來(lái)源： AI金融評(píng)論  授權(quán) 產(chǎn)業(yè)智能官 轉(zhuǎn)載   

雷鋒網(wǎng)AI金融評(píng)論按：銀行的業(yè)務(wù)領(lǐng)導(dǎo)看不懂?dāng)?shù)據(jù)報(bào)表，用戶的照片和聲紋注冊(cè)難以通過(guò),，人工智能的運(yùn)用到底誰(shuí)是基礎(chǔ)和關(guān)鍵,，對(duì)于這些新技術(shù)的應(yīng)用問(wèn)題，平安銀行零售科技CTO儲(chǔ)量通過(guò)分享其團(tuán)隊(duì)的研發(fā)經(jīng)驗(yàn)給出了答案,。正如他所言,，很多技術(shù)“還在路上”，那么在傳統(tǒng)銀行的技術(shù)化道路上,，有哪些問(wèn)題值得從業(yè)者們關(guān)注和深思呢,？

在12月8日第一屆“平安集團(tuán)SMART科技大會(huì)—科技金融Fin Tech論壇”上，儲(chǔ)量分享了平安銀行在新技術(shù)方面的經(jīng)驗(yàn),，為我們細(xì)述了從數(shù)據(jù)基礎(chǔ),、關(guān)鍵技術(shù)再到實(shí)際應(yīng)用的環(huán)環(huán)相扣。

編輯：周蕾

來(lái)自@AI金融評(píng)論的報(bào)道

以下為儲(chǔ)量演講全文,，雷鋒網(wǎng)AI金融評(píng)論做了不改變?cè)獾木庉嫞?/span>

大數(shù)據(jù)平臺(tái)建設(shè)與應(yīng)用

儲(chǔ)量表示,，建立整個(gè)銀行的大數(shù)據(jù)平臺(tái)，過(guò)程頗為痛苦——盡管絕大多數(shù)金融機(jī)構(gòu),，很早就會(huì)建立自己的數(shù)據(jù)平臺(tái),，但大數(shù)據(jù) 金融應(yīng)用的細(xì)分領(lǐng)域相當(dāng)復(fù)雜，每一類業(yè)務(wù)場(chǎng)景中會(huì)有很多不同的子項(xiàng)目要研究,。平安銀行在此方面已建設(shè)12種主要應(yīng)用場(chǎng)景,，譬如風(fēng)險(xiǎn)控制，有與欺詐相關(guān)的,，有確認(rèn)客戶身份的,，還有很多真正意義上研究市場(chǎng)態(tài)勢(shì)和風(fēng)險(xiǎn)變化的部分。

在平安銀行的大數(shù)據(jù)應(yīng)用上,，儲(chǔ)量舉例了幾個(gè)典型應(yīng)用場(chǎng)景：

（從上至下,、從左至右分別為：B 報(bào)表平臺(tái),、指標(biāo)平臺(tái)、風(fēng)險(xiǎn)偵測(cè)平臺(tái)和數(shù)據(jù)探索）

B 報(bào)表平臺(tái)

一些會(huì)議經(jīng)常出現(xiàn)如下情況：在討論未來(lái)的業(yè)務(wù)發(fā)展設(shè)想和規(guī)劃時(shí),，一旦試圖以歷史經(jīng)驗(yàn)來(lái)預(yù)測(cè)事件走向和客群規(guī)模,，卻卡死在數(shù)據(jù)一環(huán)，命題缺乏支撐,。傳統(tǒng)金融行業(yè)原有的數(shù)據(jù)工具和平臺(tái),，普及不夠、自動(dòng)化不夠,、時(shí)效性不夠,。

在數(shù)據(jù)指標(biāo)應(yīng)用方面，比如傳統(tǒng)金融組織會(huì)把工作交給一個(gè)單獨(dú)的數(shù)據(jù)團(tuán)隊(duì)同事來(lái)做,。數(shù)據(jù)團(tuán)隊(duì)可能很熟悉業(yè)務(wù)的指標(biāo)定義和理解,，但大部分業(yè)務(wù)領(lǐng)導(dǎo)對(duì)細(xì)節(jié)并不清楚，導(dǎo)致上下溝通時(shí)脫節(jié),，只好讓下屬以需求的形式實(shí)現(xiàn)報(bào)表再做決策,。

B 報(bào)表最重要是解放實(shí)際上業(yè)務(wù)高層領(lǐng)導(dǎo)的生產(chǎn)力，讓他們自己通過(guò)手工自助工具直接看到他需要的數(shù)據(jù),，決策更加高效,。儲(chǔ)量稱，從今年年初到8月份,，他們一直致力于研究B 報(bào)表,，目前已在行內(nèi)有所推廣。如果要做到更高的時(shí)效性,，T 1甚至T 0,，并且隨時(shí)組合不同的條件，把數(shù)據(jù)帶出來(lái),，需要花更多精力打磨,。

指標(biāo)平臺(tái)

