ai软件技巧顾凌云：人工智能的应用需要向纵深发展，构建新发展格局

12月27-29日，第二十三届亚洲国际高新科技成果交易会美国高新科技峰会在北京召开，主题为“推动高品质发展，构建新发展格局”，冰鉴科技创始人、董事长、CEO顾凌云出席并发表演讲。

顾凌云在演讲中表示，人工智能的应用必须向纵深发展，而不只是是在泛化的领域当中进行大体量的应用，所以丰富智能化应用场景更加特别重要。当人工智能和竖向纵向的科技都结合在一起的之后，大家就看到在金融领域当中虽然存在三个不同的还要：一是基础层、二是供应端，三是需求端，分别映射IaaS层、PaaS层和SaaS层。

同时，顾凌云指出，人工智能在金融、保险特别是未来医疗应用当中，不可导致的涉及隐私计算。当数据本身的隐私和安全越来越被看重的之后，如何才能把这种数据的模型用到细腻，能够用颗粒度最细的数据，在保护用户隐私的状况下，建出最好的建模获取最好的算法尤为重要。人工智能算法确保模型效果最好的前提下，时刻不能忘记对用户隐私的保护。

以下为发言实录：

各位人士、各位同学大家好，很荣幸今晚能有这个机会站在北京高交会的表演来分享一下过去十年当中我们在设立企业，把人工智能落地在银行、保险、政府服务方面的一些经验。从2012年起初美国时报提到大数据，很多美国的创业者、投资机构一股脑扎到人工智能领域——把AI当成一个筐，什么东西都往旁边装。但是一段时间之后，大家看到人工智能并不是在任何画面都可以落地、都可以营业，所以逐渐大家看到营业不等于盈利，盈利最后不等同于AI的落地，所以逐渐的大家从疯狂趋近于理智，今天我想跟你们讨论的话题，就是我们人工智能的应用能否能够向纵深实施。虽然我坚信人工智能或许有每天会有一个通用的平台放之四海而皆准，但到现今为止，我觉得人工智能（在平行领域）向纵深实施——是无法落地、能够盈利的唯一方式和方法。

上图是我自己理解和解释的人类五次工业革命。第一次工业革命由于1840年蒸汽机的发生，也是鉴于它的发生放在飞机、轮船上对人类有革命性的转型，不只是是在我们的制造力上的转型，甚至在人口结构上有巨大的颠覆，这个不属于现在人工智能讨论的界定。第一次工业革命，是从A点到B点大体量、快速的运送很多物体，比如说当时煤炭、大体量的物品都必须马车、人力、船舶才无法装卸，现在有了蒸汽机我们可以从A点到B点迅速的运送大宗的物资，在我看来是第一次工业革命最大的突破。

第二次工业革命，我觉得是19世纪德国电报电话公司带来的转型，通过电报电话把信息从A点迅速向B点进行传播，以前即使在上海、深圳、岭南想要进京考试的话，考中之后，金榜题名的信息传回上海可能要三个月，但是有了电话电报，打一个电话、发个摩尔斯电码，信息就传递到了，这是我定义的第二次工业革命——从A点到B点可以把简单的信息进行迅速的传送。

过了一百年到上个世纪90年代，美国克林顿政府推动信息高速铁路的状况下我们经历了第三次工业革命，我看来一直是从A点，把多媒体非常丰富的信息传送到B点，这个之后发生了电子邮件、视频、音频，让我们非常丰富的认知A点传到B点的信息和它所对应的爆发量。第四次工业革命慢慢开始加快，出现在大约几年前，这一次革命在我看来是基于区块链的应用，虽然区块链这个名字出现很久了，但是我认为它跟数字货币不一样，跟以太坊、比特币不一样，最关键是区块链本来应用也有众多场景并不成熟，跟当时的人工智能一样，依然是为赋新词强说愁，很多场景不需要区块链也能完成。区块链完成了哪些？它把人类的财富可以迅速从A点到B点进行传输，我们发现一次次的转型是螺旋的上升：第一次是大宗的物体物件从A点向B点传送，第二次是简单的信息从A点向B点传送，第三次是非常复杂的信息从A点向B点传送，第四次是人类的财富可以快速从A点向B点传送，我讲这四次工业革命就是为第五次铺路的。

