9月12日，以“AI赋能 产业升级”为主题的杭州AI产业研讨会在北京举行，杭州市有关部门领导及国内外AI领域的专家、企业代表头脑风暴，为杭州怎么样发展AI产业，进一步发掘人工智能潜力建言献策。

  而作为国内较早研究人工智能的高校之一，浙江大学在1981年创建了人工智能研究所。研讨会当天，浙江大学人工智能研究所副所长郑小林分享了AI产业发展的领先理念，从大数据驱动新一代人工智能、新金融及其面临挑战、金融智能支撑平台及典型应用三个方面解读新一代人工智能遇上新金融的无限可能。

  我来自浙江大学人工智能研究所。作为年轻一辈，我们最近有幸参与了国家新一代人工智能的规划工作，今天来跟大家伙儿一起来分享相关的工作内容。

  人工智能的发展从开始到现在，经历了三个阶段，第一个阶段我们叫做计算智能，此阶段要解决的事情，叫做能存会算。第二个阶段是感知智能，此阶段是能听会说，能看会认。第三个阶段往下发展应该叫认知智能，要达到什么样的程度呢？要能够理解、会思考，我认为这个是最高级的境界，目前人们正在往这个方向努力。

  实际上，我们对全世界的看法，从横向来看，可以把它分为可统计和不可统计的事物。从纵向来看，可大致分为可推理和不可推理的事物。从可统计到不可统计，能够最终靠一些事件举一反三。从可推理到不可推理，就是去做模糊识别的工作。人工智能用到很多方法，比如从可统计到不可统计，现在用的非常多的方法是机器学习，从可推理到不可推理，用的解决办法是神经网络。

  为什么当前人工智能发展叫做新一代人工智能？因为AI1.0做的人工智能，只是解决了可统计可推理的事物。要发展到不可统计不可推理，就是现在的AI2.0去解决的。以前我们说，机器学习和神经网络解决了部分问题，但还是有很多问题没解决。这两个东西怎么结合起来？我们现在叫深度学习，深度神经网络，包括各种各样新的方法，这个就是现在2.0研究的。

  刚才讲的AI2.0解决的这样一些问题，在国家的发展规划里面分成了五大基础方向和四大智能应用。五大基础方向分别是大数据人工智能、群体智能、跨媒体智能、人机混合增强智能和自主无人系统。四大智能应用分别是人机一体化智能系统、智能农业、智能医疗、智慧城市。

  一、大数据智能。我们会发现，其实从信息经济向数字化的经济转变的过程，就是从人工知识到大数据驱动学习迈进的过程。

  二、跨媒体智能，是从单一数据到跨媒体认知、学习和推理，要解决就是包括视频信息、语音信息、图片文本在内的各种各样的海量信息，这些知识怎么关联，怎么学习，怎么推理，这就是跨媒体智能要解决的问题。

  三、群体智能。AI1.0是个体智能，现在强调群体智能，个体解决不了，群体发挥作用。

  四、人机混合增强智能，大家经常看电影，X战警、未来战士都是人机混合，换上机械手臂变得很强，这里就是一个混合增强智能。这个已经有很多研究成果，目前主要使用在在人的康复等方面，比如用意念控制的机械手等。

  五、自主无人系统，包括无人汽车、无人战机等。这是新一代人工智能五大基础研究方向。

  随着社会持续健康发展，我们各种各样的信息和数据都在数字化，数字本身也在资产化，所以我们正真看到，大数据在人类社会，包括物理空间还有信息空间逐渐开始融合，我们把它叫做CPH空间。实体经济与虚拟经济紧密结合，比如智慧城市、智慧医疗，这是海量数据带来的新挑战。

  在今年杭州市的一号工程文件里面，有一个数字化的经济倡议。数字化的经济是指以使用数字化的知识和信息作为关键生产要素、以现代信息网络作为重要载体、以信息通信技术（ICT）的有效使用作为效率提升和经济结构优化的重要推动力的一系列经济活动，这是2016年在杭州G20峰会发布的“数字化的经济倡议”里的定义。

