未来金融：人人都是基金经理，让AI能力变得像买书一样容易

大数据时代，我们最担心和顾忌的就是自己的隐私。然而，人工智能不仅接触个体数据，也同样保护个体隐私。日前，天云大数据CEO雷涛在接受ZD至顶网记者采访时表示，真正去使用大数据手段和技术的时候，是不会存在隐私问题的。

“当我们只有一把钥匙对着一把锁的时候，当然会担心小偷把钥匙偷走。但是，如果我们门口放着一百万把钥匙呢？只有机器能对上！过载的信息会使得单独个体的信息被漠视，因为它的计算成本很高。特别是在AI模式下，计算的过程已经通过AI模型设计好了，这是一个数学计算的过程，比如Apple公司使用差分隐私技术（Differential Privacy）,能够把物理世界的你和虚拟世界的你隔离开来，开发者使用个体数据时，也不会有隐私泄露的问题了。”

天云大数据CEO 雷涛

AI需要与商业实践结合才能实现产业化

当下，企业对于大数据技术的应用已经不再局限于BI，AI在商业实践中的价值日益凸显。而AI和BI的最大区别在于，是谁在做决策。经过BI分析，最后还是把数据交给人去做决策和判断，这个过程并没有形成闭环，同时周期和反馈延时也比较长。而AI的分析过程是层层嵌套的，每一个节点的数据都会作为下一个数据输入输出的依据，是一个闭环的过程。

在雷涛看来，BI就像是流水线的工人在一条生产线上重复拧螺丝的过程，其他环节是不理会的。而AI需要一个体系化的思路，需要人从生产线上退下来，设计整个流程模型并通过自动化的方式运行。在这个过程中，人是流水线的设计者，而AI的落地则是一个自动化、自我循环的供给过程。

其中，最难的环节在于如何定义问题，而不在解决问题。也就是说，这些大量的计算模型如何设计，是需要结合企业具体的业务经验才能有效落到实处的。

雷涛认为，要更好地定义AI模型，使得AI能够实现产业化，就需要将数据、计算能力、算法三者有机结合起来，并且落地到商业实践中，才能变成一个可交付的结果。同时，这三者之间是彼此促进的，有了更多的数据，才能积累更多的计算资源，激发更高效的计算能力，经过算法的不断迭代，与商业实践的结合也会更加成熟和自然。

赋予企业平台化的AI能力

日前，机器学习诸多理论的主要奠基人、美国三院院士 Michael I. Jordan受聘为清华大学访问教授，在演讲中他就表示，大数据的增长对传统的数据科学理论提出了改变的需求，特别是统计学和计算科学的相关理论，应该呈融合式的发展。他认为，以往计算科学和统计学各自在两个路径上发展，如今，这两者交互在一起之后就会为产业带来巨大的变化。

“实际上大家都在谈同一个话题，就是融合。我们所提供的平台，其实也是融合的形式，是数据、计算能力和算法的融合，这是AI产业化最需要的。”雷涛表示“就像当初，虽然蒸汽机是在英国发明的，但是产业化却是在美国。如今，我们已经有了分布式计算，有了数据，有了市场需求，而将这些结合起来形成工业化的产业能力，就是接下来的核心。我们希望赋予企业的，就是这样的能力。”

雷涛所说的平台化，交付的不仅仅是算法，同时也包括了数据、捆绑了云计算分布式的计算资源，有点像安卓为移动开发者所提供的快速开发APP的能力。

我们回过头再来看一下移动互联网时代的发展，2002年各大手机厂商手机中的“百宝箱”（里面有俄罗斯方块、贪食蛇、接水管等等），所使用的是各自原生OTA（空中接口方式），只有Moto、Nokia这样的大公司才有开发实力。随后，苹果发布了针对iPhone的SDK（应用开发包），谷歌也在安卓系统上添加类似功能，使得技术开发能力得以扁平化，而企业也能够把更多的精力放在的业务端上。

用雷涛的话说，平台化的AI能力，就像是在第一次世界大战中的Maxim机枪，这款“自动武器之王”的出现使得步兵完成了从“猎人”到士兵的转变，同时，人类兵器史完成了从瞄准到扫射的过渡演进。而数据对于在AI时代，就如同Maxim的火药，平台会让AI变得更加接地气和平民化，让每一个个体都具有分析能力。

这样看来，天云大数据将自己的AI平台命名为“Maxim AI”也就有迹可循了，它让深度学习可以快速布置，同时不再依赖昂贵的GPU集群。

未来金融场景：人人都是基金经理

从行业角度来看，金融对于数据向来就有天然的诉求，这也决定了AI在其中将有很大的发挥空间。正因如此，金融行业也一直是天云大数据所深耕和关注的重心。在雷涛看来，未来的金融将从普惠金融步入自主金融服务。在普惠金融时代，科技还只是辅助和支撑，是帮助企业优化成本的工具，而金融产品本身是没有变化的。

但随着BI向AI的进一步演进，基于大数据为核心的AI、区块链技术模式，不仅金融基础设施会出现巨大的变化，金融产品本身的设计也会改变，会变得越来越个性和灵活，从而满足不同个体的需求。比如，不同的人享有不同的利率、根据个体的流动性需求和风险偏好匹配不同的产品组合，因此，资产端和资金端的匹配也会越来越复杂。AI在其中所发挥的价值，就是使得资产撮合和匹配，更加精细化和个性化。

在这样的背景下，通过Maxim AI平台把AI能力下沉到个体，天云大数据致力于服务的未来金融场景是，每个人都可以自主组合理财进行购买，人人都能变成银行家。“通过平台化、扁平化和碎片化，我们希望把AI能力变得像买一本书一样容易，让每个人都能够受益。”

AI模式下很多场景将被重新定义

雷涛强调，“当然，对于金融机构而言，需要特别关注的一点是传统金融企业数据仓库的建设和改变。以前数据仓库的建设是基于规则的，这与BI技术相对应。但是随着金融产品和匹配方式日益复杂，就要求企业的数据仓库必须从经验规则驱动的方式，转变为场景化数据驱动。我们需要用人工智能的方法，对很多场景进行新的定义，设计出对应的模型，从而服务于企业。”

举个例子，对于反欺诈而言，最重要的就是深度学习。传统申卡欺诈分析中往往运用的是强变量来评估个人在未来信用卡使用行为中的表现，没有整合分析其他维度的数据源。而大数据申卡欺诈分析预警系统，不仅融合了信用卡申请环节的各个业务数据，还引入了第三方数据，并通过复杂网络技术，构建申卡客户的关联数据，提高了欺诈风险的动态捕捉能力。

除此之外，在银行信用定价方面，天云的Maxim AI平台还可以针对千万级别的信用卡客户风险进行分析，针对不同风险值的信用卡客户的利率进行差别市场化，通过对用户的属性分析，提供定制化资金服务的模式，改变金融产品设计以及交互方式。

“这些都是已经正在发生的案例，不得不说，AI离我们已经很近，并且在接下来会出现指数级别的变化。AI的普及化、民主化将给我们的日常生活、组织企业和社会形态的带来巨大的影响。具体到金融行业，主体金融中的数据仓库很多都会从BI转变为AI，同时，新的金融实体也会越来越多。”雷涛总结道。

原文发布时间为：2017年1月5日

本文作者：高玉娴

本文来自云栖社区合作伙伴至顶网，了解相关信息可以关注至顶网。