0
| 本文作者： 陳伊莉 | 2017-07-09 23:12 | 專題：GAIR 2017 |
在大數據、人工智能、區塊鏈等技術奔涌薄發的時代，金融成為最佳首選落地場景。不論是理財投資、保險、信貸、房地產等傳統金融業務領域，還是市場分析、征信、風控等技術環節，金融科技的介入讓這個古老的行業再一次迎來翻天覆地的變化。那么，在技術帶來業務革新的過程中，業界都遇到了什么問題，有什么最新的實踐經驗可以參考？面對威脅，傳統金融業的出路在哪里？
為了解答這些疑問和探討行業的未來發展，在由中國計算機協會CCF主辦、雷鋒網和香港中文大學（深圳）聯合承辦的「CCF - GAIR」全球人工智能與機器人峰會中設置了金融科技專場。雷鋒網邀請了產學研各界十數位大咖為我們奉上了精神饕餮盛宴，涉及人工智能、大數據、區塊鏈與智能合約、智能投資、智能投顧、智能營銷等金融科技領域最熱的話題。由于各位大咖們的研究領域、研究角度都不同，接下來的內容將會劃分為“學術前沿”、“產業前沿”兩部分。
如果將科技研究比作在廣闊的森林里有目的的尋找，學術研究就是在千萬次試錯中發現新風景。
雷鋒網邀請到了數位桃李滿園的學術泰斗，包括英國皇家工程院院士、原牛津大學計算機系主任Bill Roscoe教授，香港科技大學張曉泉教授，北航區塊鏈實驗室主任蔡維德教授，中科院計算所副研究員羅平。
作為金融科技專場的開場嘉賓，Bill Roscoe教授分享了凝結著他三十年研究經驗的技術專利，包括信息安全、計算機驗證、智能合約等方面。
兩級密碼系統
該系統是對密碼學老問題的創新解決方案，密碼學老問題是：如何分辨錯誤和惡意攻擊？而密碼越復雜安全，用戶出錯的幾率越高。
這就涉及 PAKEs，一個密碼驗證、密匙交換的協議。當雙方需要在不同的系統上搭建一系列的交換或者建立安全通道，需借助它建立密碼安全加密鏈接。這時就要針對每組密碼需要滿足的目的，基于簽名建立一套標準，利用該標準選擇密碼。該標準看起來會像 hash(ps)<C。C 控制能通過系統驗證的隨機字符串比率。
加密簽名
數字簽名現有的方案僅僅使用 hashing，比如 Lamport。它的方案對于每一個數字、每一個字位、每一個比特都有公匙和密匙，提供單獨簽名。
但有一種全新的解決方案： temporal signiture （臨時簽名）。它完全拋棄了公鑰和私鑰之間的差別，假設一個各方同意的、可靠的時間標準，比如區塊鏈。對于每個密鑰要經過的三個階段：未確認、保密、公有。該方案中，初始有效密鑰只需經過后兩個階段。
此外，他表示，目前所有的密碼學簽名都假定某數學問題難以破解以此來保障安全。而在未來，業界能夠借助量子計算來對重要信息進行加密，保證信息數據。
張曉泉是香港科技大學商業統計及運營學系教授，擅長領域是信息產品的定價策略、大數據營銷、商業人工智能以及互聯網金融等。作為本場唯一一位經濟學家，他認為，經濟學也可以助力 AI。經濟學家和計算機專家研究人工智能的最大不同在于，機器學習在做的事情更多是預測和分類，而經濟學家的研究目標是解釋清楚事情的底層機制，發現因果關系。
張曉泉教授還提出，決策場景中存在五個級別的不確定。
第一個是 Certainty，也就是 100% 會實現的。
第二個是 Risk 風險，有概率出現。
第三個是 Black Swan，也就是小概率事件，雖然概率小，但會發生。
第四個是 Ambiguity 模糊性，“比如即便我有世界上過去所有股市的數據，我仍然不知道明天會漲還是會跌，因為有很多影響的因素”，這就是模糊性。
最后一個是 Radical Uncertainty，“當你有這種 Radica Uncertainty 的時候，你是沒法描述這件事的，無法寫一個模型來預測恐怖襲擊會在什么時候、哪里、怎么發生”。