這一平臺(tái)主要是市場(chǎng)營(yíng)銷。現(xiàn)在平安主推線上,，這部分營(yíng)銷對(duì)于傳統(tǒng)業(yè)務(wù)而言,，需要一套成體系的營(yíng)銷平臺(tái)支持。其中很重要的是,，如何通過(guò)指標(biāo)體系將不同的客戶實(shí)時(shí)篩選出來(lái),。而這些指標(biāo)體系的建設(shè)需要花時(shí)間把基礎(chǔ)能力和指標(biāo)定義出來(lái)：客群畫(huà)像、客戶類型,，做到基本以秒級(jí)篩選出幾萬(wàn),、幾十萬(wàn)甚至幾百萬(wàn)客戶的列表。這需要大數(shù)據(jù)作支撐的,，傳統(tǒng)數(shù)據(jù)庫(kù)架構(gòu)系統(tǒng)無(wú)法完成這一點(diǎn),。

風(fēng)險(xiǎn)偵測(cè)平臺(tái)

每天系統(tǒng)處理的客戶交易有幾百萬(wàn)甚至上千萬(wàn)，所有的刷卡,、轉(zhuǎn)帳記錄,、登陸記錄，會(huì)變成可能存在風(fēng)險(xiǎn)的點(diǎn),，需要非常強(qiáng)的實(shí)時(shí)運(yùn)算能力,，建立風(fēng)險(xiǎn)偵測(cè)體系平臺(tái)。這一平臺(tái)是毫秒級(jí)全天后監(jiān)控,，累計(jì)做了八億筆交易記錄風(fēng)險(xiǎn)決策,，以及6500萬(wàn)的比對(duì)。這些東西的業(yè)務(wù)價(jià)值,，背后需要非常強(qiáng)的實(shí)時(shí)的風(fēng)險(xiǎn)決策引擎來(lái)實(shí)現(xiàn),。

儲(chǔ)量指出，目前平安銀行的引擎還不算最高效的——美國(guó)運(yùn)通公司的風(fēng)險(xiǎn)模型和引擎,，可以在兩毫秒之內(nèi)完成12000個(gè)決策數(shù)的模型運(yùn)算,。其單個(gè)服務(wù)器節(jié)點(diǎn),，每秒可以接受64000筆這樣的請(qǐng)求,，這對(duì)基礎(chǔ)平臺(tái)及其應(yīng)用架構(gòu)能力要求極高。平安銀行目前風(fēng)險(xiǎn)偵測(cè)還不夠強(qiáng),，基礎(chǔ)開(kāi)源框架在風(fēng)險(xiǎn)高維運(yùn)算能力方面是偏弱的,。盡管當(dāng)前業(yè)務(wù)尚無(wú)如此復(fù)雜的規(guī)則需求,，但未來(lái)用AI、機(jī)器學(xué)習(xí)訓(xùn)練算法,，真正實(shí)時(shí)運(yùn)行時(shí),，最終產(chǎn)生的引擎對(duì)運(yùn)行資源的消耗會(huì)越來(lái)越大，沒(méi)有基礎(chǔ)平臺(tái)支撐是做不到的,。

數(shù)據(jù)探索

儲(chǔ)量表示他們正在做知識(shí)圖譜,，金融的結(jié)構(gòu)化以及非結(jié)構(gòu)化數(shù)據(jù)怎么形成圖片，以高緯度方式關(guān)聯(lián)查找,。

現(xiàn)在金融行業(yè)許多欺詐均為團(tuán)伙作案,，業(yè)內(nèi)有灰色產(chǎn)業(yè)和黑色產(chǎn)業(yè)鏈條。他舉例北京分行的盜刷團(tuán)伙,，作案時(shí)會(huì)把好幾個(gè)不同的被盜客戶信息輸入到系統(tǒng)里,，看他的資金被盜在行內(nèi)甚至到行外其他行的帳戶鏈路，會(huì)發(fā)現(xiàn)幾個(gè)關(guān)鍵任務(wù),，它可能就是被拿來(lái)洗臟錢的黑色帳戶,。找到這個(gè)帳戶，再讓公安介入調(diào)查,，順藤摸瓜把人抓到,。我們利用數(shù)據(jù)探索知識(shí)圖譜,，快速定位可疑行為較為密集的帳戶。

儲(chǔ)量分析平安銀行零售的大數(shù)據(jù)應(yīng)用體系架構(gòu),，是從最基礎(chǔ)的大數(shù)據(jù)運(yùn)算能力開(kāi)始,，從下往上是基礎(chǔ)設(shè)施、基礎(chǔ)數(shù)據(jù)匯聚,、數(shù)據(jù)產(chǎn)品,，再往上是應(yīng)用場(chǎng)景和應(yīng)用產(chǎn)品，最終到渠道端可以真正實(shí)現(xiàn)閉環(huán),。

