以下為演講實錄：

剛才我們聽到了幾位從不同方面給我們解讀了人工智能、金融、數(shù)大局方面的前景。今天，我的主題是從另外一個方面來看這個問題。

首先我是一個做學(xué)術(shù)的，同時我對商業(yè)也有著濃厚的興趣，所以我想探討一下從學(xué)術(shù)的角度來看商業(yè)的問題，我們會得到哪些新的發(fā)現(xiàn)。

首先來看一下ALPHAGO的成功，首先ALPHAGO能夠引起很大的振動，我們從中能學(xué)到什么，對我們的商業(yè)方向有哪些指導(dǎo)呢？

首先我們看一下AlphaGo本身是幾個算法的結(jié)合，深度學(xué)習(xí)，還有一個算法叫做強化學(xué)習(xí)，就是中間這個圖所表達(dá)的，算法和環(huán)境有一個有機的連接，那么環(huán)境不斷給算法提供反饋，深度學(xué)習(xí)就像右邊這個圖所表達(dá)的，它既能告訴你你當(dāng)前的狀態(tài)，又能為你未來的行為提供一個指導(dǎo)。

這樣一個算法是不是可以應(yīng)用在我們實際當(dāng)中去呢？我們看一下，從當(dāng)中我們可以獲得不同的解讀，這個是我的一個想法。

首先，是這個閉環(huán)的路徑要短。商業(yè)路徑也好、算法路徑也好，它的中間最好不要有過多的環(huán)節(jié)，比方說從用戶到得到反饋，到反饋到AI的算法得到補充，最后再返回到應(yīng)用，這個閉環(huán)要足夠短。

第二，這個反饋一定要足夠高頻、高通量的反饋，不斷得到反饋，系統(tǒng)得到刺激，這樣它的智能才能夠成長。

第三個，也是大家過去比較忽略的，它的反饋效果一定要起到一個復(fù)合的作用，我們在經(jīng)濟上經(jīng)常講復(fù)合收益，在人工智能上的成功這一點也是非常重要的，像這個圖所表達(dá)的，也就是說這一輪的反饋對系統(tǒng)的增益要持續(xù)進(jìn)行，就會有一個指數(shù)型的收益上升。

我們再看看周邊實際遇到的問題，是不是有很多類似的場景滿足這樣的需求呢。我們回顧一下人工智能的里程碑。

九七年，我們有深藍(lán)。然后一一年的時候我們有IBM watson，最近我們又有了AlphaGo，無人車，包括最近有了德州撲克，這些都是我們引以為豪的人工智能。

在這些里程碑的成功背后是不是路徑閉環(huán)足夠短，反饋足夠頻繁。另外，復(fù)合作用是非常明顯，系統(tǒng)在不斷改進(jìn)自己，智能在提升。

再看一下周邊的工作，所以我就有一個想法。人工智能在現(xiàn)階段的應(yīng)用并不是在所有領(lǐng)域都會取得成功，我們一定要非常仔細(xì)挑選在哪些領(lǐng)域人工智能比較容易得到成功，在哪些領(lǐng)域還要等一等。

所以，下面就要來看一下技術(shù)和商業(yè)這兩方面到底哪些是我們現(xiàn)在可以得到效益的風(fēng)口。

首先來看一下技術(shù)風(fēng)口。人類的知識獲得70%以上都是通過視覺的，也一點都不奇怪，深度學(xué)習(xí)的發(fā)展肯定對人工智能的應(yīng)用、對人工智能的技術(shù)一定是持續(xù)發(fā)展的。比方左邊列的這些技術(shù)方向，包括用更好的深度學(xué)習(xí)、可解釋的深度學(xué)習(xí)，包括理解物體之間的關(guān)系，包括通過一個視頻可以理解里面的一些人類能理解的摘要，把它給取出來，為人類和計算機的模型進(jìn)行溝通。

自然語言緊隨其后，包括文本的閱讀、理解、產(chǎn)生、問答、分析等等，現(xiàn)在深度學(xué)習(xí)都帶來了非常大的提高。但是，這個提高還是要隨著算法的提升有待更加地提高，在使用當(dāng)中能夠產(chǎn)生更大的效益。

