丛林竞争中。

为了防止被“降维打击”,被颠覆式超越,几乎所有IT巨头,都在创新生态布局人工智能产业发展的战略高地,从而实现对其他企业主动进行“降维打击”,巩固自己的地位。

IT的发展史,就是新老信息产业巨头抢滩布局创新生态的更替史。例如,传统代表企业有微软、英特尔、IBM、甲骨文等,互联网和移动互联网时代的代表企业有谷歌、苹果、脸书、亚马逊、阿里巴巴、腾讯、百度、京东、字节跳动等。

人工智能生态,从整体上概括,可以划分为纵向和横向两个维度:

目前智能科技时代的信息产业格局还没有形成垄断,因此全球科技产业巨头都在积极推动人工智能技术生态的研发布局,全力抢占人工智能相关产业的制高点。

那么,如何比较精准的评估一个AI公司的真正实力呢?东方林语列出了一个人工智能行业的“AI四层次金字塔结构模型”,可以作为一个比较客观的评估参考标准。

图:AI四层次金字塔模型

第一层:论文学术理论层,主要在高校及研究机构,各种新的框架、模型、算法等,都是从这里孵化出来。当然,很多大型互联网公司也有类似的研究院。

第二层:模型工程实现层,这个阶段,可以将在高校及研究机构孵化的模型、算法变成工程化的代码,能够被调用,实现初步的场景落地。

第三层:平台产品服务层,将模型、算法变成通用的标准产品或平台,从而能够规模化复制。因为交付环境的复杂多样,对于大部分创业公司而言,这是一个很难迈过去的坎。

第四层:  业务场景应用层,与业务场景紧密结合,真正实现了规模化落地,产生了更高的业务价值。

二、从创业企业维度看人工智能

人工智能技术牵扯到大量交叉学科,且对人才的逻辑思维、跨领域理解力要求极高。

比如,人工智能领域排名第一的卡耐基梅隆大学,其本科课程主要包括:计算机科学、 数学与概率论、工程与自然科学、人文社会科学等,需要的是对跨领域技能的融合与理解。

目前,上至发达国家政府,下至科技巨头AI创业公司,无不将AI视为提升自身的核心竞争力的根本性战略。能够引领AI发展的顶级人才,环顾全球,尚不足千人,而且主要集中在各大高校,自然成了供不应求的抢手货。真正有才华的,被顶级公司抢来抢去的顶级科学家,全球凤毛麟角,年薪动辄达到了几百万美元。

这种背景下,人工智能类相关的创业公司,对人才、资金都有极高的要求。因此,人工智能领域创业,一直是风险投资领域这几年重点关注的方向。

结合“AI四层次金字塔模型”,对创业公司,可以做进一步的梳理与分析:

天使轮创业,很多其实从第一层次就开始酝酿、积累、孵化。所以,很多人工智能类的创业公司,创始人都有高校或者大型互联网公司、上市公司等的从业背景资历,在学术或者实战落地方面,积累了丰富的创业经验资本。

A轮企业,主要在第二层实现了突破,基本实现了从理论验证阶段到模型工程的落地,开始进入正轨化阶段。

B轮企业,算是在第三层,平台服务层上实现了相对标准化,总结出了一定的方法论,打造出了一个相对标准的产品或者平台,为下一步规模化快速发展打下了基础。

C轮以后及IPO阶段的企业,基本都在第四层,业务场景落地上具备了快速复制或落地的能力,组织管理等也相对成熟稳定后,在江湖上,也就有了真正不好撼动的地位了。

2020年2月24日,艾媒咨询发布了《2020中国独角兽榜单TOP100》,榜单根据公开资料从估值超过10亿美元的未上市且独立运行法人企业中评选,统计时间截至2020年1月31日。其中,人工智能类企业有20家,占比达到20%,下面把该榜单的人工智能类独角兽公司统一列了出来。

图:2020中国独角兽榜单TOP100人工智能类上榜企业名单

5G将带我们进入万物互联的智慧生活时代,2020年,全世界将拥有超过500亿个终端相互连接,人类进入万物互联的智慧生活时代。这个时代,更是带来无数的机遇与挑战。

需要说明的是,大部分垂直领域创业型人工智能公司,一般从第四层场景落地切入。

从业务应用场景切入,这是相对而言,技术壁垒相对较低,能够在细分领域快速树立优势的一种创业方式,风险相对较小,但被抄袭或者复制的可能性也增大了很多。

尤其是BAT这类互联网巨头,因为担心被“降维打击”,如果无法收购,当他们看好某个领域时,就投资一家类似的公司,借助资本和资源的力量去实现赶超甚至颠覆,不断提高自己的护城河壁垒。

几乎100%的创业公司,都会被投资人问到这样一个问题:如果百度、腾讯、阿里等巨头也涉足这个领域,你们会怎么应对?

