AI中国网 https: //www.cnaiplus.com
12月6-8日，为期三天的“2019世界创新者年会”在北京顺利举办。本次大会由中国企业联合会指导，由·EqualOcean、工业和信息化科技成果转化联盟联合主办，本次大会以“科创4.0：共建全球化新未来”为主题，集结了来自美国、英国、印度、新加坡、印尼、尼日利亚、巴西、日本、以色列等十余个国家或地区的6000名创新者，总结2019年世界科技与产业创新的成果，预测2020年最新创新趋势。
本次论坛邀请了华为诺亚方舟实验室计算视觉首席科学家田奇教授、氪信科技创始人兼CEO朱明杰博士、文安智能创始人陶海教授、魔珐科技创始人兼CEO柴金祥教授、MINIEYE创始人兼CEO刘国清博士、联想创投董事总经理王光熙、达观数据创始人兼CEO陈运文博士、踏歌智行创始人兼首席科学家余贵珍教授、小鹏汽车首席科学家郭彦东博士，共同探讨和分享作为科学家创业者在创业路上的收获与感悟，探索科学技术与商业化的结合机会，助推产学研领域协同发展。
其中，有着十多年的数据挖掘、机器学习工作经验的朱明杰博士，带来题为《AI为金融行业带来的商业思考》的演讲。演讲的核心观点有：
1. 在计算机领域，学术界的研究紧随工业界之后，而如今世界的变化取决于信息的数字化，信息替代人类做决策是一件极具价值和研究意义的事。
2. 科学技术转化为生产力最核心的因素是抓住解决世界级问题的机会，当今社会技术的价值取决于应用场景大小。面向世界级市场，AI应用在各个领域则为企业的全球化布局提供了前所未有的可能性。
3. AI落地最关键的是AI工程化能力，即结合行业产业及应用场景的需求，将AI技术形成可落地、可实施、可复制的产品和工程方案。
4. AI在未来还有很长的路要走，目前利用AI技术能做的仍然有限，中国有世界级的、大量的问题，等待着世界级的技术去解决。
以下为朱明杰演讲原文（有删减）：
今天这个论坛非常好，都是以前一起开学术会议的师兄弟们，今天能一起来探讨技术商业化十分难得。我讲讲我们从学术论坛，到今天的科学企业家都经历了什么。其实科学家真的不喜欢参加演讲活动，不喜欢穿正装，情商也不高，从地下室起步创业，非常不易。那为什么原来的科学家都创业了？这个里面有很多道理，下面我要以我很不适应的方式来分享一下我的经历以及和行业相关的思考。
我以前一直想做科学家，20年前我们系主任说你们应该要做研究基础科学的科学家，比如数学家或者物理学家。但是我们系有非常好的优良传统，初入校门便通过第一次期中考试让学生认清自己。我们宿舍四个人三个人不及格，那时我认清了自己，做基础科学的科学家希望渺茫，苦闷中面临选专业时，我遇到了人生中最重要的、刚刚宣布从微软退休的老师，沈老师。跟他聊以后专业的选择方向，我表示想做物理学家。沈老师跟我讲，学数学物理到美国读完phd还是有可能找不到工作，不如先找一个能够养活自己的方向，比如计算机。以前数学物理改变世界，这几十年主要是靠计算机。我一听有道理，于是成为科大少年班和微软研究院联合培养的第一个博士，之后的5年就在微软研究院里做搜索和数据挖掘。
那时我还是想做计算机科学家。博士毕业后去了马普所，跟着数据库领域的泰斗Weikum教授，他也是德国的院士。我想先做博后，再看看有没有机会做教授，但做学术确实难，前面有的人做了十几年博后，这条路希望不大。而且我又发现计算机科学要影响世界得用代码来实现，当时学术界的研究经常跟在工业界后面，比如谷歌创办之后很多人去研究搜索引擎，脸书创建后又去研究大规模的网络挖掘。所以后来我决定不做科学家了，还是去工业界吧。到工业界发现问题和机会确实很多，2015年我就拉着研究院的这些同事一起出来创业，办了一家企业叫氪信科技。那个时候我们想法很简单，哪个领域数据多就做哪个领域的服务，最终我们选择了金融行业。做到今天我们是一家实现盈利的企业，挺不容易。
我还有其他几个身份，一个身份是在鹏城实验室担任研究员，另外我发起了AI青年科学家联盟，为科学家创业分享过去的血泪教训和商业思考，所以我今天也从我个体的例子和联盟里的科学家们来分析，我们今天创业到底是为什么？
科学家是干什么的？科学家产生知识，企业家要制造生产力和产品，为什么要直接把科学家按到企业家的位置上呢？因为现在这个时代对创始人要求更高，模式创新的机会不多，都需要比拼科学技术，最简单的办法就是把科学技术最好的人安到创始人这个位置上，把知识直接转化为生产力。我回顾过去研究的经历，对我影响很大的两位，是我刚开始做计算机时读到的第一篇论文作者，两位斯坦福的博士生，当时发了一篇如何构建大规模的搜索引擎系统的论文。