另外一個，智能推薦。在電商、在往上購物等等都有這個推薦。但是推薦的一個重大的問題就是我們很容易陷入一個所謂的深坑，就是在機器學(xué)習(xí)技術(shù)上所說的過擬合。當(dāng)我們點擊了一個在手機上的新聞，我們會得到好多這樣的新聞，系統(tǒng)不會顧及到我們對其他的興趣。

怎么樣解決這些問題呢？這個就是技術(shù)上的革新所期待的，我們在這方面也在不斷做新的研究。

還有一個就是我個人的研究，遷移學(xué)習(xí)。比方說人類很自然就會使用遷移學(xué)習(xí)，我們在一個領(lǐng)域很專業(yè)，怎么把這個知識遷移到另外一個領(lǐng)域，能不能讓計算機也有這個能力。有很多的專家認(rèn)為這就是人工智能機器學(xué)習(xí)下一個的熱點。

遷移學(xué)習(xí)也會帶來很多技術(shù)革新。比方，我們可以在一些小數(shù)據(jù)上面應(yīng)用大數(shù)據(jù)得到的結(jié)果，在一個領(lǐng)域得到一個非常好的模型，可以把它遷移到周邊一些小數(shù)據(jù)的模型，這個也是人類學(xué)習(xí)的一個有效的模式。

另外一個，遷移學(xué)習(xí)可以使得模型的可靠性得到加強，一個模型產(chǎn)生了，我們可以讓它在不同的場合都適用，這個模型就更加可靠。

再有，越來越多的個性化的需求，在場景當(dāng)中經(jīng)常聽到這樣的名詞，千人千面，這樣一個場景可以用遷移學(xué)習(xí)實現(xiàn)。比如右邊這個圖表現(xiàn)，如果在云端得到一個通用的模型，可以把它適配到各個終端，使它在不同的終端就有不同模型的體現(xiàn)，這樣就實現(xiàn)一個個性化。

它帶來的另外一個好處就是遷移學(xué)習(xí)可以解決隱私問題，每一個終端用戶都不必把他的個性化的數(shù)據(jù)上傳到云端，就可以得到它的結(jié)果。

所以，我們很期待這樣一個技術(shù)的革新。

這里是遷移學(xué)習(xí)的一個實例，右邊這個圖表示遷移學(xué)習(xí)不一定是一步到位，從一個模型遷移到一個場景，我們可以通過一系列的場景把一個模型遷移到不同的更廣泛的范圍，比方說一個手段就是中間這個圖所示的用深度學(xué)習(xí)來做遷移學(xué)習(xí)，這也是我最近一個研究方向。

最右邊這個圖就表現(xiàn)了一個實際的應(yīng)用。最近斯坦福大學(xué)和聯(lián)合國共同做了一個應(yīng)用，利用衛(wèi)星圖片分析非洲大陸不同地區(qū)的貧困程度。利用這種所謂傳遞式的遷移學(xué)習(xí)，就大量節(jié)省了人力。過去是要派一些觀察員到本地去做各種積累、各種調(diào)查，現(xiàn)在不用了，現(xiàn)在就用衛(wèi)星圖片把白天和晚上的地球圖象加以比對，最后訓(xùn)練出一個模型，大大節(jié)省了人力。

這里我們看到這些技術(shù)可能的革新，這些技術(shù)革新和商業(yè)應(yīng)用方向有哪些是最契合的。這里我要特別提金融方向。我們之前提過，一個是閉環(huán)的路徑要短，一個是溝通要高頻，最后要有復(fù)合效應(yīng)產(chǎn)生，很快讓模型能夠變得壯大。那么金融就是這樣一個領(lǐng)域。

我不用多說大家也明白，在金融里面有各種各樣的場景，比方和用戶溝通的場景，金融的安全、活體識別、識別用戶本人，用人臉識別、用聲音識別、用行為識別。在后端，可以對用戶整個風(fēng)險進(jìn)行分析，是不是應(yīng)該借貸。做一筆投資，在這筆投資之前要進(jìn)行風(fēng)險分析，現(xiàn)在基于大數(shù)據(jù)和人工智能可以自動產(chǎn)生這樣的分析，像個人和企業(yè)的征信。

另外運營方面、投顧方面，我們都可以借助于人工智能大量加強提高效益。經(jīng)濟本身就是一個提高效益的不斷的過程。現(xiàn)在人工智能又為經(jīng)濟效益的提升提供了一個強大的動力。

