文 | 中国银行信息科技部副总经理 马龙
以谷歌人工智能程序AlphaGo战胜韩国围棋名手李世石为标志，各国政府和企业开始认识到人工智能技术真正的潜力，从而引发了社会各界对人工智能的大讨论。伴随着大讨论，各国关于人工智能的发展思路逐渐清晰，纷纷出台与人工智能相关的国家级战略规划。2017年7月，国务院印发了《新一代人工智能发展规划》，明确将人工智能作为未来国家重要的发展战略，对完善中国人工智能领域研究布局、构筑我国人工智能发展先发优势等目标和任务做出指导意见，并提出到2030年我国人工智能理论、技术与应用总体达到世界领先水平，成为世界主要的人工智能创新中心。
人工智能的飞速发展同样给处于金融科技浪潮中的银行业带来了巨大影响，改变着银行的服务提供方式和内容，金融行业成为人工智能技术应用最为广泛的领域之一。因此，认真研究人工智能的技术发展趋势，深刻体会人工智能给整个经济和社会发展带来的变化，真正认识到这一技术给金融行业带来的巨大变革，及时制定人工智能技术在企业的应用策略及发展方向，加快推进该技术在业务领域的探索和实践，成为商业银行运用人工智能技术促进业务创新发展的必然选择。
一、人工智能发展新趋势
业界普遍认为，自2010年开始人工智能迎来了3.0时代，人工智能的再次兴起得益于三方面的共同支持：
一是硬件计算能力的大幅提升，人工智能芯片的出现，特别是基于GPU的计算机硬件体系的革新，为人工智能提供了坚实的物理基础；
二是人工神经网络尤其是深度学习算法的发展，新的算法通过模拟人脑的层次抽象结构，利用算法去实现人脑神经元细胞和神经突触的联接关系，从全新的角度让计算机呈现“智能”，实现特征和规则的自动提取，使得机器自主学习和训练成为现实，突破了人工智能“专家系统”时代面临的知识描述瓶颈；
三是各类结构化与非结构化数据的几何级增长，移动互联时代使信息的采集、传播速度和规模达到空前的水平，基于互联网海量大数据的支持，为人工智能深度学习提供了大量的文本、图像、语音等原材料支持，极大提高了深度学习模型的准确率，推动了算法的更新和发展。
这一时代最显著的特征是机器学习和深度学习的大规模应用。基于机器学习，人工智能可以通过“学习”不断提高和改进自己的能力，具备了“思考”“智慧”的表象。本质上，机器学习是一种特征学习方法，利用一些简单的、非线性的算法模型把已知的训练数据转化成为更高层次的、抽象的表达，即建立一个分类模型(特征集)，实现对未知数据的分类。以前想要构建一个模式识别系统或机器学习系统，需要在掌握大量工程技术和专业领域知识的基础上设计复杂繁琐的特征提取器，而深度学习的关键优势在于用于分类的特征不再需要人工设计，而是经过通用的训练过程从数据中学到。
深度学习的重大进展使得部分领域的人工智能水平达到了商业化的门槛，比如，计算机视觉的静态图像识别准确率已能达到99%，语音识别准确率可以达到95%，基于是非逻辑判断的浅层次感知应用(人脸识别、声纹识别等)得到充分发展，在一些场景中已经超过了人类识别准确度，具备了替代人工的基本条件；在认知或决策领域(比如主题分类、语义分析、语言翻译等)人工智能也产生了非常可喜的成果。
二、中国银行的人工智能探索和应用
人工智能技术在一些行业的应用是颠覆式创新，具有重塑行业的力量，在部分行业仅仅是改良式创新，促进行业提高效率。银行作为高端服务行业，在提供服务的过程中尤其关注与客户的交互，注重客户体验，同时还需要提高金融交易的分析决策精确度和风险防控能力，而现在使用最广泛的预测分析、机器学习、自然语言处理、语音和图像识别等人工智能解决方案，恰好能满足银行的诉求，大幅改变银行业客户体验和现有产品格局，实现金融服务的智能化。
商业银行在实际运用人工智能技术时要结合其技术特点，积极寻求业务发展与经营管理中的痛点场景进行探索，在实施方式上力求敏捷迭代，能够根据用户反馈快速调整应用效果，实现技术和业务的良性互动。
首先，人工智能技术是提升服务体验、提高运营管理效率的工具。工具需要与场景、业务结合，从用户思维出发，整合线上和线下场景，连接金融和非金融服务，通过人工智能技术在各种金融服务和运营管理场景的合理运用，为传统金融注入新活力；