这也是创业公司面临最大的凶险之一。

如果能够瞄准一个细分领域,围绕某一项细分技术,扎进去,扎得足够深,再横向扩展,这也算是一种壁垒。

本次报告,经过多方调研与访谈,评选出了10家值得重点关注的人工智能类概念厂商,包括:聚焦知识图谱领域的海致星图;聚焦机器学习的九章云极;聚焦RPA的达观数据;聚焦智能客服的竹间智能;聚焦NLP+智能资讯的深擎科技;基于半监督机器学习+风控合规的慧安金科;聚焦智能语义分析+信息安全的长亭科技;聚焦业务安全+智能的芯盾时代;聚焦智能金融文本的犀语科技;聚焦可解释人工智能的瑞莱智慧等等,都算是比较典型的优秀代表厂商。

图:2020年值得关注的十家人工智能类厂商

也有一些人工智能公司,技术大牛、博士、院士等大拿很多,有着改变世界的伟大理想。创业之初就想做一个放之四海而皆准的平台产品,照顾到各个行业,试图以综合解决方案去交付,去和BAT、谷歌、亚马逊、微软等巨头硬碰硬,这是一条最难走,也是风险相对最大的创业之路。当然,如果成功了,也会成为估值更高的独角兽企业。

图:人工智能行业四层次金字塔模型与创业企业阶段划分

总而言之,对于大部分人工智能创业企业,无论是自研技术还是采用开源技术,都需要建立2-4层的能力结合,才能真正实现人工智能的行业落地。毕竟,人工智能产生真正的价值,需要数据、场景与工程技术能力的紧密结合。

需要强调的是,除了技术的维度外,还需要从创始团队的综合能力、团队契合程度、团队稳定性、组织良性成长性、所处赛道的市场空间及成长性、产品与落地方企业的上下游IT架构的契合融入度与实施难易度等多个角度综合评估,一个创业企业才能真正走的更远。

图:2020 CBInsights人工智能初创企业排行榜“AI 100 ”榜单

2020年,全球知名科技研究机构 CBInsights人工智能初创企业排行榜“AI 100 ”榜单中,共有6 家中国公司入选,包括追一科技、第四范式、创新奇智、松鼠AI、蓝胖子机器人、禾多科技等(2019年入选该榜单的中国企业也是6家,分别是商汤、依图、第四范式、旷视、Momenta、地平线)。

入选企业,涉及企业智能、智能制造、自动驾驶、机器人等多元化领域,在某种程度上,也算是代表中国人工智能未来重要的发展方向。

2020年入选的具体6家公司的介绍如下:

1、追一科技:主攻深度学习和自然语言处理,提供智能语义、语音和视觉的 AI 全栈服务。

2、第四范式:依托于领先的「AutoML」等技术与低门槛、端到端的企业级人工智能 PaaS 平台「先知」,帮助众多企业级用户及合作伙伴构建从数据到 AI 产业落地的闭环。

3、创新奇智:致力于用最前沿的人工智能技术,为企业提供 AI 相关产品及商业解决方案,通过 AI 赋能助力企业客户及合作伙伴,提升商业效率和价值,实现数字化转型。值得注意的是,2019 年营收相比上一年增长 5 倍多,融资总额近 10 亿。

4、松鼠 AI:成功开发了国内第一个拥有完整自主知识产权、以高级算法为核心的自适应学习引擎。利用人工智能把知识点进行细分,然后通过「贝叶斯网络+推断+知识追踪」的方式,对每一个学生的薄弱环节进行针对性辅导。

5、蓝胖子机器人:以计算机视觉、运动规划、移动及深度学习等 AI 和机器人技术,开发智能供应链整体解决方案,服务于来自物流、制造业、零售、电商等多个行业的国际客户。

