平安集团首席科学家肖京：智能+金融探索与实践

科技行者 9月7日 北京消息（文/邹大斌）：第九届中国（天津滨海）国际生态城市论坛暨2018中国国际数字经济创新峰会于9月7日-8日在天津举行。本会议由中国经济体制改革研究会指导，天津市滨海新区人民政府、中国经济体制改革研究会产业改革与企业发展委员会主办。大会以“数字时代让城市生活更美好”为主题，围绕数字经济、智慧城市、生态城市等主题开展一系列展览展示、投融资对接、实地考察、闭门座谈等专项活动。

大会还邀请了政府官员、权威研究机构领导和众多知名企业高管出席和发表精彩演讲，共同探讨数字经济理念、智慧生态城市建设、智能科技产业发展和智能数字生活，推进美好的城市生活建设。

平安集团首席科学家肖京出席大会，并做了题为《智能+金融探索与实践》的演讲。以下为肖京演讲内容整理。

平安集团首席科学家肖京

人工智能发展背景

两年前，Alphago战胜了围棋世界冠军李世石，引发了一股“人工智能热”。实际上，人工智能在上世纪五十年代就已经发轫，当时英国的数学家图灵提出了一个人工智能的定义，后来也被称为“图灵测试”——如果一个人跟目标对话五分钟，70%的时间里难以判断跟他交流的是人还是机器，那么对面的机器就具备了人的智能。

从定义来看，人工智能是人造机器人模拟、延伸、拓展人的智能，它是自然科学与社会科学的交叉学科，涵盖计算机科学、心理学、社会学、数学等学科。从阶段来看，它可以分为弱人工智能、强人工智能和超人工智能，目前我们还只是处于第一阶段，它的计算智能已远超人类，但在感知智能、认知智能等方面，还达不到人的水平。

“智能+”实施路径

过去20年，互联网产生了很多红利，提升了传统业务的效率，改进了用户的体验。然而，它还只是把传统业务转移到线上，创造了新的渠道，业务本身并没有做太多的改造，这种模式创新相对比较简单。

智能化转型比互联网化更复杂，智能化是技术上的创新，要在对传统业务流程非常熟悉的前提下先做信息化改造，实现信息流通，再完成数据化，信息流通后把业务流程的各个环节的数据沉淀下来，然后才能通过数据分析，最终实现智能化。因此，智能化绝不是单纯的技术问题。

传统企业的智能化转型需要满足很多要素：第一，要有技术、算法，计算平台、计算能力；第二，要有数据，实现数据化；第三，还要有场景，在实际场景中不断迭代，才能让智能化方案不断改进，最终真正发挥效用；第四，要有行业专家的指导，这样智能化改造才能有效解决实际痛点，而不仅是炫技；第五，要有自上而下的机制来协调推动。

智能化的实施应逐步进行，不是一上来就用最复杂先进的深度学习就是最好的办法。第一步先利用来源于丰富专业知识和经验的确定性业务规则，这是传统企业最大的壁垒；第二步是统计分析商务智能（BI），比如用户分群、关联分析。有一个很著名的案例，沃尔玛超市通过分析发现买尿布的客户经常也会买啤酒，就把啤酒放到尿布旁边，确实卖得特别好。这也容易理解，一般新生儿的妈妈在家带孩子，爸爸去买尿布，这时候看到啤酒就可能会顺带买回家。然而大数据时代可用来分析的因子太多，会出现组合爆炸，另外还有“长尾效应”，很多时候因子饱和度有限，这样用商务智能可能效果就有限了。这时候就要进入第三步，利用更复杂的人工智能机器学习技术，从大数据中学习挖掘。对于结构化数据，我们可以应用传统的机器学习方法，和行业专家合作，设计提取特征，构建模型；对于大量的非结构化数据，我们可以应用深度学习技术，自动提取特征，实现端到端的学习。

当然，深度学习也有很多不足，比如只考虑相关性不考虑因果关系，Alphago告诉你棋子下在哪会赢，但不知道为什么，不具备解释性；也仅是分类不能量化，它告诉你能赢，但不知道能赢多少；并且过于依赖大数据。Alphago zero不需要大数据训练，是因为围棋规则明确信息完备，可以通过结合深度学习和强化学习，实现自我训练学习，然而绝大多数金融和医疗场景不满足信息完备等条件，因此模型精度还是依赖大量的训练数据，而这往往是很难获得的。因此我们需要改进深度学习的方法，实现可解释、可量化、小数据学习、可读写、自适应等能力。

迁移学习和生成对抗网络（GAN）等方法，都可以用来帮助解决小数据问题。当一个场景的训练数据很少，比如猪脸识别，建模效果有限，可以通过迁移学习借用从另一个数据充足模型精度高的场景学到的知识，大大提升模型的精度。GAN则通过同时训练两个模型，一个识别目标，一个伪装目标，两个模型同时训练相互竞争共同提高，最终在标注数据数量很有限的情况下，仍然达到理想的建模效果。