經(jīng)驗(yàn)分享：技術(shù) 業(yè)務(wù)雙管齊下,，平臺(tái)支撐和數(shù)據(jù)治理并行    

第一，戰(zhàn)略清晰,。對(duì)于一家組織來(lái)說(shuō),，到底需要投入多大的資源來(lái)完成大數(shù)據(jù)平臺(tái)建設(shè)。比如平安團(tuán)隊(duì)年初開(kāi)始建立平臺(tái)時(shí),，團(tuán)隊(duì)至少要100人,，運(yùn)算節(jié)點(diǎn)服務(wù)器資源需要上千萬(wàn)投入，當(dāng)時(shí)一次性采購(gòu)接近5000,、6000萬(wàn),。其中牽扯之多需要上層領(lǐng)導(dǎo)決策，所以要有清晰戰(zhàn)略,。團(tuán)隊(duì)內(nèi)部會(huì)按能力相應(yīng)細(xì)分,，每一個(gè)小組會(huì)專注負(fù)責(zé)一個(gè)領(lǐng)域的產(chǎn)品或者技術(shù)的孵化。大數(shù)據(jù)要在業(yè)務(wù)領(lǐng)域發(fā)揮價(jià)值,，如果光靠技術(shù)是不夠的,，還需要有人對(duì)業(yè)務(wù)的基礎(chǔ)數(shù)據(jù)比較了解。大數(shù)據(jù)技術(shù)團(tuán)隊(duì)可以通過(guò)招聘很快獲取,，但需要有傳統(tǒng)團(tuán)隊(duì)加入進(jìn)去幫助一起做孵化,。我們把傳統(tǒng)零售報(bào)表團(tuán)隊(duì)并到大數(shù)據(jù)團(tuán)隊(duì)，快速讓新招聘的同事對(duì)業(yè)務(wù)有所了解,，把基礎(chǔ)數(shù)據(jù)治理做起來(lái),。

第二，較強(qiáng)平臺(tái)能力支撐,。這方面投入一開(kāi)始可能會(huì)比較巨大,，儲(chǔ)量團(tuán)隊(duì)所構(gòu)建的開(kāi)源Hadoop基本上是全戰(zhàn)術(shù)的基礎(chǔ)框架。每日新增數(shù)據(jù)量大概100T,，包括金融數(shù)據(jù),、非金融數(shù)據(jù)、客戶行為數(shù)據(jù)還有生產(chǎn)環(huán)境的各種日志。每日任務(wù)數(shù)大概7萬(wàn)多,，有300多個(gè)用戶,，進(jìn)行相關(guān)數(shù)據(jù)探索工作。每秒鐘有20萬(wàn)筆日志匯集到系統(tǒng)里,，把所有客戶行為日志加上所有系統(tǒng)日志都進(jìn)入到數(shù)據(jù)平臺(tái)以備分析,。這一能力建設(shè)對(duì)基礎(chǔ)架構(gòu)壓力較大,，目前團(tuán)隊(duì)仍在擴(kuò)容,。

第三，元數(shù)據(jù)治理,。一家金融機(jī)構(gòu)的所有歷史數(shù)據(jù)結(jié)果,，在建立之初，對(duì)于里面指標(biāo)的定義,、每一個(gè)記錄怎么產(chǎn)生的,，基本邏輯是不清晰的。那時(shí)大數(shù)據(jù)無(wú)法直接幫助業(yè)務(wù),，必須有一個(gè)團(tuán)隊(duì)專門把數(shù)據(jù)清理出來(lái),。企業(yè)數(shù)據(jù)治理的一致性、準(zhǔn)確性,、完整性都需要有人管,，這樣大數(shù)據(jù)團(tuán)隊(duì)深度參與業(yè)務(wù)才能清楚了解。像華為很早以前開(kāi)始做全世界范圍內(nèi)的各種文檔,、數(shù)據(jù)治理,，就做得很好。

人工智能應(yīng)用探索及研發(fā)過(guò)程現(xiàn)狀

儲(chǔ)量主要從圖像,、語(yǔ)音,、文本、圖譜幾部分進(jìn)行介紹,。圖譜在風(fēng)險(xiǎn)和精準(zhǔn)營(yíng)銷上,，分成客群推薦和產(chǎn)品推薦兩方面。這是我們認(rèn)為未來(lái),，像智能算法實(shí)踐方面會(huì)經(jīng)歷的三個(gè)過(guò)程,，是閉環(huán)的迭代的。

業(yè)務(wù)場(chǎng)景和數(shù)據(jù)準(zhǔn)備

這個(gè)50%實(shí)際上是以今天在這個(gè)時(shí)間過(guò)程中理解要做好這件事情,，成功的基礎(chǔ)可能50%是來(lái)自于這個(gè)環(huán)節(jié)的,。基礎(chǔ)數(shù)據(jù)和應(yīng)用場(chǎng)景的發(fā)現(xiàn),，對(duì)做智能算法實(shí)踐,，有50%是靠這個(gè)成功的。如果沒(méi)有好的數(shù)據(jù)治理，沒(méi)有找到好的業(yè)務(wù)場(chǎng)景,，光有技術(shù)或者算法是做不出結(jié)果的,。