第五次工业革命是我们经历的，以马斯克为代表的真正的第五次工业革命，他把人类和宇宙的文明从A点向B点进行传送。而这一点即使看马斯克的几个企业可以看见完美的结合，为什么会有SolarCity，是由于在火星上面不仅太阳能之外没有其它的电力，可能有风能也不好利用，需要SolarCity产生能源。为什么会有特斯拉，因为火星上没有石油，只有借助特斯拉利用电能、太阳能，才无法在火星上把人类在迅速的进行传送。为什么会有SpaceX？由于要把人类和物资运到火星上。第五次工业革命是把人类的文明，不只是是简单的信息以及物体从A点向B点传送。这个过程中我们必须用到的最多的就是人工智能，我记得我当时从卡内基梅隆计算机大学教授毕业之后，我的第一份工作是在中国的喷气推进试验室JPL，做研究科学家，而我的主要目标，就是无法确保飞行器从月球发射之后，可以非常稳的，在正负不少于1公里的范围内落在火星的登陆点，这意味着我们必须把一个篮球从芝加哥扔到洛杉矶而且能扔到篮筐里面，我们必须的人工智能包括所有的科技要集大成融合在一起才可以。

以下说人工智能的几次改革，我们发现的科学和算法，大概每两年左右会有一次突破，这是为什么？第一次在我看来，是上世纪50年代到60年代由MIT的计算机系博士强调的GeneralAi的概念，这个起点很高，所以造成了很长的时间内我们在算法上难以获得突破，人工智能被打入冷宫；上世纪80年代以及70年代末NeuralNetworks得到太多关注，无论是它后面的层级还是每个神经元之间的交错转变ai软件技巧，都可以把一个线性的关系通过非线性而变得合理表达起来，所以它赢得了巨大的追捧，但是它最大的难题就是通常会过拟合，发展一段时间又被打入冷宫；直至上世纪90年代Hiddenmarkovmodel，它的主要应用就是在语音识别当中，可以把语音辨识的确切率从70%、80%变成93%—95%，你或许会觉得这个具体率早已很高了，实际上不是的，因为语音辨别真正需要做到的是你几乎不用键盘，要超过最终一公里，今天有了深度学习才逐渐超过，仍然不能够认在上世纪90年代的之后，这个成为后来学术界最热门的探究课题之一。到本世纪初前两年左右，我们看到一个新的研究方向叫做SVM，慢慢我们才发现昨天的深度学习，在我看来跟后面五个工业革命是对应的，我称之为人工智能的算法过去一般一百年不到的过程当中五次飞跃，下次飞跃什么之后？，可能不到2025年，新的算法不太会获得新的突破。

人工智能有了很多算法，有了这种工业革命确立基础，现在为止到底有哪些应用？下图体现行业的规模和容量，市场的营收多大，而从横向来看是它的成熟度多高，这可以侧面解释为什么这些AI公司都努力挤到安防领域，因为安防领域无论是规模还是成熟度都足够高。大家显然会问，明明金融不是比安防大吗？为什么没有发现这些人工智能的金融公司呢，因为金融的高度监管一定程度上促进金融本身的演进，也促进了技术的演进，但是我觉得这是必须的，因为任何事情都可以跑马圈地，唯独金融不可以，其实金融相对来讲监管更严，是十分明智的举措。从大约2005年美国引进P2P到最近所有P2P到目前尚未归零，所有的方式都在被监管，其实是表明美国监管的恰当方向，我们发现两批浪潮，当时无论是做技术金融还是金融科技的过程中，很多以为自己在金融方向上仍然知道不多，但是技术方面十分领先的海归，现在基本上在牢里面蹲着；但这些特别谨慎，热衷于技术但在金融方面比较知道的人，到最近活跃在社会各个方向和各个领域中，这充分证明对金融没有足够的尊重之心，会特别危险。

