冰鉴科技顾凌云：人工智能应用向纵深推进

　　12月27-29日，第二十三届中国国际高新技术成果交易会中国高新技术论坛在深圳举行，主题为“推动高质量发展，构建新发展格局”，冰鉴科技创始人、董事长、CEO顾凌云出席并发表演讲。

　　顾凌云在演讲中表示，人工智能的应用需要向纵深发展，而不仅仅是在宽泛的领域当中进行大规模的应用，所以丰富智能化应用场景变得非常重要。当人工智能和横向纵向的技术都结合在一起的时候，大家就发现在金融领域当中其实存在三个不同的需要：一是基础层、二是供应端，三是需求端，分别映射IaaS层、PaaS层和SaaS层。

　　同时，顾凌云指出，人工智能在金融、保险尤其是今后医疗应用当中，不可避免的涉及隐私计算。当数据本身的隐私和安全越来越被看重的时候，如何能够把这些数据的建模用到极致，能够用颗粒度最细的数据，在保护用户隐私的情况下，建出最好的模型获得最好的算法尤为重要。人工智能算法保证建模效果最好的前提下，时刻不能忘记对用户隐私的保护。

　　以下为发言实录：

　　各位专家、各位朋友大家好，很荣幸今天能有这个机会站在深圳高交会的舞台来分享一下过去六年当中我们在创办企业，把人工智能落地在银行、保险、政府服务方面的一些经验。从2012年开始纽约时报提到大数据，很多中国的创业者、投资机构一股脑扎到人工智能领域——把AI当成一个筐，什么东西都往里面装。但是一段时间以后，大家发现人工智能并不是在任何场景都可以落地、都可以营业，所以慢慢大家发现营业不等于盈利，盈利最后不等同于AI的落地，所以慢慢的大家从狂热趋近于理性，今天我想跟大家探讨的话题，就是我们人工智能的应用如何才能向纵深推进。虽然我相信人工智能也许有一天会有一个通用的平台放之四海而皆准，但到目前为止，我认为人工智能（在垂直领域）向纵深推进——是能够落地、能够盈利的唯一方法和途径。

　　上图是我自己理解和解释的人类五次工业革命。第一次工业革命因为1840年蒸汽机的出现，也是由于它的出现放在火车、轮船上对人类有革命性的变革，不仅仅是在我们的生产力上的变革，甚至在人口结构上有很大的改变，这个不属于今天人工智能讨论的范畴。第一次工业革命，是从A点到B点大规模、快速的运送很多物体，比如说以前煤炭、大规模的物件都需要马车、人力、船舶才能够运输，现在有了蒸汽机我们可以从A点到B点快速的运送大宗的物资，在我看来是第一次工业革命最大的突破。

　　第二次工业革命，我认为是19世纪美国电报电话公司带来的变革，通过电报电话把信息从A点快速向B点进行传播，以前如果在广东、深圳、岭南想要进京考试的话，考中以后，金榜题名的信息传回广东可能要三个月，但是有了电话电报，打一个电话、发个摩尔斯电码，信息就传递到了，这是我定义的第二次工业革命——从A点到B点可以把简单的信息进行快速的传送。

　　过了一百年到上个世纪90年代，美国克林顿政府推进信息高速公路的情况下我们经历了第三次工业革命，我看来仍然是从A点，把多媒体更加丰富的信息传送到B点，这个时候出现了电子邮件、视频、音频，让我们更加丰富的感知A点传到B点的信息和它所对应的爆发量。第四次工业革命慢慢开始加速，出现在大概几年前，这一次革命在我看来是基于区块链的应用，虽然区块链这个名字出现很久了，但是我觉得它跟数字货币不一样，跟以太坊、比特币不一样，最关键是区块链本身应用还有很多场景并不成熟，跟当年的人工智能一样，依然是为赋新词强说愁，很多场景不需要区块链也能完成。区块链完成了什么？它把人类的财富可以快速从A点到B点进行传输，我们看到一次次的变革是螺旋的上升：第一次是大宗的物体物件从A点向B点传送，第二次是简单的信息从A点向B点传送，第三次是比较复杂的信息从A点向B点传送，第四次是人类的财富可以快速从A点向B点传送，我讲这四次工业革命就是为第五次铺路的。