第一，AI的算法和東西要解決業(yè)務(wù)問(wèn)題,，需要業(yè)務(wù)深度參與,。

第二，訓(xùn)練算法不能沒(méi)有基礎(chǔ)數(shù)據(jù),。后文將舉例說(shuō)明聲紋的數(shù)據(jù)樣本對(duì)算法訓(xùn)練的影響?，F(xiàn)在所謂AI算法，大部分是針對(duì)某一個(gè)具體場(chǎng)景和具體問(wèn)題建立算法,。這種算法建立的能力是非常工程化的事情,，需要專家參與，構(gòu)建真正具備能力的隊(duì)伍,。

第三,，工程化。工程化能力之重要,，體現(xiàn)在算法能不能快速上線,，上線之后能否快速跟運(yùn)行中的業(yè)務(wù)并行，并行之后能不能把生產(chǎn)結(jié)果跟實(shí)際結(jié)果拿回?cái)?shù)據(jù)源,，進(jìn)行下一步訓(xùn)練,。如果沒(méi)有好的工程化過(guò)程，業(yè)務(wù)是不敢上這些算法的,。因?yàn)檫@些算法都是代替原來(lái)人工流程,，憑人的經(jīng)驗(yàn)總結(jié)出來(lái)的業(yè)務(wù)規(guī)則。業(yè)務(wù)是會(huì)擔(dān)心出錯(cuò)的,，尤其是風(fēng)控,，算法一旦產(chǎn)生波動(dòng)，可能產(chǎn)生的（誤差）是幾億,、幾十億的,。如果好的工程化能力并行，維持傳統(tǒng)部分,，算法路徑也同步進(jìn)行,，兩邊并行進(jìn)行灰度認(rèn)證，把兩邊不一致的東西拿出來(lái)讓業(yè)務(wù)再做第三輪判斷到底哪邊是對(duì)的,。這樣可以讓整個(gè)算法上線試運(yùn)行加快,。

當(dāng)你的算法越來(lái)越復(fù)雜，算法維度越來(lái)越高,，條件越來(lái)越復(fù)雜時(shí),，工程化能力決定結(jié)果能不能跑出來(lái)。比如設(shè)置出12000個(gè)決策數(shù)的規(guī)則，如果在系統(tǒng)上要跑30秒,，從線上化角度這個(gè)東西就不可用了,。運(yùn)通把工程化用到極致，他們?cè)贏I方面還在探索,，但工程化能力太強(qiáng),，強(qiáng)到2毫秒120000的模型可以算出來(lái)。

儲(chǔ)量總結(jié)他在AI建設(shè)方面的經(jīng)驗(yàn),，表示：

業(yè)務(wù)場(chǎng)景是AI的基礎(chǔ)和起點(diǎn)：一定要找業(yè)務(wù)談清楚這個(gè)場(chǎng)景到底是什么,，解決什么問(wèn)題；

強(qiáng)大的數(shù)據(jù)平臺(tái)能力是支撐AI訓(xùn)練的關(guān)鍵：需要用到海量,、跨多業(yè)務(wù)線的數(shù)據(jù),，以及強(qiáng)大的運(yùn)算能力來(lái)構(gòu)建復(fù)雜模型,；

專業(yè)的隊(duì)伍密切合作推進(jìn)AI在業(yè)務(wù)中的應(yīng)用和迭代,；

工程化能力不可缺失：業(yè)務(wù)場(chǎng)景的選擇，快速開(kāi)發(fā),、測(cè)試和上線的能力,，以及模型的持續(xù)學(xué)習(xí)和優(yōu)化。

人臉識(shí)別技術(shù)應(yīng)用的“那些坑”

基本所有的APP都在用人臉進(jìn)行相應(yīng)識(shí)別,。目前每月有1600萬(wàn)的調(diào)用量,，基本上每天有幾十萬(wàn)次，包括開(kāi)戶,、貸款客戶核申,，閾值大概在62.24。

對(duì)于金融行業(yè),，最擔(dān)心的是不該開(kāi)戶時(shí)給人家開(kāi)了戶,，引狼入室。儲(chǔ)量稱平安的線上通過(guò)率在85%,。大部分的算法都是96.8%,。

儲(chǔ)量指出照片網(wǎng)紋對(duì)算法影響很大，兩邊數(shù)據(jù)源一起做對(duì)比,，兩種算法一起用,，才能提升線上的比對(duì)成功率。

在人臉識(shí)別方面,，他分享如下幾點(diǎn)：

活體SDK的重要性：業(yè)務(wù)方最怕的是別人可以偽冒,。生物識(shí)別技術(shù)的出現(xiàn)也催生了生物仿生這個(gè)對(duì)立學(xué)科，該學(xué)科的發(fā)展一定會(huì)對(duì)生物識(shí)別產(chǎn)生沖擊,。對(duì)于使用生物識(shí)別的組織來(lái)說(shuō),，要建立相應(yīng)的科學(xué)算法去解決，對(duì)立的對(duì)立是什么，要不要再訓(xùn)練下一代,，判斷生物仿生算法與否,，如何識(shí)別出所有業(yè)內(nèi)能仿生的技術(shù)，以及合成解決方案的本身特征并加以排除,。

