工商银行吕仲涛：通用人工智能还有很长的路要走

时间：2021-07-14 20:22:15 来源：作者：网络转载

喝酒神器人工智能

大小：22.9M更新：2021-01-12

分类：生活实用

下载

　　银行正在加快数字化进程，“数字银行”、“智慧银行”是近两年各大银行金融科技战略的高频词汇。

　　在 2021 世界人工智能大会期间，工商银行首席技术官吕仲涛分享了他的见解。他认为，银行经历了 1.0、2.0、3.0 时代，如今大数据、人工智能和物联网等新技术日渐成熟，银行正在通往 4.0 时代。

　　“未来实际上是万物互联，随着 5G 技术的成熟，通过人机交互进行人人相连的情况，未来就变成物物相连。”他表示，4.0 时代的银行，就是服务无处不在。不过，他也提到，虽然人工智能发展日新月异，但未来要走的路还很长。

　　值得注意的是，在过去的 2020 年，工商银行科技投入 238.19 亿元在银行中居首。

　　此前，工商银行就围绕人工智能等新技术研究应用建立了相应研究创新工作机制，成立大数据与人工智能等创新实验室，建立企业级人工智能技术体系。

　　在这一背景下，工商银行的人才结构也发生了变化，数据分析等科技人才大幅提升。

　　提问：“数字银行”、“智慧银行”是近两年各大银行金融科技战略的高频词汇，在您的理解中，智慧银行的发展趋势是怎样的，具有什么样的特点？

　　吕仲涛：这个要从用户需求导向来看，就是你为什么要到银行？因为银行有很多专业性业务，老百姓日常不接触。回顾过去，是金融科技的不断发展推动了银行业的创新与变革。在银行 1.0 时代，主要通过银行网点开展金融服务；银行 2.0 时代，主要增加了网上银行、ATM 等金融服务渠道；银行 3.0 时代，手机银行开始普及，强化了移动端金融服务便捷性。现在大数据、云技术、人工智能和物联网等新技术日渐成熟，在这种驱动下，各行各业就开始推进数字化，传统银行也朝着银行 4.0 演进。

　　未来实际上是万物互联，随着 5G 技术的成熟，当前通过人机交互进行人人相连的情况，未来就变成物物相连，比如智能手机、智能手表、智能充电桩，都有了智能化的初步形态。那么对于银行来说，现在人机交互、人人相连进行资金转移，以后通过物物交互就可以进行资金转移，比如 ETC 就是金融在物联网的一种应用。

　　4.0 时代的银行，就是服务无处不在，并且嵌入到各种生态当中。比如银行客户要融资、授信，原先要通过人员尽调对他进行信用评估，现在有了大数据比对，相关交叉校验越来越多，判断精准度和效率都有了实质性提升，那么银行就可以用这种模式批量授信。这种效率可以说是数千倍、数万倍的提升。这样一来，我们的资源可以集约化，触达的人群却更多，更加普惠。

　　提问：您提到了人员的变化，在数字化转型中，银行人才结构将会发生什么变化？对科技人才有什么引进或者激励的举措吗？

　　吕仲涛：银行商业模式的变化，肯定会带来人才结构的改变，远程客服坐席等劳动密集型的岗位占比就会越来越小，但是类似于数据分析师这种新的岗位人才会越来越多，他们不仅仅是具备 IT 能力，而是既了解银行业务又有数据分析能力的复合型人才。同时，银行网点也要转型，随着到柜台办理业务的客群越来越少，从事柜面操作岗的员工将会相应减少。

　　对于人才激励，我们想了很多办法。一是让人才有成就感，我们制定了“揭榜挂帅”赛马机制，拿出一些项目让他们做，他们可以自己组团队，如果项目成功就提供奖励，也让核心专业人才能够在银行传统体制中脱颖而出；二是让一批人才专门做研究、探索新技术，他们不会受限于项目压力；三是我们跟头部企业、高校联合创新培养人才，把一批人才输送过去交流，我们也会对外广纳英才；四是探索科技人才的市场化引进思路。

　　目前，我们研究院有近 600 人了，整个软件开发中心近 6000 人。从整个工商银行来看，科技人才大概 14000 人，有科技背景、学历知识的人才大概 3 万人。我们也在逐步调整人才结构，会继续加大数据方面人才的储备。

　　提问：有人提到，人工智能算力发展很快，但应用场景发展滞后，您怎么看待？

　　吕仲涛：这个现象应从两个层面来看待。第一个层面，因为很多技术人才对场景不了解，导致技术和场景之间的融合不够；第二个层面，尽管近年来人工智能技术有了较大发展，但距离通用人工智能还有较长的路要走。

　　举个例子，程序化交易，就是系统通过数据判断完后马上反馈，但人工智能的数据分析主要是一种统计描述而不是因果分析，如果交给人工智能，一旦出现偏离概率统计的情况，就可能会出现很大风险。而且人工智能要通过训练大量数据，不断对模型进行调整和校准，成本相对较高。

　　而且目前的人工智能技术还有个问题，就是可解释性不够，比如现在把数据归类为 10 个影响因子，那么就比较容易分析是什么原因造成的，但是到了 1 万个、100 万个维度，可能影响的因素太多了，就无法解释。有可能数据在这过程当中发生了变化或者人为加工，稍微一偏离，那么模型的准确性能不能保证稳定呢？人工智能的路还很长，目前可以在场景当中作为辅助判断决策。

　　提问：人工智能需要依靠大量数据，在这一过程，数据安全问题如何把控？

　　吕仲涛：数据安全有两个视角的问题，一是数据本身需要保证准确性、完整性和不可篡改；二是数据流动过程中防止有人非法利用。

　　有个问题，数据是主观泄露还是被动泄露很难界定，有些公司系统存在漏洞，遇上病毒就无意中泄露了信息；也存在有人主观泄露，进行数据交易。因此，对于数据处理主体进行严监管很重要，这指的是在机构监管和人员监管的基础上，加强对系统、程序、算法的进行穿透监管，目前还难以实现；同时，还要对数据的交易进行规范，这有一个数据权属问题。

　　与房屋等一般性财产不同，数据是具有容他性的，可以无限传递拷贝，这是个很大的挑战。在这种情况下，监管要从严，限制数据流通，加强对平台企业的管理。很多客户图便利，他可能不知道让渡自己的信息会带来什么潜在风险。

　　【来源：IT之家】【作者：许旻】

资源转载网络，如有侵权联系删除。