11月14日至15日，由中國人工智慧學會、嘉興市人民政府主辦，嘉興市南湖區人民政府、嘉興科技城管理委員會、浙江未來技術研究院（嘉興）共同承辦的2020第十屆中國智慧產業高峰論壇（CIIS 2020）在嘉興南湖舉辦。在11月14日的主論壇上， CAAI 名譽副理事長、微眾銀行首席人工智慧官、AAAI/ACM/IEEE/CAAI/AAAS Fellow楊強教授為我們帶來了題為《人工智慧的金融實踐》的精彩演講。
楊強CAAI 名譽副理事長、微眾銀行首席人工智慧官AAAI/ACM/IEEE/CAAI/AAAS Fellow
以下是楊強教授的演講實錄：
今天的報告主要講兩個內容，一個是人工智慧發展；另一個是如何在金融領域落地。
剛才已經聽過很多同事回顧人工智慧，我這裡特別說一句，人工智慧是一個博弈過程，這 60年的發展讓我明白一件事，人和機器人之間的溝通是人工智慧發展的一個戰場，一開始我們認為可以透過邏輯學做這種溝通，現在逐漸認識到，這種溝通是需要用資料進行，所以人工智慧這一波大#發展依賴於資料。
一、人工智慧發展
人工智慧的發展，除了資料還有演算法和算力，但是在現階段離不開資料，如大家熟悉的AlphaGo，包括強化學習、深度學習，都是靠大資料來養的。引出了我下面的一個悖論，AI 力量來自大資料。但是每個人工作和生活中遇到的往往都是小資料，可以舉很多例子。在法律、金融、醫療等，小資料的存在方式一個是資料、是分散式的，另外是資料的樣本很少，特徵也不夠。我一直以來做的研究也就圍繞下面兩個問題，一個是如何能夠打破資料孤島，用聯邦學習來解決；另外一個是如何解決人工智慧的冷啟動問題，以遷移學習來解決。
第一個問題，分散在各地的資料，能不能把它聚攏起來形成大資料？這是很難的一個問題。因為有各種問題，其中一個問題是法律的準則。現在全世界各地紛紛出#臺類似 GDPR 這樣的法律法規，規定資料的收集與原始資料貢獻者的認可是非常相關的，不可以把資料收集用在另外一個方向上，這是違法的。同時，資料又是核心的資產、核心的要素，一個企業的資料代表它的利益，所以它不願意隨便地分享給別人。我們也看到，在這些法規下，國內外一些從事資料的企業，紛紛受到罰款或懲罰，如谷歌和 Facebook。國內資料的法規也是日益全面，最近在徵求一個資料安全管理辦法草案的意見。
在這個前提下，我們想用技術解決這個問題，聯邦學習應運而生。聯邦學習主要思想就是“資料不動，模型動”，資料是“可用不可見”，現在用聯邦學習的做法就是帶著這個模型（像“羊”一樣）到各地訪問這些資料，而這些資料本身可以不出本地，這隻羊可以走來走去。具體實現中，模型是怎麼走來走去？我們讓不同資料擁有方可以交換加密模型引數。這個方法可以用在很多終端場景（現在各個手機廠商紛紛建立聯邦學習的團隊，包括谷歌和國內的大廠商），每一個終端上可以訓練一個部分模型，這個模型很粗略，因為資料很少。但是可以把得到的第一批引數用加密手段包裝後運到雲端；雲端可以作為整合學習，整合學習了後，可以把結果下沉到終端。這個做法經過幾輪以後，每個終端模型都可以得到更新，我們把它叫做橫向聯邦學習。特別要提的是聯邦學習有一個綜合性的學科，加密數學的基礎也是非常重要。這裡重點講一下同態加密的進展。
我剛講的谷歌率先在安卓系統實現了這樣的 POC，用整合學習的平均模型的辦法來更新。同理，在不同機構之間也有更新我們的模型的需求。這個模型就像一開始說的，是分散在各地的，是分散式的。很重要的一點是，我們不但要分析模型，同時要保證任何一方不能猜出對方的資料和對方的模型，所以在分散式學習的過程中也要保護引數。比如，在工業界經常使用的一個演算法SecureBoost，橫向、縱向都實現了聯邦學習的模型。縱觀整個行業來說，就有一個特性——跨學科、多領域。除了演算法以外，還要安全合規，包括與政府的政數局溝通；還有安全專家、模型安全、電腦保安、網路安全、演算法效率；也包括底層的設計、網路的設計、網路的晶片；包括網路的結構，技術應用和聯盟機制。聯邦學習要引入經濟學模型，如何鼓勵這些資料參與方有更多選擇，而且大家都可以達到一個平衡；也就是它參與到一個最優的聯盟裡得到收益最多，透過激勵加強黏性，這種黏性也是大家關心的。所以，在隱私計算方面我們看到三個主要流派，聯邦學習被稱為無黨派，因為是從基礎理論出發的；還有一種做法是從硬體，英特爾有一個 TEE 的安全環境，這個環境是在硬體層面完成的；還有一個是安全多方計算，是從計算最本質的層面來的，它的效率現在還是問題，但是它的應用面非常廣。