其次，要充分认识到人工智能技术带来的机会和风险并存，在实际业务中运用时应该慎重和理性，一是客观认识现有人工智能技术发展阶段，对这项技术能给业务发展带来什么程度的提升要有合理预期；二是在运用时要综合考虑、注意防范引入新技术时带来的新风险。
中国银行始终关注新兴技术发展，密切跟踪新技术的变化趋势，不断探寻恰当的业务场景，积极推动新技术试点运用。中国银行在人工智能方面的探索和应用主要涉及以下四个领域。
1.改善客户体验
在银行业务交易过程中，有很多场景需要识别和验证客户身份，受制于技术限制，传统的认证工具(比如支付密码、短信验证码、U盾等)被默认等价于用户，而其本质只是随账户绑定的一个认证因子，但人工智能技术则提供了真正去识别客户本身的可能性，那就是生物识别。利用人脸识别或声纹识别等技术，在恰当的交易场景下可以极大改善用户体验，避免了交易的中断或者用户寻找验证工具的繁琐。
从2017年开始，中国银行已陆续在手机银行、智能柜台、ATM等电子渠道中启用人脸识别功能，实现关联绑定信用卡、自助取款、小额支付等交易场景下的客户身份验证。另外，中国银行在新一代智能客服平台中采用声纹和语音识别技术，实现身份辅助认证、自动语音导航、情绪监测、实时质检等功能，有针对性地提高客户体验和服务水平。
除此以外，为了提升网上银行、手机银行和微信银行的用户体验，中国银行的智能交互服务平台通过线上统一的、成体系的、多维度的用户交互和行为数据采集，利用机器学习技术对用户客群进行分类，结合内部产品知识管理，便能了解每个用户喜欢什么风格、需要什么功能，通过网络金融的功能布局及界面风格的展示优化，为客户提供贴身、及时的咨询和活动推荐，让客户享受到个性化、差异化、智能化的服务。
2.创新产品服务
在金融市场投资或交易领域，可以利用人工智能技术实现资产管理，推进投资和交易策略的自动化和智能化。在资产配置过程中，策略的多样性决定了收益的稳健程度，每个策略适合不同市场环境、不同时间，对应了不同的盈利空间，而策略条件又涉及量化择时、量化选股、行业配置数量以及各类事件的实时驱动，面对纷繁复杂的策略参数，具备专家知识库的机器学习模型可以辅助或替代人工制定策略以带来最大概率的收益可能。
今年4月，中国银行面向个人客户发布了“中银慧投”产品，该产品能为客户量身打造专属资产配置方案，通过机器学习算法判断市场走势，结合专业投研经验，实现投资组合的智能再平衡，“中银慧投”以更低的成本和更高的效率为更多的客户提供专属投资服务，产品发布不到一周销售额便突破亿元，截至6月底已达到40亿元。其背后正是中国银行依托人工智能技术打造的智能投顾系统。
智能投顾系统中的智能择市模块基于海量经济数据的阅读分析，从宏观经济数据、产业经济数据、个体市场相关金融指标变化，研究数据间的联动关系，判读对特定投资标的市场的影响，为行业景气判断提供参考依据；投资子模块则基于市场和产品等数据，运用投资组合优化等理论模型为客户推荐生产投资组合；投资组成生效后，该系统还能利用相关系数回归分析、产品业绩归因分析和风格偏移趋势分析对产品组合收益和模型算法进行交叉验证，动态持续提高产品组合有效性。
另外，中国银行研发的量化交易平台，围绕报价和交易策略制定、信息获取和处理、生成决策并发起交易等环节，为中国银行全球市场业务构建一个支持多产品跨市场的电子化交易平台，负责全球市场业务的高频交易、量化策略交易和自动化交易统一管理。该平台具体包括策略服务、交易管理、风险管理、回测服务、数据引擎与分析等模块，可以实现结售汇、贵金属、外汇即期等产品的自动报价、自动头寸监控、自动平盘、自动成交的程序化业务处理，为金融市场交易员提供技术支持，提高交易收益。
3.提升风险管控
风险控制是商业银行的生命线，是金融从业人员的看家本领。无论是个人交易还是对公业务，利用人工智能技术对业务特征、客户行为、交易关联关系进行分析评估，可以有效提高风险评级的准确率，实现可疑交易的事中阻断，及时化解风险，降低合规代价。
中国银行新一代网络金融事中风控系统结合内外部数据，通过对客户、账户、渠道的综合分析，利用专家规则和风控模型自动挖掘风险特征,实时评估监测并处置风险点，全面提升了中国银行借记卡、信用卡和网络金融业务事中风险防控能力，目前已覆盖手机银行、网银渠道的在线转账、支付、网络贷款等交易。