在這五個級別中，第二級別囊括了世界上的絕大多數問題，第四和第五級別是人類目前無法解決的，而他正在研究第四級問題。
蔡維德教授是北航區塊鏈實驗室主任和天德科技首席科學家。研究領域是高并發的大數據版區塊鏈，而他領導研發的北航鏈去年宣布交易速度已超過4萬筆/秒。蔡教授認為區塊鏈將成為新計算基礎設施。值得強調的一點是，他表示區塊鏈與去中心化沒有關系，只是一種分布式技術。
同時，他還提到兩個研究進展。
一，由于美國交易后金融服務公司 DTCC的‘凈額結算’流程處理方式有問題導致區塊鏈無法完成結算，蔡教授團隊的解決方案是：存儲所有交易主體全部歷史交易信息和余額信息，從凈額結算到大數據版區塊鏈，并提供監管節點。
二，區塊鏈互聯網將成為行業新趨勢。區塊鏈互聯網分為異構網絡和同質網絡兩個類別。如同互聯網也有著各種局域網、廣域網，未來也會有很多區塊鏈，因此需要組織一個區塊鏈互聯網，來做好鏈之間的交互。
“ 其中涉及的層面很廣，包括技術（例如新的 TCP/IP 協議 和 能被區塊鏈支持的新版 ISO 20022）、商業、聯盟、國家，甚至是草根力量，但是目前區塊鏈互聯網的規則是空白。多鏈架構會是未來主流，區塊鏈的互通和網絡設計會推動行業的大洗牌。”
最后一位學術型嘉賓是中科院的羅平博士，他的研究領域主要是機器學習以及大數據。羅平告訴雷鋒網，他的研究邏輯是，扎根金融領域探索實際問題，再進行抽象研究。不同于前三位嘉賓關于底層技術、研究思想方面的演講，他分享了一個將AI應用于投行領域的具體項目。傳統投行人員工作中需要接觸大量的金融文檔工作，而撰寫操作風險高，有可能造成很高的聲譽和經濟損失。
為了解決困境，羅平團隊正在研究一種智能化處理金融文檔的技術。其中的核心技術稱為 Text2Tuple & Text2Equ，即自動提取元組和公式，生成明晰的數學表達，將非結構化、半結構化的金融文檔（公開或非公開），分解重組成可供計算機搜索、比對、分析的結構化數據。并將這一結構化數據應用于金融文檔的智能撰寫、智能合規、智能風控、智能審批、智能審計等。
目前已經研發上線了一款名為 AutoDoc 的金融文檔處理工具，以及一個名為 NeuSALG 的智能化金融通路平臺。
近幾年由于大數據的發展，業界和學術界的研究水平差距已經變得很小，兩方互通有無，合作變得愈加頻繁，形成了良性循環。張曉泉教授在接受雷鋒網專訪時表示。
學術研究是找尋新風景的過程，接下來的產業應用則會開始實地探測、挖掘金礦。了解業界金礦的挖掘現狀也非常重要。因此雷鋒網也邀請了幾家在各自領域影響力巨大的企業分享他們的Fintech發展之路。
其中，有兩位來自傳統金融機構的嘉賓，分別是平安科技首席科學家肖京、中國銀聯區塊鏈負責人周鈺。
肖京博士畢業于美國卡內基梅隆大學計算機系，是國家引進專家之一，擅長于人工智能與大數據分析挖掘。作為Fintech的先鋒者，肖京總結了平安的三個IT化建設階段：
信息化階段，平安集團在四年前打通了各業務數據體系，實現信息化，讓公司的業務人員和決策者能夠快速獲得信息，做出決策；
數據化階段，公司把信息存儲下來做分析統計；
智能化階段，公司不僅可以把數據存儲下來做分析，還可以做深度挖掘，幫助我們更好的做決策甚至自動做決策。
他還表示，人工智能目前存在一些不足，即機器只能告訴人們會贏，但沒法說明為什么會贏。而在金融決策時，必須要使用量化的數據和信息。此外，金融以及醫療行業很多情況下獲得的數據量很小?；诖?，平安科技提出了三大改進方向，一是可解釋性，二是小數據學習，三是記憶增強神經網絡。