对我来说，从那个时候就意识到，世界上数据的爆炸和用数据带来的信息帮助人去做决策，是多么有价值。他们两人本来也想做科学家，后来退学创办了谷歌。从那时起到现在，今天我们世界的变化，主要是因为做成了一件事情：信息的数字化，信息可以替代我们做很多决策。
另外一个大的影响是我第一次开始思考技术人员如何有效地影响这个世界？我们可以回顾过去有很多杰出科学家，比如美国的贝尔实验室诞生的很多位诺贝尔奖得主，近些年信息科学的突破也都是在贝尔实验室做出来的。这些技术并没有在贝尔变成有效的生产力，而被其他公司转化为生产力，从而诞生了伟大的企业。这让我思考其中的缘由。所以今年在上海世界人工智能大会上，我做过一个分享，命题是如何实现从科学技术到生产力的转化？今天你要问哪所大学科学技术转化生产力效率最高？一定是斯坦福大学。原创技术非常重要，但是技术能变成生产力，最核心的是有机会解决世界级的问题，面向一个世界级的市场。
这让我刚进入行业时便开始思考，我们有了先进的AI技术，当客户问到AI到底能带给他什么时？你得给出答案。公司做了四年多去解答这个问题。在今天的金融场景下，中国的金融服务比如银行证券保险服务还不够智能不够人性化，但是中国的金融数据和金融用户数目已经是全世界第一，遗憾的是银行保险证券还靠人工服务。在这种情况下，我们利用AI能够解决什么？用足够大的数据量去解决固定问题，用数据帮助人去做决策，替代90%人决策是可以做到的。
对上面问题的解答，即用AI技术帮金融客户解决这些问题。用户申请信用卡时怎样判定是有效申请？全世界资金交易中，哪些交易有问题？靠人工去查工作量实在太大。比如平安有接近100万面对金融客户的客服，但是依然服务不了全中国所有人，腾讯、阿里为什么能够服务全世界用户？
金融机构把客户变成用户思路是推广免费银行APP，只要用的够多，需要金融服务时就会第一时间想到。我客户跟我说我有这么多用户，你的AI技术是否能解决转化的问题？金融领域和互联网领域不同，首先数据昂贵，知道一个人是坏人的代价有可能是此人已经欠下几万块钱不还，积累大样本的成本过高，除金融之外，医疗代价可能更高；其次这些数据里有很多限制，由于中国金融机构数据不公开难以做云化的服务。另外强监管制约仍然不足，用来解决这个问题的相关研究也不足。如今的AI是个风口，但是在各大领域里，对这部分的研究非常少，不光中国不足，美国同样不足。今天如果说用美国的先进经验解决中国的移动支付问题，那一定不靠谱，他们市场都没有中国大，怎么能够做的更好？
人工做法是积累很多用户和数据，通过专家制定规则来给出答案，AI能做的是能够学习出一些算法，展现答案和所有数据，自行总结帮助解决业务问题。金融机构解决业务问题需要做很多决策，有了数据AI可以大大帮助他们。在中国每年洗钱反洗钱的案例比美国少得多，不代表中国实际洗钱案例比美国少，只是因为中国的技术不足以抓取到这些案例。如何才能识别洗钱？对AI来说都不是问题。不可能雇100亿人工监控交易，但是算法可以。所以我们用无监督的办法完成的这项任务让客户印象深刻，他们发现AI模型找出来的案例是意料之外的。所以背后就是需要AI来做算法做模型。
回头再反思技术，技术变成生产力最核心的东西中，算法只是核心的一小部分。飞机刚发明时莱特兄弟用自行车材料，今天的波音和空客竞争力在哪里？真正的科学技术变成生产力，是从莱特兄弟的手工作坊变成波音、空客，是分工，供应链配合以及流程控制，包括全线流水线综合能力，我们叫它AI工程能力，AI落地最关键的就是AI工程化，能不能比别人高效同时成本更低，更好地用数据做决策、解决客户问题。
最后我讲一下从生产力到技术。我们结合优秀的AI工程能力和足够大的金融场景做了一些研究，在世界一流的数据挖掘会议上得到认可，有在世界领先的技术地位。对我们来说，科学技术在当今社会的价值取决于应用场景大小，所以我们公司4年走下来从科学技术到生产力，从生产力再回归科学技术，希望在过程中不断迭代，服务好客户做好商业化，同时推动中国智能技术往前进。
AI在未来还有很长的路要走，这也是为什么这么多科学家亲自来做这项工作的原因，因为中国有世界级的、大量的问题，等待着世界级的技术去解决，谢谢大家。
AI中国网 https: //www.cnaiplus.com
本文网址：