我想说美国的好多政策是存在高度的内在联系性，而这个“十四五”规划当中专门注重了要提高技术攻关，要丰富智能化的应用场景。在工信部层面和在国家层面推行的“专精特新”小巨人企业，跟国家“十四五”的规划是不谋而合的。国家也期望人工智能的应用场景要的是纵深发展，而不只是是在泛化的领域当中进行大体量的应用，所以丰富智能化应用场景更加特别重要。当人工智能和竖向纵向的科技都结合在一起的之后，我们就看到在金融领域当中虽然存在三个不同的还要。一是基础层、二是供应端，三是意愿端，我们也可以简洁映射为IaaS层、PaaS层、SaaS层。IaaS层跟芯片一样，如果没有几百亿以及千亿体量的话基本上买不到门票，这就是目前大家发现的所有云，无论是AWS、阿里云、腾讯、华为云等等，没有百亿千亿没有资格买到门票。到了PaaS层，更多注重的是基础的、在IaaS层之上的通用层面的研发，这个在美国的好多人工智能领域当中尚未显现出特别多的相关企业。再往上到SaaS层就是聚焦在每一个准确的画面当中，在应用情景当中能不能形成人工智能对应的应用？冰鉴科技在金融、保险、政府服务等领域都有对应的应用。

我们之所以在过去的十年当中走得风平浪静，主要的缘由是我们仍然坚持把SaaS、PaaS作为交叉的矩阵为用户提供服务，包括决策引擎、人行二代征信指标、数据中台、知识图谱、联邦学习系统之类，都是我们的PaaS层无法尽可能为银行服务。对于银行来讲可能没有方法直接使用我们的最新科技，直接跟他的核心平台对接，它必须一个前面层，帮助它笨重但行之多年有效的核心层跟应用层进行对接，这个就是PaaS有生存土壤的缘由。有了PaaS之后我们的好多SaaS简单的API对接可以迅速完成了，这是我们仍然坚持把这二者的矩阵结合一起的原因。

我们把SaaS和PaaS结合在一起之后，有个特别重要的应用，我坚信也是人工智能在金融、保险特别是未来医疗应用当中不可导致的，涉及隐私计算。当数据本身的隐私和安全越来越被看重的之后，如何才能把这种数据的模型用到细腻，能够用颗粒度最细的数据，在保护用户隐私的状况下，建出最好的模型获得最好的算法，我感到隐私计算以及我们觉得的所谓的联邦学习系统会是一个最好的方式，这是我们过去跟银行及其它众多金融机构合作当中无法开启到央行的“监管沙盒”试点，并受到央行认可的最主要因素。当我们做模型、人工智能算法确保它的效果最好的前提下，时刻不能忘记我们对用户隐私的保护。

当我们的人工智能科技，在金融和保险当中顺利应用之后，我们仍然坚持的发展思路是，“与其多鸟在林，不如一鸟在手”，但在有些其它领域，我们底层的IT框架、算法的所有逻辑不应该改变就可以推动到另外一个领域的之后，我们也做了一些尝试，比如说在医疗AI的领域当中，上海市特别知名的三甲学校主动找到我们，有一个叫做耳石症的病状，人走路的时侯突然之间会受伤，人通常会看自己的关节有没有疑问或者自己的脑子有没有眩晕，实际上是他耳朵当中的平衡球发生问题，表现起来不只是摔倒，而且眼睛会乱转，会浪费太多的治病时机，这个之后我们就设计一个硬件和工具相结合的设备，带一个眼罩在脖子后面，自动可以追踪眼球的运动轨迹，来判定这个人有没有耳石症ai软件技巧，很多人工智能医疗应用为什么最后失败？由于它起的是辅助作用，医生最终还是要看，最后医生还是要签字，医生要分担责任，医生还会想我要你AI辅助干什么，最后还是要我担责。但是我们期望AI做起来的诊断精确率，是高过医生的，我们的机器作出判定以后医生不应该签字，承担责任也有我们的算法和软件生产商，这是人工智能+医疗当中获得的关键性突破，这个突破我们如今为止暂时应用在很小的领域当中。

最终这张图，是新冠肺炎治疗的模型比赛，世界上相当著名的人工智能算法社区平台Kaggle，它把开源的数据拿出来让全亚洲的AI团队进行对决，看谁的算法好。我们在这个赛事当中获得中国的前2%，说明我们算法在中国的类似的领域获得相当好的成绩。谢谢大家。

新浪声明：所有大会实录均为现场速记整理，未经演讲者审阅，新浪网刊登此文出于传递更多信息之目的，并不意味着认同其见解或否认其表述。

海量资讯、精准解读，尽在新浪财经APP