柴洪峰：大数据和人工智能在金融行业应用的思考

2019浦江创新论坛收官大会暨大数据专题会“科技创新资源大数据国际研讨会”于8月12日在沪举行。中国工程院院士，金融信息工程管理专家、中国银联股份有限公司董事、电子商务与电子支付国家工程实验室理事长、主任，柴洪峰院士出席并发表主旨演讲。

柴院士在本次国际研讨会上，以“大数据和人工智能技术在金融行业应用思考”为主题，着重从三方面，逐步构建了在大数据时代的金融行业的升级转型之路。

01

开源和数据驱动的金融科技

随着2018年开源软件闭源、收购、修改许可等事件的发生，把握开源社区主动权的战略意义对金融行业来说不言而喻，开源软件已经成为科技创新的重要基础。在“交易成本理论”、“技术成本降低”、“市场规律变迁”等大背景下，越来越多的“金融科技”企业正在将相关技术成果进行开源，依托开源加速生态环境建设。以研究开源软件为核心思路，以“研究开源、应用开源、探索开源”三步走的形式。在金融业平滑转型的同时，逐步完善：开源软件评测、开源软件服务商评测等步骤，并依托于开源软件的开发来为金融行业的转型打好更为扎实的基础。

同时为了推动行业更好地运用开源技术，基于建设云计算平台过程当中收获的选型、应用、优化和管理等经验，开源软件评测体系需被建立。评测体系涵盖评测模型、评测规范和标准、评测工具、评测实施等多个层次，支撑中国金融机构进行技术创新、技术评估和选型工作。围绕开源软件的特性和金融行业的应用需求，构建拥有完整合适评估条件、评测标准、符合国家相关的开源软件测评模型。

并且根据服务对象，从他们关注的核心需求当中提炼出行业的经验、技术能力、服务交付、运维支持、服务质量等五项关键指标，同时针对开源技术特性、企业资质要求、金融行业安全要求补充评测内容，最终形成了涵盖开源经验、企业资质、安全保障等八类评测指标，全面评估开源软件服务商的各项能力。

02

金融行业内的大数据和人工智能技术

随着信息技术的发展，各行各业均产生了大量的数据，包括金融数据、交通数据、物联网数据、零售数据、社交网络数据、科学数据等等。全球每天有数十亿部手机、传感器和相机等设备构建起了支付体系，催生出指数级增长的数据量，大数据和高级分析的时代已经到来，数据已经成为了各大行业内不可或缺的一份子。如何更为合理、高效的利用大数据创造更高的价值，是从业者们需要首要去解决的问题。而这对于大数据天生的合作者——金融机构而言，更是紧迫且关键的。

向监管规范化转型、向管理信息化转变、向“客户为中心”转型刻不容缓。

柴院士以银联大数据平台为例，细致剖析了对于金融行业大数据平台的技术构架、服务体系、数据保护、权益保护、关键技术等多方面，再辅以柴院士自身的专业视角为与会来宾详细介绍了大数据、云计算、人工智能等前沿技术在金融行业内的应用。

对于金融企业来说，“大、云、智、链、物”是当前金融科技五大关键技术。大数据、云计算和物联网是使能技术，为区块链和人工智能提供基础计算能力和数据基础，区块链可以构建多中心共享共治的数据平台，从而为人工智能带来更多发展机遇。

大数据和人工智能应用遵循整体、层次、发展 的基本原则。整体原则指把系统智能化、产业链环境和人类发展当作有机整体，确保人工智能技术的进化方向和进化目标是对整个人类负责任的。层次原则主要指明确产业链各环节、智能系统研发攻关的各层次和分布，包括模型层面、数据层面和计算层面等。加强各方协同创新。发展原则主要指应用环境是复杂多变的，应加强智能系统的横向和纵向可扩展性、动态伸缩能力和自学习能力。分阶段建设和推进，保障智能系统运营的质量和效率。

除此之外从人工智能的产业链角度来看，包括基础层、算法层、应用层三个层面。银联围绕着支付的应用场景开展研究，以技术集成创新、产业协同创新的方针为指引，在不同层面进行了研究布局。金融是技术驱动型企业，技术金融科技是金融行业的核心竞争力，每一次重大的技术变革过程当中谁能够最先适应变化就能够在这个过程当中取得领先优势，智能化是金融科技的重要体现。结合大数据和人工智能技术，金融企业也正在构建企业自身的知识图谱，基于企业内部数据和外部数据确定的知识表示模型和导入知识，并结合利用知识推理、知识融合、知识挖掘等技术对所构建的知识图谱进行质量的提升。最后面向企业应用的知识图谱体系包括智能客服、智能问答等典型应用场景。

在这个过程当中金融应用领域如何满足数据隐私安全和监管要求的前提下，银联设计了一个机器学习框架，让人工智能系统能够更加高效、准确地使用各机构之间的数据，这也是当前人工智能和大数据领域的热点课题。联邦学习，满足隐私保护和数据安全的可行性解决方案，分别采用横向联邦学习和纵向联邦学习，典型来说不同金融机构之间用户特征是类似的，用户相对来说重叠度不够高，可以采用横向联邦学习。当对于跨行业的企业之间由于用户的特征差异比较大，用户存在重叠，则采取纵向联邦学习。当企业之间的用户群体并非完全重合时，系统基于加密用户样本对于在企业A和B不公开各自数据的前提下确认双方的共有用户，并且不保护不相互重叠的用户，保证数据训练过程当中数据的保密性，借助第三方协作者C进行加密训练，模型训练过程当中A和B各自的数据保留在本平台上，且不会导致数据隐私的泄漏，实现了训练模型的不断迭代和完善。

03

思考和展望

随着应用场景的不断增加，以及对大数据技术的不断发展和研究，其各个环节的技术发展呈现出新的发展趋势和挑战，包括可视化技术推动大数据应用的简单化和便捷化、人工智能推动大数据智能化应用、多学科融合与数据科学的兴起、新热点融入大数据多样化处理模式、大数据安全与隐私、开源测评和大数据比赛催生良性人才与技术生态等多个趋势。金融科技正在走向产业协同、联合创新的模式，人工智能作为未来数十年科技世界的基础，在面对具体乃至细碎的应用场景，开放共赢是一个更聪明的选择，开源合作是开放合作中最重要的一步。开放共赢是一个更聪明的选择，开源合作是开放合作中最重要的一步。

金融中的货币，有其开放性、复杂性和社会流动性的，有自己的特殊规律，面对金融科技推动普惠金融健康发展的各种复杂问题和机遇，我们可以借鉴东西方探寻真善美深处的智慧，集合科学的求真、艺术的唯美，通过大数据、人工智能等金融科技的新发展，实现造福人类的善，推动普惠金融的可持续发展。