平安集团的探索与实践

1988年，平安以财产保险起家，今年正好三十周年。平安的战略目标就是要成为国际领先的科技型个人金融生活服务集团。

平安聚焦于大金融资产和大医疗健康两大方向，致力于在国际领先的“金融+科技”平台上，打造“金融+生态”模式。具体包括“五大生态”：金融、医疗、汽车、房产、智慧城市。底层的强大科技平台，包括人工智能、区块链、云计算、大数据、信息安全等创新技术能力。

整体而言，平安经过三十年的业务积累，在实现智能化方面有很多得天独厚的优势。比如说金融牌照齐全，每个细分领域排名领先，应用场景世界最全，行业领先的专家团队；拥有人脸识别、声纹识别、和风控反欺诈等先进算法，自营的平安云具备最全面最高等级的安全认证和高性能计算能力；积累了大量金融、医疗以及运营方面的数据，强有力的集团管理机制，长期经营综合金融形成的整体协同及高效执行力等。

基于以上理解及要素，平安建立了“平安脑”智能引擎，包括底层的大数据平台，中间层的画像脸谱及上述不同步骤的智能分析建模功能模块，及上层针对金融、医疗、智慧城市等不同业务场景的一系列解决方案。这些解决方案覆盖了平安业务的所有核心领域。第一是金融最核心的风险控制、欺诈识别，比如保险的风险定价、信贷投资的风控、反欺诈、监控预警、催收等；第二是获客，比如精准营销、交叉销售、向上销售等；第三，金融的本质是服务行业，服务质量的好坏决定了业务的成败，比如智能客服、质控、体验提升等；第四是运营，平安有180多万名员工，一年的收入逾万亿，1%的绩效提升意味着百亿的增收，人工智能算法可以帮助大幅提升运营效率，降低成本；第五是投研、量化、投顾等金融业务领域，以及疾病预测、健康管理、影像辅助诊疗等医疗业务领域，都可以通过智能化大幅提升效果，产生实际业务价值。“平安脑”智能引擎的上述能力已经被广泛应用于平安集团内外的各项实际业务场景。

平安生物特征识别，让身份认证更简单：平安人脸识别技术也已经十分成熟，已经应用在很多领域，如平安普惠的小额贷款，原来需要面谈才能放贷，但现在通过人脸识别加上征信系统，在3分钟之内可以放贷。

声纹识别方面平安也达到国际领先水平。一种场景是应用在登录的时候，用户自己设置声纹登陆密码。另一种应用是用户无感知的，在后台打电话的几秒钟就知道是不是本人。

平安也储备了很多反生物特征识别破解技术，比如平安的人脸、声纹、资料三证合一，真正地实现实人认证。现在这项技术已经应用在很多地方，比如说保险或银行开户。

平安智能图像识别，让运营更简单：平安通过图像识别实现车险智能闪赔，已经真正上线应用，每天数万的理赔案件通过图像识别实现智能定损。智能图像识别可以判断受损部位是该修还是该换、新伤还是旧伤、是否PS等，另外还有一个非常强大的基于机器学习特征的反欺诈引擎。智能闪赔每天可以带来几千万的减损。

平安智能推荐，让营销更简单：精准服务与营销需要把客户的画像、产品、渠道做精准的匹配。平安用精准的算法把这些因素匹配在一起，实现精准营销和服务，同时也规避风险。

平安智能风险预警，让风控更简单：多样化个性化的风险定价因子与模型，需要机器学习辅以业务规则。针对信贷领域的业务流程，平安开发了风险预警系统。这一系统在静态数据、财务数据上综合运用了多样信息，并结合舆情系统实时察探，平安的企业关系网络也可以帮助提高风险覆盖面。同时，这一风险预警系统能够自主学习、实时预警。

平安智能客服，让服务更简单：在智能客服方面，平安有三种客服产品。线上垂直领域的客服机器人，电话客服，还有线下门店的机器人。

一般认为智能的高级阶段是创作。创作需要新鲜的灵感，而不是简单地从历史数据中学习既有的规律或模式。平安在音乐、绘画、写作等创作领域也进行了尝试，既提升了智能化技术水平，也有助于让平安的“金融+生态”模式更加丰富更加有生命力。

总而言之，以平安的探索和实践为例，人工智能技术已经可以帮助人类解决很多具体的问题，比如分析、分类、判断、预测、决策等。平安正积极开放人工智能技术能力，期待与业界同仁携手行业建设，共同迎来人工智能美好的明天！

演讲嘉宾介绍

肖京博士，卡耐基梅隆大学博士，现任中国平安集团首席科学家、集团执委、技术研究院院长。长期从事人工智能与大数据分析挖掘相关领域研究，多次当选重要国际学术会议委员会及中美国家基金评审专家委员会，先后在爱普生美国研究院及美国微软公司担任高级研发管理职务。目前在平安集团负责创新技术及产品研发应用，包括智能化大数据分析等技术在金融、医疗、智慧城市等领域的研发和应用。