由中国计算机协会（CCF）主办，雷锋网、香港中文大学（深圳）承办的第二届 CCF-GAIR 全球人工智能与 机器人 ( 行情 300024 ,诊股)峰会在深圳成功举办。 会上，国家" 千人计划 "特聘专家，平安科技首席科学家肖京博士带来了主题为《“智能＋”探索与实践》

　　由中国计算机协会（CCF）主办，雷锋网、香港中文大学（深圳）承办的第二届 CCF-GAIR 全球人工智能与机器人(行情300024,诊股)峰会在深圳成功举办。

　　会上，国家" 千人计划 "特聘专家，平安科技首席科学家肖京博士带来了主题为《“智能＋”探索与实践》的演讲。

　　肖京博士介绍，平安集团创办至今在运营和决策方面经历的三个阶段：

　　信息化阶段：打通各个环节，让公司的业务人员和决策者能够快速获得信息，做出决策；

　　数据化阶段：公司把信息存储下来做分析统计；

　　智能化阶段：公司不仅可以把数据存储下来做分析，还可以做深度挖掘，帮助管理层更好地做决策，甚至自动做决策。

　　而关于AI在金融领域的应用，肖京博士表示，AI是个相对较老的概念，从1956年至今，人工智能已经经历了两次兴衰。在他看来，从不被看好到全员接受，AI的爆发取决于以下三点：

　　互联网及大数据的出现；

　　存储能力和算法的显著提升；

　　深度学习兴起。

　　在他看来，AlphaGo成功吸引了人们对AI的关注，但它还存在诸多不足。“如知道会赢，但不知道为什么会赢，也不知道会赢多少。因此，在金融决策时，除了智能外，还必须使用量化的数据和信息快速了解业务规则做决策。”

　　基于此，平安科技在此基础上有所改进，主要分为三大方向。

　　一是可解释性；

　　二是小数据学习；

　　三是记忆增强神经网络。

　　总体来说，肖京博士认为如今AI技术发展非常快，对各行各业都有非常明显的促进作用，但如何利用技术去更好地服务市场还存在很多不足，之后还会有很长很陡的坡要爬，前行之路肯定不易。但肖京博士同时又通过雷锋网（公众号：雷锋网）表示，平安愿意跟大家共同探索未来，共享集团的业务经验和技术能力。

　　以下是肖京博士演讲全文，雷锋网作了不改变原意的编辑：

　　大家好！今天非常高兴能在这里跟大家交流。两位教授的报告非常精彩，张教授（港科大张晓泉教授）谈到为什么AI需要经济，我谈谈为什么经济学和金融行业需要AI，AI如何更好地帮助金融行业。

　　首先来简单介绍下平安的基本情况，平安集团从最初100平的小房子做财险到现在150万人的大企业，它的发展经过三个阶段：

　　一是自营模式，做保险、寿险、银行；

　　二是允许其他公司的服务进入平安集团，比如陆金所；

　　三是允许其他公司的产品在平安的平台上做交易。

　　这也就是平安3.0阶段。它的战略目标是成为国际领先的个人综合生活服务提供商。这其中包含两个战略，一是大金融资产；二是大医疗健康。

　　平安从一开始就接触金融业，非常了解传统金融行业，平安是全牌照公司，业务范畴包括保险、银行、资产管理等。

　　传统金融+互联网把传统业务互联网化，将线上线下打通结合、降低成本、提高效率、提升客户体验。

　　互联网+传统金融与互联网＋金融与非金融是围绕用户需求建立的互联网生态圈，在生态圈植入金融服务和非金融服务。

　　除了金融服务外，平安还关注房产服务、医疗健康和汽车服务。所有架构下面是平安的综合平台，它提供全集团所有的金融业务和非金融业务的技术支持。

　　平安在IT方面同样也经历了三个阶段。

　　一是信息化，我们在很多年前实现信息化，打通各个环节，让我们的业务人员和决策者快速获得信息，做出决策；

　　二是数据化，我们把信息存储下来做分析统计；

　　三是智能化，我们不仅可以把数据存储下来做分析，还可以做深度挖掘，帮助我们更好的做决策甚至自动做决策。

　　为了这三个方向的全面发展，平安在模式上、业务形式上作了很大改变。2000年开始，平安开始转型互联网＋，之后的20年时间，平安所有的业务都实现了互联网化，通过互联网化可以降低成本、提高效率。

　　互联网只是模式的创新，相对容易实现。而过去几年整个市场开始进入一个新阶段――智能+，我们希望在业务流程的每个环节里植入智能元素，让每个环节智能化，效率更高，成本更低，用户体验更好。

　　智能+主要是技术的创新，它跟互联网+有很大区别，主要区别在于智能+需要数据分析、挖掘价值、体现价值。而在这方面，平安有得天独厚的优势，平安在过去29年的发展中积累了大量的数据，现在我们有3.76亿互联网用户，1.37亿个人金融客户。

　　如何通过智能+把要素挖掘出来？

　　一是业务规则，我们做专家系统、规则引擎。数据依赖于规则、经验和知识，不能直接从数据中出来。比如平安的反欺诈理赔系统，覆盖上万车型、零部件。假设本田车主来理赔，换保时捷的部件，可以快速发现这是违规和欺诈。

　　二、商务智能，将用户分群然后关联分析，对不同的用户群体进行不同的营销、风控策略。

　　再之后就到了AI时代，人工智能历史悠久，比大数据、云计算出现还早很多，它并不是新的概念。那问题是为什么AI现在又火了？

　　早在70年代，当时电视广告里就有人工智能机器人助手，每天帮你查邮件、语音交互，大家认为人工智能可以做这些事，后来发现当时的计算能力很弱，一个词库只有30-40个词，所以大家认为人工智能是骗子。

　　而90年代中期开始，由于互联网的出现，数据、存储能力、算法都有显著提升，AI技术又开始蓬勃发展起来。

　　再到后来，2006年深度学习出现后，对非结构化数据处理带来了非常大的突破，产生了非常多的应用场景。

　　而从这开始，AI就彻底火了。

　　技术的发展始终都是围绕人类的实际应用展开的。随着深度学习技术的出现，我们在金融、医疗等很多行业不再是纸上谈兵。以前我们做语音、图像，需要定义很多特征，在特征的基础上做算法、机器学习、数据分析达到我们的目标。现在深度学习出来后，在非结构化数据下，自动做端对端处理，完美解决了之前遇到的棘手难题。

　　张晓泉教授刚才提到深度学习的很多问题，如数据量巨大、机器学习的方法等，这些都不用太多考虑因果关系，而在实际应用中，就必须重视。

　　AlphaGo告诉你会赢，但不会告诉你为什么会赢。我们的金融场景、医疗场景在很多情况下需要知道原因，你给客户的贷款利率比别人高，我需要有原因。

　　AlphaGo的不足还体现在它知道赢，但不知道赢多少。

　　金融决策时，不知道赢多少或者输多少，那就等于没判断。另外，我们还知道金融、医疗等行业很多时候都是小数据的（数据量很小），它无法快速吸收业务规则。

　　对此，我们做了相应改进：

　　一是可解释性；

　　二是小数据学习；

　　三是记忆增强神经网络。