　　第五次工业革命是我们经历的，以马斯克为代表的真正的第五次工业革命，他把人类和地球的文明从A点向B点进行传送。而这一点如果看马斯克的几个企业可以看到完美的结合，为什么会有SolarCity，是因为在火星上面除了太阳能之外没有其他的能源，可能有风能也不好利用，需要SolarCity产生能源。为什么会有特斯拉，因为火星上没有石油，只有通过特斯拉利用电能、太阳能，才能够在火星上把人类在快速的进行传送。为什么会有SpaceX？因为要把人类和物资运到火星上。第五次工业革命是把人类的文明，不仅仅是简单的信息或者物体从A点向B点传送。这个过程中我们需要用到的最多的就是人工智能，我记得我当年从卡内基梅隆计算机学院博士毕业以后，我的第一份工作是在美国的喷气推进实验室JPL，做研究科学家，而我的主要目标，就是能够保证飞行器从地球发射以后，可以比较稳的，在正负不超过1公里的范围内落在火星的登陆点，这意味着我们需要把一个篮球从洛杉矶扔到波士顿而且能扔到篮筐里面，我们需要的人工智能包括所有的技术要集大成融合在一起才可以。

　　下面说人工智能的几次变革，我们看到的科学和算法，大概每十年左右会有一次突破，这是为什么？第一次在我看来，是上世纪50年代到60年代由MIT的计算机系教授提出的General Ai的概念，这个起点很高，所以导致了很长的时间内我们在算法上无法取得突破，人工智能被打入冷宫；上世纪80年代或者70年代末Neural Networks得到很多关注，无论是它中间的层级还是每个神经元之间的交错转变，都可以把一个线性的关系通过非线性而更加合理表达出来，所以它获得了很大的青睐，但是它最大的问题就是往往会过拟合，发展一段时间又被打入冷宫；直到上世纪90年代Hidden markov model，它的主要应用就是在语音识别当中，可以把语音识别的准确率从70%、80%变成93%—95%，你可能会认为这个准确率已经很高了，实际上不是的，因为语音识别真正需要做到的是你几乎不用键盘，要达到最后一公里，今天有了深度学习才慢慢达到，仍然不能否认在上世纪90年代的时候，这个变成当时学术界最热门的研究课题之一。到本世纪初前十年左右，我们发现一个新的研究方向叫做SVM，慢慢我们才看到今天的深度学习，在我看来跟上面五个工业革命是对应的，我称之为人工智能的算法过去大概一百年不到的过程当中五次飞跃，下次飞跃什么时候？，可能不到2025年，新的算法不太会取得新的突破。

　　人工智能有了这些算法，有了这些工业革命奠定基础，现在为止到底有什么应用？下图体现市场的体量和容量，市场的估值多大，而从纵向来看是它的成熟度多高，这可以侧面解释为什么很多AI公司都拼命挤到安防领域，因为安防领域无论是体量还是成熟度都足够高。大家肯定会问，明明金融不是比安防大吗？为什么没有看到很多人工智能的金融公司呢，因为金融的高度监管一定程度上抑制金融本身的发展，也抑制了科技的发展，但是我认为这是应该的，因为任何事情都可以跑马圈地，唯独金融不可以，其实金融相对来讲监管更严，是非常明智的举措。从大概2005年中国引进P2P到今天所有P2P到现在已经归零，所有的模式都在被监管，其实是说明中国监管的正确方向，我们看到两批浪潮，当时无论是做科技金融还是金融科技的过程中，很多以为自己在金融方向上虽然了解不多，但是科技方面非常领先的海归，现在基本上在牢里面蹲着；但很多非常谨慎，热衷于科技但在金融方面非常了解的人，到今天活跃在社会各个方向和各个领域中，这充分证明对金融没有足够的敬畏之心，会非常危险。