6、禾多科技:致力于打造基于前沿人工智能技术和汽车工业技术的自动驾驶方案。其具备从车辆线控、多传感器技术到上层自动驾驶核心算法模块的完整布局, 以实现自动驾驶技术产业化落地为目标,打造本地数据驱动的自动驾驶量产解决方案。

通往智能世界探索的路径存在多种可能,基于部署思路、建设架构、同其他数字化技术联动等方面的差异,业内已有与IoT结合的AIoT、与云平台能力结合的AI PaaS、与产业全面联通相结合的AI+产业互联网等发展路径,将共促人工智能与实体经济的深度融合。

三、AI落地的价值与数据安全隐私关系分析 

根据艾瑞咨询2019年的报告,人工智能围绕8个领域,10个行业,做了一个比价客观的评估,可以作为行业落地的重要参考与借鉴标准。

当前,人工智能,已经在金融、安防、营销、医疗、交通、客服、零售、制造、农业等,根据成熟度不同,已经在不同场景,体现了不同的价值。

人工智能的基础是大数据,但不少行业想落地AI,最大的瓶颈是数据量太小或者数据质量太差。

还有的企业机构虽然有数据,却因为信息安全或者部分数据隐私保护的法律条款限制,或者数据分散到各个部门等各种原因,无法充分进行整合与使用,数据的真正价值远远没有发挥出来。

人工智能的发展催生了新型风险,而传统安全防御方式短板明显,无法有效抵御来自黑灰产的风险,企业业务发展面临着重大挑战。如何做好立体的安全防护、减少业务欺诈、降低运营成本、减少经济损失,也是当下在AI落地过程中,同时需要考虑的重点之一。

在这种背景下,提出了“零信任安全模型”等概念,以人工智能等技术与业务相融合,为用户提供覆盖人与业务交互全流程的安全防护,助力用户搭建智能、自适应的业务安全底层基础设施,实现商业化的成功。

根据“数说安全”的统计,2019年,国内已经上市的网络安全公司已经超过20家,整体市值突破了2000亿元大关,上市网络安全公司2019年平均涨幅超过了60%,无论是二级市场还是创投领域,资本也给予了网络安全行业前所未有的关注,而人工智能+信息安全,两者也结合的越来越紧密。

2020年,美国RSAC大会的主题——“Human Element”,将关注点从技术拉到了“人”的身上,本身就有很强的警醒意味。2020年的全球网络安全热词排行榜也发生了变化。今年热度上升最快的三个关键词为:Zero trust(零信任)、Privacy(隐私)、DevoSecOps(安全开发运维)。而Artificial intelligent&machine learning(人工智能与机器学习),则2019、2020年连续两年在全球网络安全热词的TOP 10之内。

图:2020年全球网络安全热词排行榜

另外,如何在降低数据获取成本的同时保护用户隐私,也是越来越受关注的话题。

2016年,谷歌提出了Federated Learning,也就是联邦学习应运而生。据国际人工智能协会(AAAI)院士杨强教授介绍,借助联邦学习,可以做到在用户不对外共享数据的前提下,完成传统人工智能技术无法实现的多机构联合训练模型系统。

联邦学习主要采用了同态加密的技术来保护多方数据隐私,可以根据用户的特征维度样本ID的重叠度分为横向联邦学习纵向联邦学习,亦或在两者重叠度都很低的情况下采用联邦迁移学习

下面列出了基于联邦学习在银行、语音视觉、零售等领域,通过创新提升价值的部分场景与模型案例。

据了解,目前联邦学习技术已经在平安、蚂蚁、微众银行等大型机构,已经取得了规模化的落地。

四、AI落地的行动策略 

人工智能落地并充分产生价值,需要对数据情况、场景匹配度、技术实现难度等综合评估。按照东方林语微信众公号提出的人工智能行业落地“7区域评估模型图”来综合评估,只有在场景、数据、技术都Ready的情况下,准确找到“快速验证启动区”,再启动行业落地工作,才是相对最为务实的一种方式。