客戶拍照本身的影響很大,，在客戶端怎么引導(dǎo)客戶合理使用光線進(jìn)行拍照，對(duì)成功率要求會(huì)提升很大,。

合理閾值：這應(yīng)該由業(yè)務(wù)決定,。到底誤時(shí)率達(dá)到什么樣的水平，接受什么樣的水平,，接受什么樣的風(fēng)險(xiǎn),。以前靠人工肉眼識(shí)別做生物判斷也是有誤差的，只是不曾數(shù)據(jù)化,，風(fēng)險(xiǎn)團(tuán)隊(duì)因此認(rèn)為人工方法沒(méi)有問(wèn)題,，這判斷是不對(duì)的。風(fēng)險(xiǎn)團(tuán)隊(duì)要接受誤差是永遠(yuǎn)存在的,，但控制在一定范圍內(nèi),，符合業(yè)務(wù)需要即可。識(shí)別不成功的流程,，需要有彌補(bǔ)機(jī)制,。就算實(shí)際上成功率只有85%，剩下15%的客戶不能丟掉,，尤其是銀行,，要有其他應(yīng)對(duì)辦法。比如可能接到音視頻做二次彌補(bǔ),。

需要有團(tuán)隊(duì)專注在人臉的應(yīng)用團(tuán)隊(duì),，將其工程化。

聲紋識(shí)別落地的困難與解決方案

儲(chǔ)量表示,，目前平安在做相應(yīng)的信用卡孵化場(chǎng)景訓(xùn)練,，正在考慮是否需要從800席擴(kuò)到2000、3000席,。該應(yīng)用8月底上線,，真正通過(guò)聲紋注冊(cè)成功的客戶有157萬(wàn)，驗(yàn)證成功的40萬(wàn),。

跟其他傳統(tǒng)聲紋供應(yīng)商不一樣的是,，平安不是讓客戶念一串?dāng)?shù)字或者標(biāo)準(zhǔn)文本，而是在對(duì)話過(guò)程中采集聲紋,，進(jìn)行聲紋注冊(cè),。聲紋注冊(cè)受制于打電話進(jìn)來(lái)時(shí)背景音的嘈雜程度決定能不能成功,，如果是APP注冊(cè)過(guò)程，會(huì)建議顧客站在安靜的環(huán)境,，直接采集客戶打電話進(jìn)來(lái)的聲音,。該服務(wù)的線上灰度并行測(cè)試（通過(guò)率）大概83%。如果是質(zhì)量達(dá)標(biāo)的語(yǔ)音驗(yàn)證,，通過(guò)率是92%,。客戶的說(shuō)話時(shí)長(zhǎng)和背景音也會(huì)影響通過(guò)率,。

儲(chǔ)量舉例稱,，最開(kāi)始做聲紋識(shí)別，受制于集團(tuán)大部分語(yǔ)音樣本沒(méi)有做語(yǔ)音分離,，為此做了額外的算法,。語(yǔ)音分離對(duì)于未來(lái)電話平臺(tái)錄音，乃至所有使用語(yǔ)音應(yīng)用的場(chǎng)景十分重要——客戶和客服的聲音不要混在一起錄,，分成兩個(gè)文件,。

以前無(wú)論是錄音還是日志，大部分組織是出于合規(guī)性要求,，用最簡(jiǎn)單最低成本的方法做最好,。但現(xiàn)在是大數(shù)據(jù)和算法時(shí)代，未來(lái)業(yè)務(wù)發(fā)展需要對(duì)它進(jìn)行合規(guī)規(guī)劃,。人臉有人民銀行公開(kāi)的數(shù)據(jù)庫(kù)，聲紋沒(méi)有官方比對(duì)庫(kù),。注冊(cè)本身需要業(yè)務(wù)自己在場(chǎng)景里把客戶引導(dǎo)注冊(cè)進(jìn)來(lái),，沒(méi)有比對(duì)庫(kù)很成問(wèn)題。

考慮攻克的問(wèn)題之一是,，聲紋跨渠道的衰減比較大,，現(xiàn)在的聲紋用在APP上不一定能用，電話語(yǔ)言的傳輸和APP文件傳輸保真程度不一樣,。電話語(yǔ)音本身讓語(yǔ)音失真了,，建立的語(yǔ)音模型沒(méi)法用。

另外,，為什么把音視頻作為重點(diǎn)場(chǎng)景,，是因?yàn)樗磥?lái)的發(fā)揮價(jià)值很大。社交直播越來(lái)越熱,，未來(lái)很多社交,，SAT可能真的會(huì)往音視頻社交轉(zhuǎn)移。

在這方面的嘗試,，音視頻本身的應(yīng)用場(chǎng)景里出現(xiàn)的問(wèn)題有：

掉線,，跟通話時(shí)長(zhǎng),、環(huán)境，密切相關(guān),；

平臺(tái)上待處理任務(wù)排隊(duì),，如果處理不好音視頻能力會(huì)受影響。

未來(lái)要建立一個(gè)公共網(wǎng)關(guān)平臺(tái),，以便跟媒體第三方,，尤其是做直播的客戶需要使用的APP進(jìn)行合作。大家現(xiàn)在的音視頻技術(shù)方案都不太一樣,，如果沒(méi)有公共平臺(tái)把不同音視頻接入,，最終轉(zhuǎn)換成統(tǒng)一的方案，后臺(tái)的座席系統(tǒng)開(kāi)發(fā)非常痛苦,。儲(chǔ)量表示,，現(xiàn)在已經(jīng)做到集團(tuán)APP音視頻解決方案，和原來(lái)銀行引入另外一個(gè)廠商的解決方案,，從客戶端,、服務(wù)端不用變更，在中間做自己編解碼的轉(zhuǎn)換,。