　　我想说中国的很多政策是存在高度的内在联系性，而这个“十四五”规划当中专门强调了要加强科技攻关，要丰富智能化的应用场景。在工信部层面和在国家层面推出的“专精特新”小巨人企业，跟国家“十四五”的规划是不谋而合的。国家也希望人工智能的应用场景要的是纵深发展，而不仅仅是在宽泛的领域当中进行大规模的应用，所以丰富智能化应用场景变得非常重要。当人工智能和横向纵向的技术都结合在一起的时候，我们就发现在金融领域当中其实存在三个不同的需要。一是基础层、二是供应端，三是需求端，我们也可以简单映射为IaaS层、PaaS层、SaaS层。IaaS层跟芯片一样，如果没有几百亿或者千亿体量的话基本上买不到门票，这就是现在大家看到的所有云，无论是AWS、阿里云、腾讯、华为云等等，没有百亿千亿没有资格买到门票。到了PaaS层，更多讲求的是基础的、在IaaS层之上的通用层面的开发，这个在中国的很多人工智能领域当中已经涌现出非常多的相关企业。再往上到SaaS层就是聚焦在每一个具体的场景当中，在应用场景当中能不能产生人工智能对应的应用？冰鉴科技在金融、保险、政府服务等领域都有对应的应用。

　　我们之所以在过去的六年当中走得风平浪静，主要的原因是我们一直坚持把SaaS、PaaS作为交叉的矩阵为客户提供服务，包括决策引擎、人行二代征信指标、数据中台、知识图谱、联邦学习平台等等，都是我们的PaaS层能够尽可能为银行服务。对于银行来讲可能没有办法直接使用我们的最新技术，直接跟他的核心系统对接，它需要一个中间层，帮助它笨重但行之多年有效的核心层跟应用层进行对接，这个就是PaaS有生存土壤的原因。有了PaaS之后我们的很多SaaS简单的API对接可以快速完成了，这是我们一直坚持把这两者的矩阵结合一起的原因。

　　我们把SaaS和PaaS结合在一起以后，有个非常重要的应用，我相信也是人工智能在金融、保险尤其是今后医疗应用当中不可避免的，涉及隐私计算。当数据本身的隐私和安全越来越被看重的时候，如何能够把这些数据的建模用到极致，能够用颗粒度最细的数据，在保护用户隐私的情况下，建出最好的模型获得最好的算法，我觉得隐私计算或者我们认为的所谓的联邦学习平台会是一个最好的方法，这是我们过去跟银行及其他很多金融机构合作当中能够进入到央行的“监管沙盒”试点，并得到央行认可的最主要原因。当我们做建模、人工智能算法保证它的效果最好的前提下，时刻不能忘记我们对用户隐私的保护。

　　当我们的人工智能技术，在金融和保险当中成功应用以后，我们一直坚持的发展策略是，“与其多鸟在林，不如一鸟在手”，但在有些其他领域，我们底层的IT框架、算法的所有逻辑不需要改变就可以推进到另外一个领域的时候，我们也做了一些尝试，比如说在医疗AI的领域当中，上海市非常著名的三甲医院主动找到我们，有一个叫做耳石症的病症，人走路的时候突然之间会摔倒，人往往会看自己的关节有没有问题或者自己的头脑有没有眩晕，实际上是他耳朵当中的平衡球出现问题，表现出来不仅仅摔倒，而且眼球会乱转，会耽误很多的治病时机，这个时候我们就设计一个硬件和软件相结合的设备，带一个眼罩在眼睛上面，自动可以追踪眼球的运动轨迹，来判断这个人有没有耳石症，很多人工智能医疗应用为什么最终失败？因为它起的是辅助作用，医生最后还是要看，最后医生还是要签字，医生要承担责任，医生就会想我要你AI辅助干什么，最后还是要我担责。但是我们希望AI做出来的诊断准确率，是高过医生的，我们的机器做出判断以后医生不需要签字，承担责任也是我们的算法和硬件制造商，这是人工智能+医疗当中取得的关键性突破，这个突破我们目前为止暂时应用在很小的领域当中。

　　最后这张图，是新冠肺炎诊断的模型大赛，世界上非常著名的人工智能算法社区平台Kaggle，它把开源的数据拿出来让全世界的AI团队进行比拼，看谁的算法好。我们在这个比赛当中拿到全球的前2%，说明我们算法在全球的类似的领域取得非常好的成绩。谢谢各位。

　　新浪声明：所有会议实录均为现场速记整理，未经演讲者审阅，新浪网登载此文出于传递更多信息之目的，并不意味着赞同其观点或证实其描述。

海量资讯、精准解读，尽在新浪财经APP

责任编辑：邓健