这也和当前流行的敏捷开发,验证场景最小化快速启动等理念,是相契合的。

图:人工智能场景落地7区域评估模型

另外,人工智能落地是一个循序渐进的过程,需要企业内部从数据、人员、投入、组织、战略等多个维度,给予足够的支持,才能发挥更大的价值。

AI企业落地产生价值,需要融合多种AI技术(传统机器学习、知识图谱、自然语言处理、语音图像识别、深度学习等),打通从感知智能到认知智能的道路,打造智能中台,通过认知智能的推进,带来传统意义客户的AI化。

图:数据中台到智能中台的演进

比如,利用机器学习+知识图谱技术做反欺诈,比起传统的专家规则反欺诈和大数据反欺诈,可以做到从真实性、合理性、实时性、关联性、风险可视化等五个维度更立体直观的呈现价值与效果,因此,也受到越来越多的金融机构认可。

图:机器学习+知识图谱金融场景智能化部分模型概览

图:基于图结构的底层与上游应用呈现方式

亿欧智库《金融科技公司服务银行业报告》预测:2020年金融科技规模将达到245亿元。而从全行业来分析,中国人工智能产业规模将超过1500亿元,带动相关产业规模超过1万亿元。但与此同时,我国人工智能人才缺口已超过500万人,供需比例为1:10。

2020年初春,无论是教育部公布的高校新增本科专业名单、研究生培养方案,还是人社部公布的新职业,“人工智能”、“大数据”、“数据挖掘分析”等都成为热门。

Gartner2018年度CIO(首席信息官)调查显示,部署了人工智能的企业比例已从2018年的4%增长到了2019年的14%,几乎翻了四倍。

如果一个机构或者企业,已经开始启动AI落地的相关工作,可以按照“人工智能场景落地7区域评估模型”,经过对数据、技术、场景评估充分论证后,找到“快速验证启动区”,进一步的详细方法,可以关注“东方林语”微信公众号了解相关内容。然后再按照人工智能落地“四阶段步骤循环图”,来启动人工智能类项目的逐步落地工作。

具体而言,可以分成四个步骤来逐步实现:

1、开始尝试阶段:

包括论证数据价值,探索业务场景,

做好技术储备。

2、快速启动阶段:

包括找到业务场景,构建数据服务,

产生业务价值。

3、小步快跑阶段:

包括构建数据平台,自动采集处理,

加速数据价值链。

4、循环提升阶段:

包括建立运营体系,持续深挖价值,

构建数据闭环。

图:人工智能落地“四阶段步骤循环图”

人工智能助力产业智能化升级,商业价值巨大,已经成为新一轮科技革命的核心驱动力,2020年,预计会为我们经济、社会、生活带来各种新的突破和影响,让我们拭目以待吧。

五、总结与展望

2020年3月4日,中共中央政治局常务委员会召开会议,再次强调加快5G网络、数据中心等新型基础设施建设进度。当前, “新基建”主要包括七大领域:5G基建、特高压、城际高速铁路和城市轨道交通、新能源汽车充电桩、大数据中心、人工智能、工业互联网。

据中国科学院院士谭铁牛介绍,人工智能领域的“新核高基”,主要包括:

“新”指新型开放创新生态,如产、学、研融合等;

“核”指核心关键技术与器件,如先进机器学习技术、鲁棒模式识别技术、低功耗智能计算芯片等;

“高”指高端综合应用系统与平台,如机器学习软硬件平台、大型数据平台等;

“基”指具有重大原创意义和技术带动性的基础理论与方法,如脑机接口、类脑智能等。

人工智能行业从落地到发展,需要从场景应用价值、技术标准建设、产品综合性能、安全与隐私等综合考虑。

我国在人工智能技术应用方面,已经走在了世界前列。在人工智能国际标准制定方面,应当掌握更多话语权,并通过实施标准加速人工智能驱动经济社会转型升级的进程,在全球人工智能技术标准和场景落地的双领域竞争中全面领跑。

最后,用一首诗和一张图的形式,对人工智能从当前到未来,做一下总结与展望:

小试牛刀显身手,

天使魔鬼双刃流。

创新立异未来袤,

归纳融合早筹谋。

[Source]

本文系未央网专栏作者发表,属作者个人观点,不代表网站观点,未经许可严禁转载,违者必究!

本文为作者授权未央网发表,属作者个人观点,不代表网站观点,未经许可严禁转载,违者必究!

本文版权归原作者所有,如有侵权,请联系删除。

评论


猜你喜欢

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。