AlphaGo 3:0戰勝柯潔後，引發了業界新一輪的討論：「在圍棋之外，人工智慧超越人類的下一個戰場在哪？」
不少AI業內人士認爲，目前來看，金融行業已成爲最先大規模商業化應用AI的領域之一。其中，AlphaGo最大的弱點——遷移學習正在發揮越來越重要的作用。
爲什麼金融業成爲率先被人工智慧改造的領域？阻止人工智慧大規模商業普及的障礙是什麼？國內外人工智慧產業發展有哪些差異？
帶著這些問題，近日，筆者獨家專訪了國際頂尖的遷移學習領域科學家、人工智慧領域創業公司第四範式的首席科學家楊強教授。目前，第四範式自主研發的人工智慧應用者開發平臺「先知」，已經在金融等行業應用了近100個成功服務案例，同時「先知」還支援讓不懂人工智慧技術的「小白」用戶能夠自行開發人工智慧產品。以下內容根據採訪整理而成。
AlphaGo的弱點，遷移學習的機會
楊強教授表示，從AlphaGo與柯潔的對戰，可以看出人工智慧的幾點最新進展。首先，高質量數據越來越重要。相比與李世石對戰時，柯潔面對的AlphaGo更智慧。主要原因是其採用了高質量數據，這些數據更多來自機器與機器的博弈，而不是來自人類棋手。其次，人工智慧的計算架構也有了很大升級。比如硬體上，上一代AlphaGo需要使用上千的CPU和上百個GPU，如今的版本只需要一個TPU(人工智慧專用晶片)。第三，反饋閉環的形成，讓AlphaGo實現了自動學習。
人工智慧的這些演化讓AlphaGo在下圍棋方面已經完勝人類，但它最大的弱點在於不會遷移學習。遷移學習是目前機器學習領域的前沿科技，可以解決人工智慧在小數據、個性化場景的應用需求。類似人在學會騎自行車後，騎摩托車就容易多了。遷移學習可以讓人工智慧做到舉一反三，融會貫通，透過找到兩個不同應用場景的共性，把A領域的模型和經驗遷移應用到B領域。
目前，我國在遷移學習領域的研究和工業應用方面優勢明顯。以第四範式爲例，其具備世界前沿的遷移學習科研水準，楊強教授在遷移學習領域論文引用數居世界第一，創辦人戴文淵在遷移學習領域論文引用數位列世界第三。另一方面，中國製造2025帶來的產業升級機會也給國內的遷移學習研究提供了最佳的應用實踐空間。
人工智慧正在如何改變金融業？
楊強教授認爲，對於人工智慧概念的普及，AlphaGo功不可沒，但是人工智慧真正發揮作用的還是在工業界。
目前，金融行業已成爲最早進行AI大規模商業化的領域之一。楊強教授認爲主要是因爲：一、金融行業數據全、數據規模大、維度多；二、金融行業目標非常明確，痛點比較強。
技術層面，機器學習的效果跟特徵空間大小直接相關，如何能夠自動地發現特徵也是人工智慧應用流程中的難點。大規模、自動地產生特徵是第四範式「先知」平臺的獨特優勢。目前，「先知」支援兆級特徵的產生和運算，並可以實現毫秒級響應，在業界擁有絕對領先優勢。在金融行業，「先知」的服務對象已覆蓋國內多數大型銀行。
楊強教授舉例，以第四範式的金融反欺詐業務來說，如果某銀行一個信用卡用戶剛剛在北京地區有一筆消費，僅僅一個小時後，其賬戶又顯示在廣州消費。過去依靠人工判斷，肯定是用戶的信用卡被盜刷，需要人工把它標記爲一個重要的信用卡欺詐特徵。先前這種依靠人工積累的反欺詐特徵數量只有200多個。現在藉助「先知」，該商業銀行已經建立了25億量級的反欺詐特徵。而且可以實現交易當中識別欺詐，一旦判定會立即截斷交易，避免用戶遭受損失。而傳統的反欺詐監控只能做到欺詐行動發生之後才能認定。