周鈺是專場的壓軸演講嘉賓，他帶來了題為《金融機構的區塊鏈技術研究與實踐》的分享。他談到，作為一個時常要“被顛覆”的機構，銀聯從2015年就成立了團隊開始研究區塊鏈，主要從三個方面開展：技術評測、技術應用、數字貨幣。
銀聯總結了幾大實踐規律。
第一從簡單場景入手，區塊鏈的“去中心化”在理論上適用于復雜場景。但這會面臨工程可行性上的困難——比如，參與方越多，協調觀念和理念的溝通成本越高。
第二從核心業務到非核心業務，不會從核心業務領域開始應用，會從外圍業務探索區塊鏈。例如電子票據、跨境對賬業務、POS電子簽購等。
他還表示，銀聯很適合牽頭應用區塊鏈，因為天生是一個傳統的被信任的中心，銀行之間的合作通常又需要一個可信任的第三方。
傳統金融機構在努力求變，Fintech公司也堅持著不斷探索。作為金融行業的新玩家，他們也不少實踐心得。出席的嘉賓分別是通聯數據CEO王政、百度金融高級科學家吳健民。
在加入通聯數據之前，王政曾任巴克萊全球投資公司基金經理、博時基金股票投資部總經理、ETF及量化投資總監等職，擁有近20年資產管理、金融信息平臺研發和大數據研究經驗。
王政指出，與用AI下圍棋不同，在投資博弈過程中，只有部分的規則是明確的，邊界也不夠明確。但無可辯駁的是，金融科技正驅動著投資行業的變革，我們開始邁入智能投資時代。
具體來說，智能投資包括四方面，投資研究、組合管理、風險管理和財富管理。其中，王政又著重分析了智能投資和智能投顧。他表示，知識圖譜技術能在智能投資中發揮巨大的作用。至于智能投顧，簡單來說就是讓系統來幫助用戶做資產配置。
最后，王政總結了人工智能對投資者的三點幫助，第一可以提升投資研究的效率；第二在數據驅動下，能隨著不斷變化的市場調整投資研究體系；第三打造機器人基金經理，完成投資管理全流程。
在加入2014年加入百度前，吳健民先后就職于雅虎北京研發中心、騰訊，從事分布式機器學習算法與搜索相關的工作。在演講中，他介紹道百度金融已經確定7大技術方向，分別為智能獲客、身份識別、大數據風控、智能投顧、智能客服、金融云、區塊鏈。并重點介紹了智能獲客和大數據風控。
智能獲客的核心是降低獲客成本，通過三個步驟來實現用戶需求的精準的定向及滿足：
刻畫用戶的金融畫像及需求，需要做到全面、準確且能夠及時觸達；
生成與場景自然切合的動態創意；
通過響應模型準確匹配金融產品與用戶的需求。
大數據風控主要有兩方面挑戰，本身特征是高維稀疏、異構、弱相關；信貸樣本少且無共享機制。針對此，解決方案有三點：
通過集成學習及boosting方法，融合弱特征生成具有強區分度的模型；
利用深度學習，通過降維的方法，解決高維稀疏的問題；
利用半監督學習來解決樣本過少的問題，通過少量有標注樣本及大量無標注樣本生產推廣性和穩定性好的模型。
第二屆CCF-GAIR在今日落下帷幕。三天十一專場，除了金融科技專場，還包括計算機視覺與NLP、自動駕駛、醫療機器人、機器人與自動化、CV+、AI+創投等多個火熱議題。
其他場次受邀嘉賓還有中國工程院院士、原常務副院長潘云鶴教授， 中國科學院院士、英國皇家工程院外籍院士譚鐵牛，美國人工智能學會主席、亞利桑那州立大學教授Subbarao Kambhampati，美國工程院院士、卡內基·梅隆大學教授金出武雄教授，倫敦大學學院教授汪軍，IEEE Fellow美國工程院院士Vijay Kumar等，不勝枚舉。此外，會場還設置了幾十個企業展區。
一位與會嘉賓多次向筆者表示“人山人海，規模盛大”。今年沒來的朋友們，明年約嗎？
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
專題
