以下內容，思客根據現場速記內容整理。
鄭小林在現場演講。新華網記者 郭小天攝
人工智能發展到了什麼階段？
我來自浙江大學人工智能研究所。作為年輕一輩，我們最近有幸參與了國家新一代人工智能的規劃工作，今天來跟大家分享相關的工作內容。
人工智能的發展從開始到現在，經歷了三個階段，第一個階段我們叫做計算智能，這個階段要解決的事情，叫做能存會算。第二個階段是感知智能，這個階段是能聽會說，能看會認。第三個階段往下發展應該叫認知智能，要達到什麼樣的程度呢？要能夠理解、會思考，我覺得這個是最高級的境界，目前我們正在往這個方向努力。
在發展過程中，我們來思考一個問題。實際上，我們對整個世界的看法，從橫向來看，可以把它分為可統計和不可統計的事物。從縱向來看，可以分為可推理和不可推理的事物。從可統計到不可統計，可以通過一些事件舉一反三。從可推理到不可推理，就是去做模糊識別的工作。人工智能用到很多方法，比如從可統計到不可統計，現在用的非常多的方法是機器學習，從可推理到不可推理，用的解決方法是神經網絡。
為什麼當前人工智能發展叫做新一代人工智能？因為AI1.0做的人工智能，只是解決了可統計可推理的事物。要發展到不可統計不可推理，就是現在的AI2.0去解決的。以前我們說，機器學習和神經網絡解決了部分問題，但還是有很多問題沒有解決。這兩個東西怎麼結合起來？我們現在叫深度學習，深度神經網絡，包括各種各樣新的方法，這個就是現在2.0研究的。但能夠看到，2.0邊界還是沒有解決第四象限的問題，也就是那些既不可統計又不可推理的事物，這個我們暫時解決不了。
剛才講的AI2.0解決的這些問題，在國家的發展規劃裡面分成了五大基礎方向和四大智能應用。五大基礎方向分別是大數據人工智能、群體智能、跨媒體智能、人機混合增強智能和自主無人系統。四大智能應用分別是智能製造、智能農業、智能醫療、智慧城市。我們的工作重點是實現其中的大數據功能。
五大基礎方向要解決什麼問題呢？
大數據智能。我們會發現，其實從信息經濟向數字經濟轉變的過程，就是從人工知識到大數據驅動學習邁進的過程。
跨媒體智能，是從單一數據到跨媒體認知、學習和推理，要解決就是包括視頻信息、語音信息、圖片文本在內的各種各樣的海量信息，這些知識怎麼關聯，怎麼學習，怎麼推理，這就是跨媒體智能要解決的問題。
群體智能。AI1.0是個體智能，現在強調群體智能，個體解決不了，群體發揮作用。
人機混合增強智能，大家經常看電影，X戰警、未來戰士都是人機混合，換上機械手臂變得非常強，這裡就是一個混合增強智能。這個已經有很多研究成果，目前主要應用在人的康復等方面，比如用意念控制的機械手等。
第五個是自主無人系統，包括無人汽車、無人戰機等。這是新一代人工智能五大基礎研究方向。
大數據如何驅動新一代人工智能？
大數據是如何驅動人工智能的呢？隨著社會發展，我們各種各樣的信息和數據都在數字化，數字本身也在資產化，所以我們看到，大數據在人類社會，包括物理空間還有信息空間逐漸開始融合，我們把它叫做CPH空間。實體經濟與虛擬經濟緊密結合，比如智慧城市、智慧醫療，這是海量數據帶來的新挑戰。
在今年杭州市的一號工程文件裡面，有一個數字經濟倡議。數字經濟是指以使用數字化的知識和信息作為關鍵生產要素、以現代信息網絡作為重要載體、以信息通信技術（ICT）的有效使用作為效率提升和經濟結構優化的重要推動力的一系列經濟活動，這是2016年在杭州G20峰會發布的“數字經濟倡議”裡的定義。
對於數字經濟這個概念，馬化騰提了5個特徵。第一，數據成為驅動經濟增長的核心要素。第二，數字基礎設施成為新的基礎設施建設。第三，數字素養成為對勞動者和消費者的新要求。第四，供給和需求的界限日益模糊。第五，人類社會、物理空間和網絡空間日趨融合，很難分割，各種各樣的東西都在數字化。