機(jī)器人“聽(tīng)說(shuō)看動(dòng)”四難點(diǎn)

這部分在銀行內(nèi)部沒(méi)有真正大規(guī)模使用,。業(yè)務(wù)認(rèn)為的機(jī)器人可以代替簡(jiǎn)單的人工勞動(dòng)，比如大堂經(jīng)理,，可以做服務(wù)引導(dǎo),。可以用標(biāo)準(zhǔn)化方式接觸客戶,，批量方式降低人力支持,，通過(guò)軟件部署代替人員培訓(xùn)。這都是業(yè)務(wù)認(rèn)為真正意義上機(jī)器人可以達(dá)到的效果,。但從實(shí)際技術(shù)角度出發(fā),，目前機(jī)器人在能力方面還遠(yuǎn)達(dá)不到真正代替人的場(chǎng)景，它的體驗(yàn)并不能真正做到我們希望業(yè)務(wù)做到的事,。

這里面有幾個(gè)問(wèn)題：

“聽(tīng)”：人聽(tīng)話知道誰(shuí)在說(shuō)什么,，可以自己定位要跟誰(shuí)說(shuō)話，但機(jī)器人不一樣,，它聽(tīng)到各種各樣的聲音,，所有的信號(hào)輸入進(jìn)去，不知道誰(shuí)在說(shuō)什么,。對(duì)于機(jī)器人來(lái)說(shuō)怎么處理一對(duì)多的對(duì)話,，是大的難題。

“說(shuō)”：機(jī)器人要說(shuō)什么或者需要表達(dá)什么東西,，是需要在背后有一套很強(qiáng)的知識(shí)庫(kù)或者智能算法支持,，但目前這個(gè)做得不是很好,，我們還在做訓(xùn)練。

“看”：機(jī)器人有一個(gè)感知,，看的能力也會(huì)受到環(huán)境的影響,。

“動(dòng)”：機(jī)器人現(xiàn)在越來(lái)越大，一不小心撞到凳子桌子就算了,，萬(wàn)一撞到人,，安全上是很大的問(wèn)題。因?yàn)楣こ袒膯?wèn)題,，機(jī)器人的迭代會(huì)很慢,。

最后儲(chǔ)量強(qiáng)調(diào)：

一，業(yè)務(wù)和IT團(tuán)隊(duì)要共同協(xié)商,，新技術(shù)引入時(shí)需要給到團(tuán)隊(duì)一些靈活度,，一旦限制很多KPI，大家的動(dòng)作就走樣了,，不一定能做出好的結(jié)果,。

二，需要投入專屬團(tuán)隊(duì),，投入多少,，研究結(jié)果就有多深。

三,，新技術(shù)本身不是一成不變的,，需要花時(shí)間慢慢積累。不要想著今天什么東西用了,，明天業(yè)務(wù)問(wèn)題都解決了,。新技術(shù)應(yīng)用不是一個(gè)IT的問(wèn)題，是業(yè)務(wù)問(wèn)題,，一定要通過(guò)業(yè)務(wù)合作的方式完成。

人工智能賽博物理操作系統(tǒng)

AI-CPS OS

“人工智能賽博物理操作系統(tǒng)”（新一代技術(shù) 商業(yè)操作系統(tǒng)“AI-CPS OS”：云計(jì)算 大數(shù)據(jù) 物聯(lián)網(wǎng) 區(qū)塊鏈 人工智能）分支用來(lái)的今天,，企業(yè)領(lǐng)導(dǎo)者必須了解如何將“技術(shù)”全面滲入整個(gè)公司,、產(chǎn)品等“商業(yè)”場(chǎng)景中，利用AI-CPS OS形成數(shù)字化 智能化力量,，實(shí)現(xiàn)行業(yè)的重新布局,、企業(yè)的重新構(gòu)建和自我的煥然新生。

AI-CPS OS的真正價(jià)值并不來(lái)自構(gòu)成技術(shù)或功能,，而是要以一種傳遞獨(dú)特競(jìng)爭(zhēng)優(yōu)勢(shì)的方式將自動(dòng)化 信息化,、智造 產(chǎn)品 服務(wù)和數(shù)據(jù) 分析一體化，這種整合方式能夠釋放新的業(yè)務(wù)和運(yùn)營(yíng)模式,。如果不能實(shí)現(xiàn)跨功能的更大規(guī)模融合,，沒(méi)有顛覆現(xiàn)狀的意愿,，這些將不可能實(shí)現(xiàn)。

