一本书读懂金融科技！《金融科技十讲》第四讲 | 陈云凯：人工智能发展与银行业数字化转型

Original 中关村网金院中关村互联网金融研究院 2022-05-11

导语

在新冠肺炎疫情暴发、全球经济承压的大环境下,金融科技以其附加值高、经济带动性强的特点,成为我国新兴战略产业的关键布局点与经济新旧动能转换的重要支撑点。金融科技在加速金融机构数字化转型,赋能企业各环节价值链升级,构建开放、合作、共赢的金融服务生态体系方面的独特价值逐渐显现。在此背景下,中关村互联网金融研究院、中关村金融科技产业发展联盟力邀金融科技行业资深研究者与实践者分享他们在各自领域的洞察,并结集成书。本书总共包括十讲，内容丰富全面、通俗易懂,涵盖了目前金融科技行业人们最关注的话题。

本文为新书《金融科技十讲》中

第四讲：人工智能发展与银行业数字化转型（精华版）

主讲人：陈云凯

专家

简介

陈云凯 百融云创副总裁。曾任职于 IBM , Oracle 以及四大会计师事务所,拥有20多年提供解决方案及咨询经验，服务客户包括银行、保险等金融机构及众多央企。2020年加入百融负责公司产品解决方案和战略客户。服务客户包括：工商银行、建设银行、中国银行、农业银行、中信银行、人民银行征信中心、银监会、保监会等。

本讲将从人工智能的定义入手，对比世界主要国家对人工智能的布局，梳理人工智能产业链布局和热点技术发展现状；分析人工智能的主要应用场景，结合银行业技术转型阶段，提出人工智能在银行业转型中落地应用的建议，帮助银行抓住机遇，向智慧银行转变。

图片来源：网络

1
人工智能的概念及发展历程

人工智能从概念提出到现在已经发展了60余年，经历了两起两落，从2011 年开始，随着云技术、大数据的发展，以及计算机技术的提高，人工智能迎来了高速发展。人工智能的发展历程如图1所示。

图1 人工智能的发展历程

资料来源：百融行研中心整理

人工智能的起源：1956 年以前。1956年，在达特茅斯学院举行的一次会议上，人工智能与认知学专家约翰·麦卡锡 (John McCarthy )联合马文·明斯基 ( Marvin Minsky )等人发表了一份提案，共同研究和探讨用机器模拟智能的一系列有关问题，并首次提出了 “人工智能”这一术语。

人工智能的第一次发展：1956—1980年。在达特茅斯会议之后，人工智能迎来第一次发展高潮，涌现出很多研究成果，机器学习概念以及 AlphaGo 增强学习的雏形———感知器 (percep-tron )算法均在这个阶段被发明出来。

20世纪70年代，随着研究的进一步深入，面临计算能力不足、数据量不足等困难，人工智能的研究陷入低谷。

人工智能的第二次发展：1980 — 1997年。1980年，卡内基梅隆大学为数字设备公司设计了一套名为 XCON 的 “专家系统”，该系统实现了人工智能从理论研究走向实际应用、从一般思维规律探索走向专门知识应用的重大突破。

20世纪90年代初，早期大获成功的专家系统维护成本高、难以更新，各国政府和机构纷纷停止向人工智能研究领域投入资金，人工智能再次陷入低谷。

人工智能的复苏：1997 — 2011年。20世纪90年代中期开始，随着计算性能的提升与互联网技术的快速普及，人工智能开始进入平稳发展时期，逐渐分化为多个学科，如计算机视觉、自然语言理解、认知科学等。

人工智能的爆发：2011年至今。这一时期得益于计算机性能的提升、算法的改进以及海量数据的积累，人工智能进入爆发式增长阶段，从概念快速走向产业化应用。

2
人工智能产业链及应用

人工智能产业链从下到上分为3层，如图2所示。最底层是基础层，包含云计算、大数据、芯片等多项基础设施，为人工智能产业奠定数据和算力基础。向上一层为技术层，包括机器学习、计算机视觉、语音工程、自然语言处理以及推理与决策等人工智能技术分支。最上层为应用层，如人工智能在金融、医疗、安防、交通等具体场景的应用。

图2 人工智能产业链分布

资料来源：百融行研中心整理

技术层作为最关键的层面，是以模拟人的智能相关特征为出发点构建的技术路径。

实现人工智能的基础是算法，通过相应的算法可以让机器会看、会听、会说、会思考，这也是当下人工智能技术取得突破的主要领域，根据算法可以将机器学习分为传统机器学习和深度学习。

人工智能的技术核心是机器学习，根据学习模式可以将机器学习分为监督学习、无监督学习、半监督学习、强化学习等。根据算法可以将机器学习分为传统机器学习和深度学习。