比方剛剛講的風(fēng)險管理這里面又分監(jiān)控、識別、評估和干預(yù)，每一個方面都可以有大量的人工智能的參與。

這里一個很有趣的例子是從京東金融本身的實踐得來的，就是人工智能可以幫助養(yǎng)雞，是一個非常有趣的應(yīng)用。比如過去一個養(yǎng)殖戶用12塊錢養(yǎng)一只雞，需要提前貸款，貸一筆很大的款放在那兒，這個時候就產(chǎn)生了很大利息支出，這個對養(yǎng)雞戶是一筆很大的費用。但是雞的成長，小雞的時候不需要吃那么多的飼料，只有長大的時候才吃。不同的雞對不同飼料的需求也不一樣。當(dāng)我們能夠掌握這個過程的時候，我們就可以把把放貸變得因地制宜，在一開始養(yǎng)雞戶不需要借這么多錢，過去逐次增加。所以如果我們能夠做到按日計息就可以做到這一點，就能夠大大提升效率。

到現(xiàn)在京東金融可以做到6分錢就養(yǎng)一只雞，用人工智能的算法來做分析。

同時我剛剛提到推薦系統(tǒng)，大規(guī)模的機器學(xué)習(xí)系統(tǒng)，當(dāng)前共有的一個問題是過擬合。就像剛才說的，在手機的一些新聞的APP上，當(dāng)我們點了一類的新聞以后，后面20個都是那一類的新聞，這是為什么呢？這是因為在技術(shù)上，它沒有照顧到兩個需求，一個是準(zhǔn)確性的需求，一個是多樣性的需求。

現(xiàn)在我們在研究上，我們在研究一個強化學(xué)習(xí)的模型，能夠把兩個需求全部照顧到，就是右邊這個名詞叫遷移的匪徒模型。用這個模型既照顧到準(zhǔn)確率，又召開到多樣性，就把過擬合的問題徹底解決。

最后，我要說一下JDD背后是一個大賽，同時在中美兩邊進(jìn)行。說起JDD，我要特別提KDD，即數(shù)據(jù)挖掘和知識發(fā)現(xiàn)，在學(xué)術(shù)界大家都聽說過KDD，這樣的大會已經(jīng)有過20年的歷史，而且每一年都有一個大賽，就是由工業(yè)出題，也變成了我們發(fā)現(xiàn)一些優(yōu)秀團隊的一個方式。

今年的JDD也是采用了這樣一個在金融方面的非常大的機會，今年的機會來自四個方面，都是緊貼著金融應(yīng)用的。一個是登陸的行為識別，要發(fā)現(xiàn)有沒有可能是欺詐的行為，這里面需要深度學(xué)習(xí)，需要了解一些金融的知識，所以需要兩方面的知識，這也是JDD大賽的一個特點，我們不僅要技術(shù)上的革新，同時也需要這些參賽隊伍能夠?qū)懗鲆粋€商業(yè)計劃，能夠把商業(yè)場景想清楚。

第二，金融界非常關(guān)鍵的一個需求，就是信貸需求的預(yù)測，還有店鋪銷量的預(yù)測。

最后一個非常有趣的識別叫做豬臉識別，而不是人臉識別。豬臉識別是需要做什么呢？首先我們可以獲取到大量數(shù)據(jù)，而不用擔(dān)心隱私問題，我們想豬可能不太關(guān)心隱私。同時又是一個活體識別的問題。同時確確實實背后有一個商業(yè)場景的問題，我們可以設(shè)想一下，假如有學(xué)生參加這個比賽，一個場景就是它可以幫助養(yǎng)豬戶鑒別不同的豬只在養(yǎng)殖過程中的各種活動，這個豬是不是活躍，它是不是散養(yǎng)的，它還是一只非常不愛動的豬，對健康就可以作決策，對保險就可以作預(yù)測。另外消費者可能也會有挑選，有人可能喜歡不同的豬肉，可能對整個的歷史還有豬的鑒別就有個別個性化的需求。所以既有深度學(xué)習(xí)的應(yīng)用，又有商業(yè)的應(yīng)用，所以這是非常有趣的一個題目。

我們就很期待這樣一個學(xué)術(shù)界和金融界的結(jié)合，就是從JDD大賽開始。

謝謝大家！

liwz

need 500 dollars today