在這個領域離不開開源平臺，因為尤其是多方參與時，要保證你使用的工具安全、可靠，大家都要保護隱私，因此都希望這樣的平臺是開源的，能夠透明。我們團隊開源了第一個開源平臺，這個平臺有 2 000 多的貢獻；同時建立了第一個國際標準，已在 2020 年 9 月正式透過，也是世界上第一個聯邦學習的國際標準。聯邦學習也為我們所暢想的理念——5G，提供了一個應用場景，而且這個應用場景成為一個關鍵點。5G 是一個很先進的通訊技術，但是各應用方包括裝置生產商都有一個困擾難題，如何找到 5G 的應用場景。為什麼說聯邦學習提供了這樣的場景，因為它提供了工業級別的網際網路，也就是可以讓不同企業透過聯邦學習，在保護隱私的前提下技術合作。這種合作非常像我們用的微信，微信是個人之間建立一個網路，聯邦學習之間是企業之間建立學習網路。我們做了各種試驗，包括如何把邊緣計算與 5G 和聯邦學習相結合，包括推出了一個平臺 FedEdge，以及邊緣計算演算法庫、中層的演算法庫和上面的模型，許可權、審計、管理都俱全。還有倉儲管理，物流是從一個公司的倉庫運到另外一個公司的倉庫，在倉儲的預測上需要準確，這個過程一定要用聯邦學習來進行具體預測；在倉儲管理方面，包括對銀行貸款時進行質押，監管是非常重要。這是一個例子。這三個倉庫環境是從 1~3，它們就需要做好決策，需要知道自己倉庫裡的飽和度，這時在不暴露倉庫內部的前提下，允許發生這種精確預測。
二、人工智慧如何在金融領域落地
人工智慧在金融行業有各種各樣的落地，比如風險控制，其實就是使用者畫像，畫像可以告訴你，這個客戶的需求是什麼、信譽度是什麼；還有客服，與周博士講的場景類似；還有支付的場景、理賠的場景等。營銷，在這些場景中遇到一個很大的困境，就是資料不夠；而且這些資料往往都是跨行業的，在不同公司、不同行業之間，大家不敢把資料分享出來，已成為現在行業的一個巨大挑戰。在這個挑戰中也帶來另外一個維度的問題，就是監管。如果能讓某金融機構的內部運作變得透明，透過聯邦學習能為它建模，監管也可以因此往前發展，變成更加智慧的監管，往 3.0 的時代發展。這裡我要特別地說，監管機構也在深入地瞭解聯邦學習，如《2019 中國智慧金融發展報告》特別有一章討論聯邦學習在金融的應用。
下面舉幾個案例。第一個案例是反洗錢。反洗錢很簡單，就看一個金融的服務有沒有洗錢的動作。洗錢都是跨行業的，比如在 20 個行業裡都有一小筆業務發生，如果沒有對全 20 個金融行業的業務有一個統觀瞭解，就不能發現這樣的現象，而聯邦學習就可以發現它。
下面這些例子主要是回應這裡列舉的幾個痛點。比如，因為資料的缺乏，金融行業的風險控制就有幾個挑戰，如缺乏客觀主動性、資料沒有涵蓋 360 度的觀察、資料包含很多非結構化資料，還有不是實時的資料。所有這些問題不僅存在於金融行業，在醫學上、在教育上也有很多類似缺乏資料產生的類似問題。
我們已經做出來很多的，包括合作者，大家一起做出來很多案例。例如，金融業中的金融推薦，我們第一個推出了“聯邦推薦”這樣的概念演算法；包括保險業，透過與企業合作，計算機視覺方面推出了一個平臺，多個不同的視覺資料擁有方；這是庫存預測和產品質押的例子；還有醫療健康，這也是我們最近和騰訊天衍實驗室的腦卒中預測發現，透過幾十家醫院建立更準確的預測模型。
下面給大家講一下我們的應用。
這個應用是我們擁有衛星上的很多資料。衛星上有很多定位衛星，我們差不多是最全的，因為現在全世界各地，包括我國都有一些衛星資料的出口，這些低空衛星拍攝影像以後，會把這些資料匯聚在幾個專業的出口，我們幾乎覆蓋了所有這樣的資料。為什麼？因為有了這些資料我們可以做這些應用，包括評估資管行業風險、為信貸提供風險控制、為保險提供風險評分。在最下面都是各種各樣的資料，包括衛星資料和移動資料，還有傳統的財報資料。舉例來說，某家銀行接受一個貸款申請，貸款方要建一個工廠，到底這個工廠施工進度如何，過去是派一些人到現場訪問，現在透過衛星影像從左到右可以看到它的進度，還可以看到物流的增長，由此可以預估它的產量產能。這裡為什麼與聯邦學習和遷移學習相關？因為這樣的影像往往是沒有標註的，在缺乏標註的情況下，要把透過別處的知識建好的模型遷移到現在的問題場景中，這種遷移包括要去保護資料的隱私和安全。
這是我們做的一個銀行保險風險監測系統，這裡也包括利用了各個行業的大資料，透過聯邦學習把它加以聚合，比如進行輿情監測、機構監測等，進行整個城市裡企業的畫像。
還有一個就是在保險業也可以透過衛星和衛星之間的分析，因為不同的衛星屬於不同公司，他們之間有意願合作，但是又不想把資料共享，解決的辦法就是把模型貢獻出來。這是一個模型共建的例子。
最下面的圖中示出了受災前後，受災後有很多沼澤，我們可以預估受災的程度、受災的區域，以及主動、快速進行理賠。
最後就是可持續發展的風險評估，左邊是衛星圖，中間有兩個大煙囪冒煙，造成了嚴重的大氣汙染。經過測試發現超標汙染很可能受到國家罰款，也是這個企業的經營風險之一；而此風險如果提前幾個月發現，就能使投資機構對它進行啟動處理預案，也就可以促進可持續發展和綠色工業的發展。
最後給大家帶來一個概念。在工業落地的前提下，多個資料方、跨企業合作非常重要，因此也催生了很多新應用的發明、發現，包括剛才說的風險控制、反洗錢，還有大量的使用衛星資料。
（本報告根據速記整理）