科技行者 4月25日 上海消息:在2019华为全球金融峰会上,华为发布AI(人工智能)金融解决方案,打造最强金融智慧大脑,支撑全方位智慧金融服务,激发金融机构数字化转型。
AI在金融行业百花齐放,但面临挑战
作为一种新的通用目的技术,AI开始在金融百花齐放般地应用,推动金融服务与产品的革命性创新,促进整个金融行业数字化转型不断升级。
金融行业在AI领域不断实践,但却面临巨大的挑战,包括:AI广泛应用与算力资源稀缺的矛盾,AI算力不足的问题越来越突出;金融行业在AI领域逐渐从单点业务场景到营销、风控、运营等诸多业务场景中综合应用,仅仅拥有单点式AI技术已经难以满足需求,因此整体规划与企业级AI平台布局变得尤为重要;市场供不应求,高端AI人才很难下沉到传统金融企业。
AI和数据驱动,成为使能金融业务创新的核心所在
金融行业需要构建一个面向多样化业务场景、覆盖各类AI算法的企业级AI平台,方能促成智能金融的全面落地。为应对上述挑战,面向金融行业,华为提供包括算力、开发平台、生态的解决方案。
1.超强算力Atlas平台解决方案
华为Atlas AI计算平台,基于华为昇腾系列AI处理器昇腾910和昇腾310等自研AI芯片和业界主流异构计算部件,通过AI加速模块、加速板卡、智能小站、一体机,基于ARM处理器芯片鲲鹏920的TaiShan 服务器,等丰富的产品形态,打造面向端、边、云的全场景AI基础设施方案,可应用于智能金融等领域。
Atlas500智能小站解决方案是业界领先集成AI处理能力的边缘产品,机顶盒大小即可实现16路高清视频处理能力,适用于金融无人智慧网点等广阔的领域。
基于华为强大AI算力服务器G2500,为智慧金融领域提供OCR识别+人脸认证智能一体机解决方案,涵盖移动开户/移动展业/移动支付/P2P验真/等领域。
2. FusionInsight MindArts人工智能开发平台:
FusionInsight MindArts人工智能开发平台具备“三快”能力:开发快、训练快,上线快等能力。平台自研Mindspore 学习框架, 并开放集成多种开源框架,支持多厂家算法管理和运行(/Tensorflow /Pytorch /Caffe /MxNet ),可满足批量推理和在线推理,支持算法运行加速30%以上。
华为已通过云的方式,面向市场提供MindArts人工智能开发工具平台, 华为合作伙伴已通过MindArts工具平台实现利用实时图计算应用针对贷款申请进行风险识别,特别是团伙欺诈;基于语音转文本+智能问答的智能催收业务;基于OCR图像文字识别技术,构建保险面单自动识别能力。
3,华为云上构建AI开发者生态社区,培养人才,打造AI生态。
提供AI模型、API交易以及数据、竞赛案例等内容共享功能,为高校、企业及开发者提供安全、开放的共享及交易环境,有效连接AI开发生态链各参与方,将帮助开发者、合作伙伴加速企业的AI应用落地快速形成AI方案,未来可以帮助开发者和伙伴实现商业变现。同时,华为云将投入专项激励,鼓励共享AI模型。
AI+数据驱动整体解决方案使能智慧金融
基于华为强大的AI开发平台和算力资源,华为与合作伙伴一起,为金融客户提供AI解决方案,使能智慧金融。
AI声纹验证:华为与声纹应用领域合作伙伴一起,共同打造面向金融业声纹验证系统,助力互金业务创新,解决方案覆盖客服、催收、信审等领域。
AI图像识别:华为与图像识别领域合作伙伴一起,通过机器视觉技术和商业自动化应用技术,为智慧金融领域提供OCR识别+人脸认证智能一体机解决方案,涵盖银行/证券/保险/移动支付/P2P/等票据,证件验证领域。业务场景覆盖证件识别、金融票据、发票识别等。
华为企业BG金融业务部总裁曹冲表示:“金融机构在AI能力建设,智慧金融服务实践中,更要统筹考虑,像人一样,用一个大脑来看,听,说,学,用,通过基于一致架构下的开放AI平台,构建强大算力,打造最强金融智慧大脑,全方位支撑智慧金融服务。华为立志于通过端、管、云及其协同建立的开放数字平台,再结合AI,与开发者、生态合作伙伴一起,围绕金融等关键行业,不断进行客户化创新,参与到全行业数字化的大潮中。”
华为企业业务坚持“平台+AI+生态”战略,与合作伙伴一起为政府和企业客户提供无处不在的联接,无所不及的智能,并通过数字平台协同融合各种新ICT技术,支撑客户数字化转型成功。目前,全球700多个城市,世界500强中已有211家,前100强中有48家企业选择华为作为其数字化转型的伙伴。
华为持续与全球顶尖金融机构、研究机构及独立软件开发商开展作,加速金融机构的全面转型。华为已服务超过全球1000家金融机构,包括全球Top50银行中的20家。
华为全球金融峰会是由华为主办、聚焦金融行业的全球性ICT盛会,始创于2013年,与会嘉宾均是金融行业机构的业界精英。
好文章,需要你的鼓励
AIM Intelligence联合多所知名大学揭示了音频AI系统的重大安全漏洞,开发出名为WhisperInject的攻击方法。这种攻击能让看似无害的音频指令操控AI生成危险内容,成功率超过86%,完全绕过现有安全机制。研究暴露了多模态AI系统的系统性安全风险,对全球数十亿智能设备构成潜在威胁。
新加坡国立大学研究团队系统梳理了视觉强化学习领域的最新进展,涵盖超过200项代表性工作。研究将该领域归纳为四大方向:多模态大语言模型、视觉生成、统一模型框架和视觉-语言-动作模型,分析了从RLHF到可验证奖励范式的政策优化策略演进,并识别出样本效率、泛化能力和安全部署等关键挑战,为这一快速发展的交叉学科提供了完整的技术地图。
浙江大学研究团队通过OmniEAR基准测试揭示了当前AI模型在物理世界推理方面的严重缺陷。测试显示,即使最先进的AI在明确指令下能达到85-96%成功率,但面对需要从物理约束推断行动的任务时,成功率骤降至56-85%。研究发现信息过载反而降低AI协作能力,监督学习虽能改善单体任务但对多智能体协作效果甚微,表明当前架构存在根本局限性。
纽约大学和Aimpoint Digital Labs的研究团队首次揭示了Transformer模型训练中"大规模激活"的完整发展轨迹。这些影响力比普通激活大千倍的"超级激活"遵循可预测的数学规律,研究者开发出五参数公式能以98.4%准确率预测其变化。更重要的是,通过调整模型架构参数如注意力密度、宽深比等,可以在训练前就预测和控制这些关键激活的行为,为设计更高效、量化友好的AI模型提供了全新工具。