1月17日，郭毅可院士在2019中国金融科技论坛上发表了主题演讲。以下为演讲原文。

机器学习没有应用知识，没有常识。比如上面这张图，我们来看这个牙刷确实像棒球棍，但是你不会把棒球棍放在嘴巴里。如果你没有这样的常识，仅仅拟理合数就会出现效果。现在机器可以判断预测，但是不可以解释为什么会做出这样的预测。这些问题有时无关紧，有时就很重要，比如在医疗方面就会很严重，如果你用人工智能机器作了一个诊断，但你却不能告诉病人诊断依据是什么，病人是不敢接受的，这个是目前机器学习很大的一个缺陷。

正因为以上原因，我们机器学习孕育着新的革命，今天我们机器学习所有的动力在于我们尽量减少人的干预（数据驱动的学习）。在学习过程中，过去是人有干预，把规则数据垄断学习，现在人们逐渐认识到，这样一种方法是有限的，机器没有常识不能做结实，现在是尽量把人的知识融合在学习过程中。更重要的一个研究方法是如何把人的常识、知识融到机器学习中去。

未来是：尽量利用人的知识 (知识支持下的数据驱动）

未来我们机器学习会是什么样子？将来会有很多新的方法：

一、不确定性下的推理： 用好学到的知识。学会在模型上做推理，用好学到的知识，我们的模型是局部数据的知识，有很大的不确定性，怎么不断推理？怎么增强确定性？怎么理解不确定下的结论？

二、知识支持下的学习：在学习中的运用知识

三、可解释性AI: 机器和人的学习交流。我们要把学习的过程怎么样得到这个知识告诉机器人，机器可以跟人通讯。

四、基于经验的学习：机器和机器的学习交流 。机器跟人一样需要不断总结经验，机器之间需要交流，需要自动学习各个机器的问题。

今天机器学习是一个直线的过程，整理一下，处理一下，一下建立一个模型然后去用。未来机器学习到的东西可以互相交流，也可以通过某种形式与人进行交流，例如：交流学习某个知识的过程。同时机器要拥有在学到知识上做归纳的能力。

智能产业的产业链

上图是智能产业的产业链，第一步是关于数据部分数据清理、数据标注、怎么让数据在统计上有意义，第二步是学习，最后一步放到应用中。

通过“金融产品”、“客户洞察”与“服务体验”变革，构建以客户为导向的精确化营销的高效能业务，每一步业务转型升级都需要人工智能来支撑。

金融业实际上是非常简单的逻辑，第一，有了大数据客户看的很清楚，大数据让客户对你感兴趣。你对客户看的很清楚，就可以把服务个性化，客户看你很清楚就有选择，这两个绑在一起构成了服务精细化，就好比医学中的个性医疗。在十几年前我的一个好朋友在上海有个公司叫INFORSTACK，十几年来我们一直用人工智能方法为金融服务，我们在刚开始做的时候人工智能还是很遥远的事情，未来跟公司技术有关，即精细化或者个性化。

数据驱动的金融产品设计

第一个是金融产品的设计。金融产品有发行者、认购者、期限、价格和收益、风险、流动性和嵌套的其他权利等等来组成，这些组成过程的重要问题是设计产品，设计产品的问题是场景分析、预测。要了解产品分布状况、市场竞争方位和营销战略都是从市场数据来评定，也要考虑到产品整体布局，怎样组合，数据驱动产品设计通过大量市场信息和模型来决定产品怎么样吸引客户人群。

第二个就是把握资金流动的特征。最简单就是个人工资，工资结构、队伍什么样？通过它来理解资金的流动性和变动性途径和各种各样的消费。

1、理财客户的自己变动时点、途径、去向，并猜测资金用途，与理财产品的营销结合；

2、非理财客户的资金流向，理财习惯和风险偏好等特征，采用定制化刺激方案引导尝试理财。

营销：在所有客户可触达点，推行精准化营销体系，有方法有激励有辅导地建立精确化营销能力。

这个问题复杂一点，你要接受金融世界内在关系，比方说你有五个产品，关联是什么样？因为它的是动态的，你要通过一些分析办法来看五个产品相关关系是什么样？这个难点是人工智能里面的因果关系、彼此的联系、彼此的相关性。另外一个是支撑营销，有的产品知道客户以后就定点推销，这个时候又是一个非常大的数据驱动，第一你要知道接收点，第二你要知道分种类。这些是很有意思的大数据应用，要消费者行为数据来理解接收点，同时要通过营销事件进行分类。你要知道客户是怎么用你的服务？微信支付以后，你要知道他在什么地方消费？什么场景？通过这些信息你可以做许多分析。对于一个客户你可能不知道物理的人，但是你知道什么时候应该挽留他，什么时候能够提供服务。

工业化 = 标准化 + 组件化 + 流程化 + 社会化

积木式高度组件化工具设计，便捷高效的使用大数据技术工具和算法实现各种应用

现在人工智能工作大多是企业里的咨询服务或者说企业内部做的一些系统产品，今天各个银行在人工智能方面做的事情基本上标准化，今天做的算法和数据处理经过多年也基本上形成了一个定式，即典型是工业化。工业化第一是标准化、第二是组建化、第三是流程化。好比你的车有自己的执照和流水线，这就是一条产业链。人工智能也一样，我们需要高度集中化的东西来配置不同的金融或其他的人工智能产品，这个产品就可以有很好的工业化方式来生产，支持最后发布，这里有一个非常好的技术就是工作明细，我把各种人工智能基本整合，数据科学的基本功能做成模块大件系统，把模块串起来就可以放到一起，这个理念15年前就有，当时没有那么多人去做这样的一个工业化系统，因为那时人工智能用在银行里还是一个非常前端的事情。现在不一样，每个礼拜都要有新的功能出现，这个时候程序员需要不断编程，而用这样的方法做一个工作流程，把人工智能变成一块块积木，然后拼起来的工程就是工业化。

代发工资户业绩提升及策略设计

今天人工智能的水平虽然在一些专门领域中体现甚至超越了人类的能力，但距离人类的一般智能水平相差甚远，需要许多理论，技术上的革命性突破。所以如果一个算法算法出来，不要一窝蜂的使用它，每一个算法后面都有一个落点。

基础研究在人工智能现阶段有着特殊重要的意义，我们在现有技术的应用潜力穷尽之前，开拓新的革命性的技术，形成大国重器。金融是一个很好的场景，数据很多很多，金融和健康这两个领域是最好的人工智能与数据科学的应用场景，我们要不断努力创新，实现人工智能工业化，不要重复劳动，用我们过去的经验，通过很好的工具快速部署人工智能的金融应用产品。

*苏伦大数据科技研究院由英国皇家工程院院士、欧洲科学院院士、英国帝国理工学院终身教授郭毅可创立并担任院长，旨在建设成专业的新型研发机构，打造全球首个以AI人工智能教育、BI商业智能赋能、GI全球创新孵化为核心的O2O大数据科技生态系统。 免责声明：本网站部 分文章和信息来源于互联网，本网转载出于传递更多信息和学习之目的，并不意味着赞同其观点或证实其内容的真实性。如转载稿涉及版权等问题，请立即联系管理 员，我们会予以更改或删除相关文章，保证您的权利。对使用本网站信息和服务所引起的后果，本网站不作任何承诺。