從信息經濟到數字經濟，大數據驅動人工智能不斷髮展，主要為了建立驅動數據和知識引導的智能計算平臺和方法，形成從數據到知識，從知識到智慧這樣一個逐步上升的過程。其實，我們看人工智能發展的三個階段，從計算智能到感知智能再到認知智能，本質就是從數據到知識再到智慧的過程。這是我們的大數據智能要解決的問題。
人工智能如何影響金融業？
在大數據驅動人工智能發展背景下，金融業也迎來了新的挑戰和變革，我們把它叫做新金融。所謂的新金融是指，傳統的金融業務在與互聯網技術包括大數據、雲計算、人工智能技術融合下，產生新的金融生態、金融服務模式和金融產品。
新金融面臨哪些挑戰？我們把所有的金融都歸納成四個角色。第一個角色是資金需求方，第二個角色叫做資金供給方，第三個角色是金融中介，第四個是管理機構。這四個角色面臨的四大挑戰分別是安全、風控、獲客、效率。 人工智能怎麼解決？金融怎麼解決？它們之間互相碰撞，會產生什麼樣的火花呢？
首先對於安全來說，主要包括幾個維度的安全，一個是金融監管領域問題，第二個是金融本身的系統安全，包括我們整個金融系統在運營過程中產生的風險，第三是互聯網本身的技術安全。
第二是風控，各個金融機構，無論是銀行、互聯網金融平臺，還是私募基金、保險等，都會面臨風控問題。傳統做法是通過風險對沖，怎麼對沖？銀行最喜歡做的是房產抵押，風險對沖很容易。但是在互聯網上，沒有這些東西做抵押，怎麼辦？這個時候就要通過大數據和人工智能的方法。還有異常檢測，通過大數據和人工智能為用戶進行信用評估的時候，可能會碰到不良分子攻擊評估體系，所以會有異常檢測。再有就是大數據徵信。
第三個挑戰我們講效率，人工智能和大數據在效率上能做什麼呢？第一個是業務的自動化，比如美國高盛公司在金融中心的營業廳，以前有一百多人，現在可能只需要兩三個人，因為全部都是數字化、智能化，根本不需要營業人員。第二就是中介會越來越少，會被優化掉。
第四個挑戰是獲客，獲取服務和服務客戶，這裡面會涉及到人工智能。比如做客戶大數據的畫像，什麼樣的客戶我願意給他提供金融服務。第二個維度就是智能定價，同樣的保險公司，同一個險種，賣給不同的人可以是不一樣的價格。第三是客服機器人。為什麼客服機器人這麼重要？我們都知道雙十一這麼多的用戶，如果同時人工服務，可能要幾千上萬的客服才能解決，會碰到很多問題。但機器人基本上可以回答初步的問題。
在解決過程中，不管做研究還是做產業，都會碰到一個挑戰，就是大數據的挑戰。
傳統的金融學和經濟學基本上是通過抽樣的方式來做樣本分析，然後進行一些統計分析，數據量非常小。而且傳統金融學和經濟學的研究方式注重因果關係的驗證，先假設一個結論，通過數據分析最後來驗證這個結論，所以它是基於假設檢驗和統計檢驗的統計方法。
但是，在大數據背景下就不是這樣了。以前講信息不對稱的博弈，現在變成了數據不對稱的博弈。比如今年在杭州，很多互聯網金融公司接入螞蟻金服的數據，做很多業務，但是後來這個行業出現了一些問題，螞蟻金服把這個接口停掉，很多公司就沒有辦法做業務了，這個就是數據控制在誰的手裡。
第二，從相關關係到因果關係的深化。原來我們做數據分析的時候，可能經常聽到是“啤酒加尿布”的概念，但是現在往往要深入到因果關係的挖掘層面。
第三，在統計分析和建模過程中我們發現，傳統的建模變量非常少，但是在新場景裡，建模維度非常高，上萬個維度都有可能。 在這種情況下我們怎麼處理，怎麼降維，怎麼找到核心特徵，就變成現在很多產業、企業非常重視的問題。
總之，對金融科技來講，人工智能和大數據已經深刻影響了金融的方方面面，比如借貸，包括區塊鏈和加密市場、監管科技、個人金融，包括支付和結算、保險，還有金融市場、個人財富管理、轉賬、實物抵押等，不同的金融場景都受到了大數據和人工智能的影響。（編輯：白帆）
閱讀更多 新華網客戶端 的文章