領(lǐng)導(dǎo)者無(wú)法依靠某種單一戰(zhàn)略方法來(lái)應(yīng)對(duì)多維度的數(shù)字化變革,。面對(duì)新一代技術(shù) 商業(yè)操作系統(tǒng)AI-CPS OS顛覆性的數(shù)字化 智能化力量,，領(lǐng)導(dǎo)者必須在行業(yè)、企業(yè)與個(gè)人這三個(gè)層面都保持領(lǐng)先地位：

1. 重新行業(yè)布局：你的世界觀要怎樣改變才算足夠,？你必須對(duì)行業(yè)典范進(jìn)行怎樣的反思,？

2. 重新構(gòu)建企業(yè)：你的企業(yè)需要做出什么樣的變化？你準(zhǔn)備如何重新定義你的公司,？

3. 重新打造自己：你需要成為怎樣的人,？要重塑自己并在數(shù)字化 智能化時(shí)代保有領(lǐng)先地位，你必須如何去做,？

AI-CPS OS是數(shù)字化智能化創(chuàng)新平臺(tái),，設(shè)計(jì)思路是將大數(shù)據(jù)、物聯(lián)網(wǎng),、區(qū)塊鏈和人工智能等無(wú)縫整合在云端,，可以幫助企業(yè)將創(chuàng)新成果融入自身業(yè)務(wù)體系，實(shí)現(xiàn)各個(gè)前沿技術(shù)在云端的優(yōu)勢(shì)協(xié)同,。AI-CPS OS形成的數(shù)字化 智能化力量與行業(yè),、企業(yè)及個(gè)人三個(gè)層面的交叉，形成了領(lǐng)導(dǎo)力模式,，使數(shù)字化融入到領(lǐng)導(dǎo)者所在企業(yè)與領(lǐng)導(dǎo)方式的核心位置：

1. 精細(xì)：這種力量能夠使人在更加真實(shí),、細(xì)致的層面觀察與感知現(xiàn)實(shí)世界和數(shù)字化世界正在發(fā)生的一切，進(jìn)而理解和更加精細(xì)地進(jìn)行產(chǎn)品個(gè)性化控制,、微觀業(yè)務(wù)場(chǎng)景事件和結(jié)果控制,。

2. 智能：模型隨著時(shí)間（數(shù)據(jù)）的變化而變化，整個(gè)系統(tǒng)就具備了智能（自學(xué)習(xí)）的能力,。

3. 高效：企業(yè)需要建立實(shí)時(shí)或者準(zhǔn)實(shí)時(shí)的數(shù)據(jù)采集傳輸,、模型預(yù)測(cè)和響應(yīng)決策能力，這樣智能就從批量性,、階段性的行為變成一個(gè)可以實(shí)時(shí)觸達(dá)的行為,。

4. 不確定性：數(shù)字化變更顛覆和改變了領(lǐng)導(dǎo)者曾經(jīng)仰仗的思維方式、結(jié)構(gòu)和實(shí)踐經(jīng)驗(yàn),，其結(jié)果就是形成了復(fù)合不確定性這種顛覆性力量,。主要的不確定性蘊(yùn)含于三個(gè)領(lǐng)域：技術(shù)、文化,、制度,。

5. 邊界模糊：數(shù)字世界與現(xiàn)實(shí)世界的不斷融合成CPS不僅讓人們所知行業(yè)的核心產(chǎn)品、經(jīng)濟(jì)學(xué)定理和可能性都產(chǎn)生了變化,，還模糊了不同行業(yè)間的界限,。這種效應(yīng)正在向生態(tài)系統(tǒng),、企業(yè)、客戶,、產(chǎn)品快速蔓延,。

AI-CPS OS形成的數(shù)字化 智能化力量通過(guò)三個(gè)方式激發(fā)經(jīng)濟(jì)增長(zhǎng)：

1. 創(chuàng)造虛擬勞動(dòng)力，承擔(dān)需要適應(yīng)性和敏捷性的復(fù)雜任務(wù),，即“智能自動(dòng)化”,，以區(qū)別于傳統(tǒng)的自動(dòng)化解決方案；

2. 對(duì)現(xiàn)有勞動(dòng)力和實(shí)物資產(chǎn)進(jìn)行有利的補(bǔ)充和提升,，提高資本效率,；

3. 人工智能的普及，將推動(dòng)多行業(yè)的相關(guān)創(chuàng)新,，開(kāi)辟嶄新的經(jīng)濟(jì)增長(zhǎng)空間,。

給決策制定者和商業(yè)領(lǐng)袖的建議：

1. 超越自動(dòng)化，開(kāi)啟新創(chuàng)新模式：利用具有自主學(xué)習(xí)和自我控制能力的動(dòng)態(tài)機(jī)器智能,，為企業(yè)創(chuàng)造新商機(jī),；

2. 迎接新一代信息技術(shù)，迎接人工智能：無(wú)縫整合人類智慧與機(jī)器智能,，重新

   評(píng)估未來(lái)的知識(shí)和技能類型,；

3. 制定道德規(guī)范：切實(shí)為人工智能生態(tài)系統(tǒng)制定道德準(zhǔn)則，并在智能機(jī)器的開(kāi)

