交通银行副行长钱斌：数智时代的新理念、新技术、新金融

人工智能技术，作为数字经济中领先技术的代表，正在重塑包括商业银行在内的各行各业。在2021年世界人工智能大会期间，交通银行副行长钱斌就交通银行在人工智能技术上的实践分享了自己的看法。

人工智能技术依然任重道远

人工智能在1956年的达特茅斯学会上正式提出后经历了多个发展阶段，2011年至今的最新一波浪潮中，以深度神经网络为代表的人工智能大幅跨越了科学与应用之间的“技术鸿沟”，迎来爆发式的增长。甚至在一些条件和边界都明确清晰的任务中超过了人类。比如图像识别、比如语音识别等。

钱斌表示，人工智能给各行各业带来的变化大家都有目共睹。在实体经济方面，一些定位、检测、测量、识别等人工智能场景在制造业的多个细分领域纷纷落地。在城市治理方面，“城市大脑”作为人工智能应用的典型，已成为新型智慧城市建设的重要抓手，特别在这次疫情管控过程中得到了进一步印证。在商业银行领域，人工智能更是在智能营销、智能风控、智能客服、智能运营等多方面重塑商业银行的经营模式。

就Alphago战胜围棋世界冠军的表现来看，当前人工智能在一些任务领域已经超过了人类，然而钱斌也认为，这并不代表人工智能已经无所不能，人工智能距离最终目标还有不少差距，依然任重而道远。

在他看来，人工智能目前的通用性还不够。现阶段的人工智能都是专业化的、边界清晰、定义明确的单一任务模型，任务一旦稍有变化，效果会大打折扣，即泛化性不够。反观真正的“通用智能”，也就是我们人类，在儿童学习过程中，仅需要几张图片，就能很好的从各种背景中识别出各种类型的飞机、小鸟和大象。

此外，人工智能目前的可解释性还不强。一般认为，神经网络算法的成功源于对人类神经元的模拟，然而目前最终得出的模型却往往让人类无法理解，这也让我们对这些模型始终抱有一丝不信任感，让人望而却步，尤其是在医疗诊断、法律判决这些容错率比较苛刻的领域目前还比较慎重。

其三是隐私安全问题，我们在使用一款新的APP时，总会遇到一系列的选择题：“是否允许开启当前定位”“需要访问您的照片”“同步通讯簿联系人”等等，在人们享受精准、享受便利的同时，也让人产生一丝被窥视的“不安全感”。

尽管有上述不足，但人工智能前进步伐已不可阻挡，各界也认为在不久的未来这些问题将会得到一定的解决。

需推进数据、算力、算法的丰富完善

钱斌认为，推进数据、算力、算法的丰富完善是当代人工智能技术取得进步的重要方式。

当前以机器学习、深度学习为代表的人工智能主要是在大数据基础上的人工智能，模型效果与数据特征的丰富程度成正比。在互联网、物联网时代背景下，人人在线、万物互联，导致全球大数据存储量爆炸式增长。

根据国际数据公司（IDC）的统计数据，近几年全球大数据存储量的增速每年都保持在40%， 2019年全球大数据存储量达到41ZB。而中国的数据产生量约占全球数据产生量的23%，可以预见数据的丰富程度将基本得到解决。

“但如何用好数据，我们至少还有两个方面的工作要做。”钱斌表示，一是数据的治理，人工智能的魅力在于使数据价值化，但前提是需要耗费大量的时间寻找可用数据，对数据的准确性进行甄别，而数据治理则可以规范标准，提高效率，减少通向智能化所需要的时间；二是数据隐私保护，在绝大多数场景中，数据分属于不同的机构，比如税务数据在税务局，资金流水数据在银行或者第三方支付机构。不同的机构之间，因为数据的隐私保护，不能把原始数据分享给对方，这就限制了模型的可用范围，导致模型效果大打折扣。数据的产权、使用权是当前联合建模中经常碰到的棘手问题。

如今，5G网络下的云计算为人工智能提供了更强大的算力。2021年1月，Google的科学家宣布他们设计的简化稀疏架构可以将语言模型的参数量扩展到1.6 万亿，这是GPT-3的近10倍。要让这类算法落地就需要有充足的算力支撑。

关于这一点，钱斌提及，目前主要有两个方面的工作在齐头并进，一是以GPU，云计算为代表的技术发展，带来了算力提升。GPU的并行计算非常适合深度学习的计算逻辑，而云计算使得网络、计算、存储等各类资源被有效整合，快速配置，并建立共享池，初步实现了人工智能的算力问题；二是数据中心等“新基建”加快建设，网络、CPU、存储等各类资源被更科学地管理，更方便的运用，数据中心的大力发展与普及，使得计算力的使用门槛进一步降低，单位计算成本也变得更合理，这样，人工智能才能获得良性的投资回报率。