  第四，供给和需求的界限日益模糊。第五，人类社会、物理空间和互联网空间日趋融合，很难分割，各种各样的东西都在数字化。

  从信息经济到数字化的经济，大数据驱动人工智能持续不断的发展，主要为了建立驱动数据和知识引导的智能计算平台和方法，形成从数据到知识，从知识到智慧这样一个逐步上升的过程。其实，我们看AI发展的三个阶段，从计算智能到感知智能再到认知智能，本质就是从数据到知识再到智慧的过程。这是我们的大数据智能要解决的问题。

  在大数据驱动人工智能发展背景下，金融业也迎来了新的挑战和变革，我们把它叫做新金融。所谓的新金融是指，传统的金融业务在与网络技术包括大数据、云计算、人工智能技术融合下，产生新的金融生态、金融服务模式和金融产品。

  新金融面临哪些挑战？我们把所有的金融都归纳成四个角色。第一个角色是资金需求方，第二个角色叫做资金供给方，第三个角色是金融中介，第四个是管理机构。这四个角色面临的四大挑战分别是安全、风控、获客、效率。人工智能如何来解决？金融如何来解决？它们之间互相碰撞，会产生什么样的火花呢？

  首先对于安全来说，最重要的包含几个维度的安全，一个是金融监督管理领域问题，第二个是金融本身的系统安全，包括我们整个金融系统在运营过程中产生的风险，第三是网络本身的技术安全。

  第二是风控，各个金融机构，无论是银行、互联网金融平台，还是私募基金、保险等，都会面临风控问题。传统做法是通过风险对冲，怎么对冲？银行最喜欢做的是房产抵押，风险对冲很容易。但是在网络上，没有这么多东西做抵押，怎么办？这样一个时间段就要通过大数据和人工智能的方法。还有异常检测，通过大数据和人工智能为用户进行信用评估的时候，可能会碰到不良分子攻击评估体系，所以会有异常检测。再有就是大数据征信。

  第三个挑战我们讲效率，AI和大数据在效率上能做什么呢？第一个是业务的自动化，比如美国高盛公司在金融中心的营业厅，以前有一百多人，现在可能只需要两三个人，因为全部都是数字化、智能化，根本不需要营业人员。第二就是中介会慢慢的变少，会被优化掉。

  第四个挑战是获客，获取服务和服务客户，这里面会涉及到人工智能。比如做客户大数据的画像，什么样的客户我愿意给他提供金融服务。第二个维度就是智能定价，同样的保险公司，同一个险种，卖给不同的人可以是不一样的价格。第三是客服机器人。为什么客服机器人这么重要？我们都知道双十一这么多的用户，如果同时人工服务，可能要几千上万的客服才能解决，会碰到很多问题。但机器人基本上能回答初步的问题。

  在解决过程中，不管做研究还是做产业，都会碰到一个挑战，就是大数据的挑战。

  传统的金融学和经济学绝大多数都是通过抽样的方式来做样本分析，接着进行一些统计分析，数据量非常小。而且传统金融学和经济学的研究方式注重因果关系的验证，先假设一个结论，通过数据分析最后来验证这个结论，所以它是基于假设检验和统计检验的统计方法。

  但是，在大数据背景下就不是这样了。以前讲信息不对称的博弈，现在变成了数据不对称的博弈。比如今年在杭州，很多互联网金融公司接入蚂蚁金服的数据，做很多业务，但是后来这个行业出现了一些问题，蚂蚁金服把这个接口停掉，很多公司就没有很好的方法做业务了，这个就是数据控制在谁的手里。

  第二，从相关关系到因果关系的深化。原来我们做数据分析的时候，可能经常听到是“啤酒加尿布”的概念，但是现在往往要深入到因果关系的挖掘层面。

  第三，在统计分析和建模过程中我们得知，传统的建模变量非常少，但是在新场景里，建模维度非常高，上万个维度都可能会。在这种情况下我们如何正确地处理，怎么降维，怎么找到核心特征，就变成现在很多产业、企业很看重的问题。

  总之，对金融科技来讲，AI和大数据已经深刻影响了金融的方方面面，比如借贷，包括区块链和加密市场、监管科技、个人金融，包括支付和结算、保险，还有金融市场、个人财富管理、转账、实物抵押等，不同的金融场景都受到了大数据和人工智能的影响。