我們如何應對這個智能化的時代？

人工智慧的三次浪潮

首先，我想說的是人工智慧的發展，1959年，是最開始人工智慧的提出，即圖靈測試。

圖靈測試是什麼？

我們人類向計算機在五分鐘之內提出一系列的問題，然後計算機給出回答，其中如果有30%讓我們覺得是是人類的回答，那麼他就通過了圖靈測試。這個標誌著人工智慧的第一波浪潮。

在六七十年代，人工智慧持續是一個很重要的議題，那個時代有很多重要的演算法湧現出來，但是隨後人工智慧迎來了它的第一個低潮。

那麼原因是什麼？

因為當時很多的工程師科學家發現，當時的演算法和人工智慧只能解決比較狹窄領域的問題。

那麼問題在於哪兒？

實際上是在於計算機的算力是不夠的。

在80年代的時候，人工智慧出現了第二波的浪潮，比如出現了像人工神經網路、專家系統等領先的演算法。當時算力也同步有了提升，有很多像IBM這種大型的計算器的出現，使得一些實際問題可以應用和解決。

然而，在80年代人工智慧又迎來了第二波低谷，當時個人電腦漸漸的開始普及，但是，像大型專業計算機資源，造價和成本依然非常高。漸漸地，像美國政府，開始縮減對於這方面的預算、資源，帶來了這一波的低谷。

最後，眾所周知的人工智慧第三個浪潮，也就是我們現在經歷的這個時代。從20世紀初開始，我們迎來了深度學習的演算法、AlphaGo、谷歌DeepMind等一系列的技術的創新。算力、數據資源爆炸式的增長，使得演算法有了一個大幅的提升。

以前計算機不能解決的問題，比如語音識別、圖像識別，包括現在的自然原處理等這些領域，都有了非常大幅的提升。

剛才說的是人工智慧的發展浪潮，其實大家可以注意到，演算法的提升和整個智能技術的提升是分不開的，同時也跟算力基礎、計算的基礎設施以及數據量，也是密不可分的。

信息化、大數據化，然後才是智能化

我提出一個概念，在智能化的時代，我們實際上需要經歷的幾個步驟：首先是信息化，然後是大數據，最後才是智能化。

我們可以看一下我們了解的行業大概處於一個什麼樣的階段？

我們以醫療行業為例，比如大家覺得醫療行業目前是處於什麼階段吶？

答案是：信息化。

尤其是在中國，有些比較大型的三甲醫院，比如協和、301或者北大醫院，目前是在從信息化慢慢向大數據提升的階段。

有一個最簡單的例子，之前我們去接觸一個老中醫，然後這個中醫院的院長說：「我們想做大數據，我們有10萬個病人的數據。」我們聽了以後挺高興的，數據量也不小了。接著，這個老中醫就拿出厚厚的一大疊病曆本，他有一百個大本，每個本上一頁是一個病人的手寫記錄，每一本有一千個病人，所以加起來有10萬個病人。當時就非常傻眼了，這個我們怎麼分析？

以醫療行業為例，我們所說的信息化，實際上是包括病例的電子化，醫院的信息系統、圖像管理系統等，而在目前這個階段，這些系統的數據資源是沒有打通的，所以還沒有達到大數據化的階段。

如果把這些數據資源打通，才可以實現以一個病人為中心，可以看到他入院的記錄、診斷記錄、住院記錄，也可以看到他的影像數據，才可以形成一個全方位的數據。而且，從時間軸上來說，這樣的數據記錄，才可以形成大數據，並且通過智能演算法，來幫助醫生來決策需要什麼樣的治療，需要在什麼樣的階段做一些輔助。

而這個對醫藥醫療行業來說，是需要一個持續的發展的一個過程。

比如，像科大訊飛最近在醫院一個應用，我覺得還蠻好的。因為我最近出入醫院比較多一點，像醫院的超聲科，需要有兩個醫生，一個醫生給你做超聲的診斷，然後另外一個醫生，記錄他說的專業術語。

科大訊飛做了一個事情，他就是一個翻譯，實時記錄下做超聲診斷的醫生說的內容，然後把他自動生成一個病例。這個對於醫院來說就非常有效，因為它減少一個人工。

這個其實也就是我們說的，從最開始的信息化，然後把智能技術引用到整個的業務流程中來，是一個還蠻不錯的應用。

像我們熟悉的互聯網行業，大家覺得現在是處於一個什麼樣的時代？

我覺得是從大數據向智能化時代，這樣演變的一個過程中間。

比如谷歌，他從網頁搜索開始，有了大量的數據後，開始做推薦系統，比較成功的是，最後還推出了一種商業模式，創立了精準廣告學。通過我們訪問、瀏覽的行為，給你精準的推薦廣告，接下來的很多互聯網公司，實際上都是按這個途徑來獲取用戶。

金融科技領域的展望

我自己本身就是做金融大數據的，那麼對於傳統金融行業來說，實際上也有很多不同的機構、在不同的發展歷程中。

比如，我們比較熟悉的商業銀行和眾多的股份制銀行，目前已經實現了一個大數據的基礎設施的構建。以工商銀行為例，實際上他花了十年多的時間，建造了一個全行級數據倉庫，所以他的各個分支行以及各個業務系統之間，實現了很好的數據打通。在這個之上的話，就有數據挖掘的平台，去支撐它的業務。

對於一些小的銀行或者是金融機構來說，目前還是在從信息化到大數據轉型的這個階段。比如，幾年前我們去做信貸，實際上審貸員做的事情，就是面對一大沓紙質的材料，完全依賴於他的經驗，來判斷要不要給你通過。這個過程中，不光有操作風險，還會催生出信用風險、道德風險等。

這幾年隨著金融科技的發展，包括互聯網金融，倒逼著傳統金融行業向線上做業務轉型。

銀行面臨的都是互聯網用戶、移動互聯網用戶，傳統的線下的方式已經很難獲取到新的客源了。從線下轉到線上的模式，一方面體現在產品的創新上，以前都是房貸車貸，以前銀行的個人業務中，百分之九十幾以上全都房貸產品。

現在出現了消費金融，像一些消費貸和網上的小額信貸產品、小微金融等，也在傳統銀行中開始實施。

另一方面，以往靠專家來審批的模式，開始轉向於依靠模型，通過智能演算法，幫助快速識別客戶的信貸需求，以及信用風險、承載能力、還貸意願。通過這些維度，形成一個綜合性模型，來幫助風險控制。

這幾年，整個金融科技的發展，對於我們做技術的人來說是非常有前景的，我們可以結合自身的優勢和傳統金融行業相結合，然後發揮出更大的能量。

最後我們如何應對智能化發展

在我看來，純粹的人工智慧和演算法，沒有大數據和信息化的支撐，實際上是沒有生命力的。

回到金融行業，我們需要幫助金融機構來建立信息的底層，再依託於信息化大數據，來實現智能的應用和演算法。

我最近一直在思考商業模式的問題，我們在金融科技的這個領域裡面，不管是p2p公司或者銀行，都有大量科技公司為金融機構提供服務。第一種，提供服務的模式是完全第三方的形式，做技術的支撐，包括系統開發、數據底層構建等服務。另一種模式，聯合運營的模式，比如信貸業務上聯合資金的注入，或者風險兜底的方式，來聯合運營金融業務。

未來，在我們擁有領先的技術前提下，我們要進一步思考怎麼和金融機構去做一些深度的結合，形成一個好的商業模式，進行價值輸出和價值變現，我覺得這個也是我需要思考的，也是希望大家集思廣益的問題。