该系统主要包含数据整合与分析、风险监测与预警、风险响应与处置、智能认证、风险地图以及运营支撑六大功能模块，各个模块相互配合，实现了对行内外数据的整合分析，提炼出风险特征、规则因子、模型要素等信息，形成可灵活配置的风险规则引擎和风险评分引擎，依据风险响应策略，实时对逐笔交易进行监测、并根据监测结果选取适合的已有认证工具，对客户交易给予差异化认证：高风险交易采用安全强度高的认证方式，低风险交易采用简单认证、甚至取消认证(减少客户打扰)，从而达到控制风险和提升体验的双重目的。
系统一期投产后，日均处置高风险交易达数百笔，风险交易查准率达到70%，有效地提升了网上交易的在线风险水平，降低了欺诈案件发生数量和损失金额，系统二期投产后，以事中监控为核心的网络金融全流程风险管控体系将能覆盖网点、柜台、网上等全渠道交易，提升中国银行的一体化金融业务风险防控能力。
4.打造智能运维
在商业银行数字化转型过程中，应用系统大流量多并发、用户体验高要求、迭代更新频繁的特点也愈发明显，给传统运维工作带来巨大挑战，如何运用人工智能技术实现高效运维，保障业务高可用是商业银行信息科技面临的新课题。
中国银行自主设计研发的智能工单处理系统，利用机器学习算法对历史故障、请求事件、问题知识库进行训练，提取事件关键特征建立工单主题模型，为运维人员处理事件提供辅助决策，未来中国银行将继续扩展人工智能在运维领域的应用范围，坚持探索出一套能贯穿变更、监控、故障处理、性能管理的系统全生命周期的智能运维方法。同时，中国银行也在积极探索AI技术在安全运维领域的应用前景，挖掘潜在的、不易被传统手段发现的网络攻击，提升对于应用攻击的识别能力，更加精准、快速地对攻击者进行溯源和意图分析。
三、中国银行的人工智能规划和展望
蓬勃发展的人工智能已渐渐渗透到社会生活的各个领域，对于金融行业来讲，人工智能技术在提升体验、控制风险、降低成本、改进发展模式等方面已展现出巨大的应用前景，商业银行要想跟上金融科技的发展步伐，把新技术转化为生产力，就应提前做好准备，在应用试点的同时对人工智能在本行的发展进行长远规划，及早进行技术平台设计、技术和人才储备、基础设施环境建设，搭建符合本行技术架构的企业级人工智能平台。
根据人工智能的技术特点，提升企业智能化水平通常需要具备三个能力：一是计算能力，训练人工智能模型要求大规模的浮点和矩阵计算，依赖于大量GPU、TPU等专用芯片组成可灵活扩展和分配资源的超算平台；二是数据运用能力，数据对人工智能的重要性不言而喻，企业级的统一数据标准和模型是实现搭建企业级人工智能平台的基石；三是算法能力，能够针对不同领域的应用场景，实现达到行业领先认知水平的算法模型。
作为中国银行科技引领数字化发展战略的重要技术支撑，中国银行正在建设云计算、大数据和人工智能等三大技术平台，分别对应企业智能化所需的三大能力，人工智能平台依托云平台提供的强大计算能力、大数据平台提供的海量业务数据，持续为上层应用提供丰富、多维度的智能服务。
人工智能平台由基础服务平台和机器学习平台两个子平台组成，其中，基础服务平台是引入业界在语音识别、计算机视觉以及自然语言处理领域的解决方案和组件服务，整合后以企业内部微服务的形式向各应用系统输出成熟的图像识别、人脸识别、语音识别等通用类AI能力，应用到不同的业务场景中；机器学习平台是在行内搭建以机器学习和深度学习为核心的算法平台，集成关键算法框架和学习模型，为各领域业务主题提供企业级的AI研发能力，逐步达到可视化、自动化、智能化，降低人工智能技术的运用门槛，极大扩展人工智能在企业的应用领域。
伴随着技术的更迭进步，中国银行将坚持完善企业级人工智能平台，持续拓展人工智能技术在中国银行的应用场景，务实推进该技术在中国银行的可持续发展，为中国银行实现新时代战略目标提供安全、可靠、坚实、有效的新技术保障!
声明：本文来自中国金融电脑，版权归作者所有。文章内容仅代表作者独立观点，不代表安全内参立场，转载目的在于传递更多信息。如有侵权，请联系 anquanneican@163.com。