   發(fā)過(guò)程中確定更加明晰的標(biāo)準(zhǔn)和最佳實(shí)踐,；

4. 重視再分配效應(yīng)：對(duì)人工智能可能帶來(lái)的沖擊做好準(zhǔn)備,，制定戰(zhàn)略幫助面臨

   較高失業(yè)風(fēng)險(xiǎn)的人群；

5. 開(kāi)發(fā)數(shù)字化 智能化企業(yè)所需新能力：員工團(tuán)隊(duì)需要積極掌握判斷,、溝通及想象力和創(chuàng)造力等人類所特有的重要能力,。對(duì)于中國(guó)企業(yè)來(lái)說(shuō)，創(chuàng)造兼具包容性和多樣性的文化也非常重要,。

子曰：“君子和而不同,，小人同而不和?！? 《論語(yǔ)·子路》云計(jì)算,、大數(shù)據(jù)、物聯(lián)網(wǎng),、區(qū)塊鏈和 人工智能，像君子一般融合,，一起體現(xiàn)科技就是生產(chǎn)力,。

如果說(shuō)上一次哥倫布地理大發(fā)現(xiàn)，拓展的是人類的物理空間,。那么這一次地理大發(fā)現(xiàn),，拓展的就是人們的數(shù)字空間,。在數(shù)學(xué)空間，建立新的商業(yè)文明,，從而發(fā)現(xiàn)新的創(chuàng)富模式,，為人類社會(huì)帶來(lái)新的財(cái)富空間。云計(jì)算,，大數(shù)據(jù),、物聯(lián)網(wǎng)和區(qū)塊鏈，是進(jìn)入這個(gè)數(shù)字空間的船,，而人工智能就是那船上的帆,，哥倫布之帆！

新一代技術(shù) 商業(yè)的人工智能賽博物理操作系統(tǒng)AI-CPS OS作為新一輪產(chǎn)業(yè)變革的核心驅(qū)動(dòng)力,，將進(jìn)一步釋放歷次科技革命和產(chǎn)業(yè)變革積蓄的巨大能量,，并創(chuàng)造新的強(qiáng)大引擎。重構(gòu)生產(chǎn),、分配,、交換、消費(fèi)等經(jīng)濟(jì)活動(dòng)各環(huán)節(jié),，形成從宏觀到微觀各領(lǐng)域的智能化新需求,，催生新技術(shù)、新產(chǎn)品,、新產(chǎn)業(yè),、新業(yè)態(tài)、新模式,。引發(fā)經(jīng)濟(jì)結(jié)構(gòu)重大變革,，深刻改變?nèi)祟惿a(chǎn)生活方式和思維模式，實(shí)現(xiàn)社會(huì)生產(chǎn)力的整體躍升,。

產(chǎn)業(yè)智能官  AI-CPS

用“人工智能賽博物理操作系統(tǒng)”（新一代技術(shù) 商業(yè)操作系統(tǒng)“AI-CPS OS”：云計(jì)算 大數(shù)據(jù) 物聯(lián)網(wǎng) 區(qū)塊鏈 人工智能）,，在場(chǎng)景中構(gòu)建狀態(tài)感知-實(shí)時(shí)分析-自主決策-精準(zhǔn)執(zhí)行-學(xué)習(xí)提升的認(rèn)知計(jì)算和機(jī)器智能；實(shí)現(xiàn)產(chǎn)業(yè)轉(zhuǎn)型升級(jí),、DT驅(qū)動(dòng)業(yè)務(wù),、價(jià)值創(chuàng)新創(chuàng)造的產(chǎn)業(yè)互聯(lián)生態(tài)鏈。

長(zhǎng)按上方二維碼關(guān)注微信公眾號(hào)： AI-CPS,，更多信息回復(fù)：

新技術(shù)：“云計(jì)算”,、“大數(shù)據(jù)”、“物聯(lián)網(wǎng)”,、“區(qū)塊鏈”,、“人工智能”；新產(chǎn)業(yè)：“智能制造”、“智能農(nóng)業(yè)”,、“智能金融”,、“智能零售”、“智能城市”,、“智能駕駛”,；新模式：“財(cái)富空間”、“數(shù)據(jù)科學(xué)家”,、“賽博物理”,、“供應(yīng)鏈金融”。

官方網(wǎng)站：AI-CPS.NET

本文系“產(chǎn)業(yè)智能官”（公眾號(hào)ID：AI-CPS）收集整理,，轉(zhuǎn)載請(qǐng)注明出處,！

版權(quán)聲明：由產(chǎn)業(yè)智能官（公眾號(hào)ID：AI-CPS）推薦的文章，除非確實(shí)無(wú)法確認(rèn),，我們都會(huì)注明作者和來(lái)源,。部分文章推送時(shí)未能與原作者取得聯(lián)系。若涉及版權(quán)問(wèn)題,，煩請(qǐng)?jiān)髡呗?lián)系我們,，與您共同協(xié)商解決。聯(lián)系,、投稿郵箱：[email protected]