此外，数学模型、自学习能力提升给人工智能带来了创新的算法。在人工智能求解过程中，数据和算力是基础，而算法则是核心，算法向下连接数据和算力，向上面向业务问题，应用场景，驱动整个架构的有效运转。

钱斌表示，在真实建模过程中，我们经常会遇到一些不理想的情况，比如说数据稀疏或者正负样本失衡的问题，这些都需要对算法进行创新来加以解决。算法的创新离不开人才培养和开源生态建设，源软件彻底改变了全球软件产业的格局，极大地提升了算法的开发效率和生态。交行参与举办了今年下半年的AIWIN赛事，希望可以借这个平台促进算法创新，进一步探讨人才和开源环境培育的问题。

金融与人工智能互促共生

就金融业而言，钱斌认为金融与人工智能的关系是互促共生的。

“金融业一直是人工智能最被看好的落地领域之一。商业银行的信息化系统起步早、成熟度高，数据积累丰富，并且行业问题明确并且垂直，和人工智能所擅长的领域非常吻合，AI 运用于金融领域可谓正当其时。”他称。

商业银行正面临一些新趋势、新变化。钱斌提及，首先是个性化趋势，客户越来越不满足基础性的标准服务，银行服务要做到千人千面，就需要提高对于海量客户的认知能力；其次是线上化趋势，伴随移动互联网的兴起，如何在非接触模式下，更加精准地认知客户、了解客户、服务客户是一个问题；此外，商业银行传统的信用风险、市场风险、流动性风险等等在不断演变，出现新特征，如何在控制成本的基础上，消除信息不对称，防止风险跨界传染、交叉传染，防止系统性风险对商业银行的风控能力和经营水平提出了更高要求。

因此，商业银行迫切需要运用新技术来提高自身的经营能力、管理能力和服务客户的能力，AI技术可谓生逢其时。事实上，AI也已极大地改变了商业银行的面貌。

例如，过去几年，交行通过引进新技术已经产生许多改变。

钱斌介绍称，在服务能力领域，交行通过手机银行和网银为客户提供拟人化智能客服，整体识别成功率超90%，每日受理数万客户咨询，应答量占客户总提问总量的三成以上。

在风险控制领域，交行基于复杂知识图谱构建了智慧化的风险监测系统并入围了今年SAIL奖TOP30榜单。其中，仅担保网络风险监测模型就将数十亿元潜在风险余额纳入名单制管理，有效识别和防范了担保链圈造成的区域性风险。

过去，普惠金融是一个世界性难题，主要原因就在于信息不对称所产生的信任鸿沟。为解决这个问题，交行在获得客户授权的前提下，融合了来自税务、工商登记、征信的各类数据并联合建模，打造了集信用、担保、抵押类为一体的普惠e贷产品，做到了“数据多跑路，客户少跑腿，银行多费心，客户省成本”，因此获得了众多个体经营者及小微企业的青睐。

谈及人工智能技术在未来金融业发展的前景，钱斌认为需要关注几个重点。

首先，守正是创新的前提，必须关注科技向善。人工智能运用不当，将产生非常严重的后果，因而必须注重科技向善的商业伦理。

最近几年，人工智能成为了社会热点，但人工智能发展更需要的是扎实和冷静。当前要特别关注人脸识别等生物技术的运用，在没有严格管控标准和法律法规的前提下滥用技术将导致巨大的信息安全风险，甚至于“终身裸奔”。

此外，培育跨界思维、推动开放合作也至关重要。在未来金融生态中，各个市场主体的深度协同与优势互补将是大势所趋，各业态围绕信息化主线深度协作、融合，才能加快转型，提升变革，不断催生新业态。

钱斌表示，以银行为代表的传统金融机构作为金融服务的主要供给者，需要进一步参与企业全链条的数字化改造，面向业务全生命周期打造“数字孪生”的业务与系统，推动线上与线下、境内与境外、金融与非金融的相互融合，更好地营造金融服务与实体经济的场景化、生态化。

最后，在推进数字化转型的同时，也要关注数据平权和信息保护。

钱斌认为，金融业要运用数据更好地解决信息不对称，而不是利用数据垄断和技术壁垒来加剧信息不对称，甚至放任或制造信息的失真与欺诈，造成市场的扭曲。

目前，金融资本、金融产品某种程度上还是一种稀缺资源，商业银行有责任、也有义务通过新技术和大数据让各类市场主体、大中小微企业平等地、公平地、高效地获得金融服务、金融产品和金融资本。银行业既要推进自身数字化基建，也要强化对国家、社会、企业数字基建的金融支持和数据支持。

具体而言，钱斌认为一方面要通过法律法规、数据标准，加强数据治理，合理运用自有的海量数据资源；另一方面，交行也正在尝试通过隐私计算等技术建立一个跨平台、跨企业、跨领域的大数据生态，实现数据不出域，可用不可见。

“在良好、健康的数据生态上，智慧金融将会结出更丰硕的果实，更好地实现金融普惠、服务民生，为社会主体提供高效、便捷、合适的金融服务。”他称。