談金融科技繞不過人工智能。盡管談論AI的文章很多了，我們還是想從概念談起。如此，有助于了解人工智能的基本原理，以及它在其他行業發揮的“顛覆性”作用。只有這樣，才能夠厘清概念，了解AI對金融行業的變革作用。

另外，如果要把人工智能談透徹，沒有上萬字不可能。我們盡量言簡意賅，從金融行業的角度來談人工智能的發展和行業結合點。

    最簡單來說，大多數人知道AlphaGo、無人駕駛等熱詞，也在不同場合下體驗過各種可交互機器設備，人工智能（AI）似乎不再只是科幻電影里的技術，而是我們身邊觸手可及的一種能力，但到底什么才是人工智能嗎？如果不分青紅皂白，都認為機器擁有“聽說讀寫”的能力是AI的話，那么，談論的方向可能有所偏差，對金融行業的促進作用也會認識不清。

人工智能是什么？

中國《人工智能辭典》將人工智能定義為“使計算機系統模擬人類的智能活動，完成人用智能才能完成的任務”。作為計算機科學的一個分支，人工智能企圖了解智能的本質，制造一種能以人類智能相似的方式做出反應的智能機器。

隨著相關研究的不斷深入，人工智能的研究領域也在不斷擴大，比如機器人、語言識別、圖像識別、自然語言處理、專家系統、機器學習、進化計算、模糊邏輯、推薦系統等等。

簡單來說，人工智能（AI）就是要使機器能夠勝任一些通常需要人類智能才能完成的復雜工作。目前來看，人工智能的應用范圍已經很廣，并且為制造業、服務業、金融業在內的各行各業帶來巨大影響。比如在金融服務業，現在很多公司在嘗試將人工智能與金融服務深度融合，以提前洞察并實時滿足客戶各類金融需求，真正做到以客戶為中心，重塑金融價值鏈和金融生態。

所以，要談人工智能，必須要界定范圍，是談它的基礎層（如芯片）、架構（如百度、Google等大廠的開源架構）、技術層（算法、數據和算力）還是通用應用層（語音識別、圖像識別、OCR、自然語言處理等），或者是行業不同場景的應用。

   從金融科技的角度來說，我們談論人工智能多數指不同場景下對業務的促進作用，如何做到以客戶為中心，利用人工智能展開業務創新。

   為什么現在這么火？

實現人工智能的方法之一就是“機器學習”。與傳統按流程判斷編寫的軟件程序不同，機器學習用大量的數據進行“訓練”，利用算法解析數據，發現規律，然后做出決策和預測。

    作為一種實現機器學習的算法或技術，深度學習試圖使用包含復雜結構的多個處理層，對數據進行高層抽象，解決特征表達的問題。現在已經有了多種深度學習框架，比如深度神經網絡、卷積神經網絡、深度置信網絡等，在計算機視覺、語音識別等領域得到了廣泛應用并獲取了極好的效果。

有了這些算法為基礎，正是金融行業積淀海量數據發揮價值的大好時機。這也是為什么金融行業要積極擁抱人工智能的原因之一。

   最初由Google Brain團隊開發的TensorFlow仍然是最受歡迎的深度學習開源軟件庫——2016年6月，谷歌超級大牛Jeff Dean稱在GitHub有1500個庫提到了TensorFlow，其中只有5個來自Google，但是Caffe、PyTorch和BigDL等框架也在吸引大量的用戶和使用案例。

    不管怎樣，無論是機器學習還是深度學習，本身都是計算密集型的，背后也必須由某種方式進行數據收集，比如許多工業AI系統依賴于專門的傳感器LIDAR來進行數據收集。因此，硬件的新發展和降低的成本將有助于更好的數據收集和更快的深度學習。

    除了這一輪技術（硬件的發展、大數據的普及以及各類算法的演進）的集中爆發之外，各個領域的應用引發商業上的成功，也反過來促進人工智能的發展。比如我們談論的金融行業有大量的數據、技術人才以及豐富的場景，以及行業內外的競爭，均是促進金融行業快速應用AI的原因。

    在金融領域的應用有哪些？

憑借著強大的數據處理能力、深度學習能力和不會受情緒影響的特質，人工智能在金融服務領域開始發揮著越來重要的作用——增加安全性、減少處理時間、減少重復性工作和人為錯誤、提高自動化水平、精準獲客和營銷，實現自助式服務等。

    比如通過大量的安全數據分析，人工智能可以幫助企業和組織識別欺詐行為、可疑交易和潛在的攻擊可能性等，并提高風險管控能力；而自動化流程的實現，可以幫助企業提高工作效率，降低無謂成本；收集到的大量數據用來創建報告，可以發現潛在客戶，對現有客戶進行畫像，自動推薦服務信息并監測客戶滿意度和流失風險，不僅可以提高生產力和效率，還可以幫助組織快速完成復雜的決策過程。

在國外，智能金融已經滲入至金融服務的各個領域，比如智能投顧、支付、數字貨幣、個人理財、眾籌、獲客和客戶服務等等，相關的代表公司也都是資本市場的寵兒，比如PayPal、Square、Bitcoin、Betterment等。像Betterment摒棄了傳統的理財顧問模式，完全依靠數據分析和智能推薦算法，來為客戶提供資產管理組合建議，包括基金配置、股票配置和債權配置等。

    可以說，智能金融拓展金融服務的廣度和深度。只要能應用“智能化”的產品和場景，有數據作為支撐，均可以使用人工智能，典型的如風險定價、智能投顧、反欺詐、智能監控、精準營銷等領域。

    百度云的解決方案有哪些？

百度在2017年的百度云智峰會（ABC SUMMIT）正式推出“ABC Inspire”技術標識，通過百度云將百度AI戰略在各行各業落地。在此之前，百度在AI方面已經投入了大量的研發精力并積攢了大量的成功經驗和技術實力。

    百度云致力于將AI Fintech更好地與金融行業相結合，并在AI賦能下，支持百度金融云形成了包括智能營銷、身份識別、智能風控、金融大腦、智能客服、金融行業云等多個金融科技方向，充分滿足用戶“隨時、隨地、隨需”的金融服務需求。

    針對銀行、互金、保險、證券等金融機構的特定需求，百度金融行業云依托深厚的技術底蘊和領先的人工智能技術，能夠理解、識別、獲取用戶；從而能夠有效滿足金融機構從最初了解潛在用戶，到識別低風險、高價值客戶，再到有效獲取目標用戶的需求，相應提供智能網點、智能營銷、風險控制等解決方案，并且在新產品研發的場景下，提供基于金融畫像的輔助解決方案，幫助金融客戶設計更符合目標用戶群的新產品，快速實現業務創新。

    再比如像呼叫中心（知識庫、在線客服、金牌銷售），業務創新（智能營銷、智能風控、智能運營）以及金融行業合作伙伴的支撐業務（人臉識別、OCR、質檢、機器人）等，百度云均有成熟的解決方案并有案例落地。

   得益于對人工智能金融科技的專注，百度云金融云解決方案已經在百信銀行、銀聯商務、民生銀行、中國人壽、泰康人壽、浦發銀行等多家金融機構中得到了有效應用，力求通過搭建智能金融服務平臺與合作伙伴實現共贏。