再比如，以往傳統銀行只能透過用戶的交易行爲、賬單，去猜測哪些用戶是分期付款的潛在用戶或較容易接受信用卡分期建議。透過「先知」，銀行把過去靠人工積累的200多條專家規則、提升至5000萬維度的規則數，從而更精細地刻畫出用戶需求。最終，「先知」幫助銀行將信用卡分期行銷響應率提升了68%，手續費收入提高了61%。
由於金融細分領域的豐富性，遷移學習在金融領域的應用場景也非常廣泛。比如在豪華汽車分期信貸方面，由於該領域的數據規模比較小，依靠全量數據的人工智慧應用往往無從下手。此時，遷移學習就可以將先前有著幾千萬數據量級的小額貸款交易模型應用到該領域。透過找到兩者的共性特徵，就能將小金額、大數據模型遷移到大金額、小數據的模型分析上，最後實際取得的效果要比傳統模型提升200%。
讓人工智慧觸手可及
上述金融等領域的成功，證明了「AI」是可以「for someone」的。但第四範式的創辦團隊也在服務客戶的過程中，發現了AI所能覆蓋的應用比他們想像的要多好幾個數量級，不可能由一家公司去做。很快，他們便進行了思路的轉變，希望能夠實現「AI for everyone」——讓客戶自己去做機器學習，而這樣就需要去開發一個能夠讓「非專業人士」使用的機器學習平臺。這也就是第四範式·先知平臺的由來。
楊強教授說，「當時我們注意到，市面上利用開源軟體來做人工智慧的開發平臺很多，但門檻高、應用難度大，只有科研人員或AI領域技術人員纔會使用。」但現實情況是，AI人才缺口非常大，絕大多數企業並沒有能力、財力和時間來培養AI人才。
「『先知』希望打造一個普惠的人工智慧開發者平臺，讓各行各業的企業都能專注於自己的業務。你不用花太多精力成爲人工智慧專家，才能去應用人工智慧。把人工智慧應用普及的門檻降低，並覆蓋全部應用的整個流程，是『先知』的目標。」楊強教授強調。
憑藉「先知」，第四範式成爲國內第一家獲得中國人工智慧最高獎——「吳文俊人工智慧科學技術獎」創新獎一等獎的企業，打破了該獎歷年只授予頂尖高校或科研機構的慣例。爲了更好的提供AI服務，第四範式不僅爲客戶交付AI應用，還透過「範式大學」的一系列教程，對企業進行「跟著走式」的培訓，最終讓企業自己能夠熟練使用AI。目前，已經有一批工程師透過短期培訓、成爲了能夠獨立展開工作的企業數據工程師。從某種程度上說，第四範式正在爲整個AI行業的未來培養人才。
人工智慧真正普及的節點
那麼現階段離第四範式願景中的「AI for everyone」還有多久？人工智慧真正普及的節點將出現在何時呢？目前國內外的發展階段與趨勢如何？
楊強教授認爲，爆發節點跟收集數據與保留數據的程度相關，現在不同行業之間或同一企業不同部門之間的數據壁壘還比較嚴重。另外，技術因素以及人爲組織因素也不能忽視。大體上看，金融和網路行業的人工智慧普及爆點會早一些，傳統行業可能會晚一些，但遲早都會到來。
關於國內外人工智慧的發展，楊強教授認爲，相對而言國外公司術業有專攻，在一些專精領域鑽的很深，而且國外比較重視智慧財產。國內企業還需要一段成熟期才能意識到什麼樣的技術對自己的業務有幫助，而不是很多企業都在涉足人工智慧的各個方面。現在國內很多公司都強調自己擁有人工智慧技術，但真正讓人工智慧在商業應用中產生了效果，纔是真正具備人工智慧技術的公司。
對於人工智慧的發展趨勢，楊強教授強調，目前人工智慧還處在人來設定目標，機器提供路徑的階段。未來，AI將可以自己找到目標，而不是被動的接受任務並執行，屆時人工智慧將發展到一個更高的階段。
——————
備註：
楊強，華人界首位國際人工智慧協會（AAAI）院士、唯一的AAAI Councilor、IEEE大數據期刊主編、國際頂級學術會議KDD、IJCAI等大會主席，現任香港科技大學電腦系主任，第四範式聯合創辦人兼首席科學家。