由中国计算机协会（CCF）主办，雷锋网、香港中文大学（深圳）承办的第二届 CCF-GAIR 全球人工智能与机器人峰会在深圳成功举办。
会上，国家" "特聘专家，平安科技首席科学家肖京博士带来了主题为《“智能＋”探索与实践》的演讲。
肖京博士介绍，平安集团创办至今在运营和决策方面经历了三个阶段：
信息化阶段：打通各个环节，让公司的业务人员和决策者能够快速获得信息，做出决策；
数据化阶段：公司把信息存储下来做分析统计；
智能化阶段：公司不仅可以把数据存储下来做分析，还可以做深度挖掘，帮助管理层更好地做决策，甚至自动做决策。
而关于AI在金融领域的应用，肖京博士表示，AI是个相对较老的概念，从1956年至今，人工智能已经经历了两次兴衰。在他看来，从不被看好到全员接受，AI的爆发取决于以下三点：
互联网及大数据的出现；
存储能力和算法的显著提升；
深度学习兴起。
在他看来，AlphaGo成功吸引了人们对AI的关注，但它还存在诸多不足。“如知道会赢，但不知道为什么会赢，也不知道会赢多少。因此，在金融决策时，除了智能外，还必须使用量化的数据和信息快速了解业务规则做决策。”
基于此，平安科技在此基础上有所改进，主要分为三大方向。
一是可解释性；
二是小数据学习；
三是记忆增强神经网络。
总体来说，肖京博士认为如今AI技术发展非常快，对各行各业都有非常明显的促进作用，但如何利用技术去更好地服务市场还存在很多不足，之后还会有很长很陡的坡要爬，前行之路肯定不易。但肖京博士同时又通过雷锋网表示，平安愿意跟大家共同探索未来，共享集团的业务经验和技术能力。
以下是肖京博士演讲全文，雷锋网作了不改变原意的编辑：
大家好！今天非常高兴能在这里跟大家交流。两位教授的报告非常精彩，张教授（港科大张晓泉教授）谈到为什么AI需要经济，我谈谈为什么经济学和金融行业需要AI，AI如何更好地帮助金融行业。
首先来简单介绍下平安的基本情况，平安集团从最初100平的小房子做财险到现在150万人的大企业，它的发展经过三个阶段：
一是自营模式，做保险、寿险、银行；
二是允许其他公司的服务进入平安集团，比如陆金所；
三是允许其他公司的产品在平安的平台上做交易。
这也就是平安3.0阶段。它的战略目标是成为国际领先的个人综合生活服务提供商。这其中包含两个战略，一是大金融资产；二是大医疗健康。
平安从一开始就接触金融业，非常了解传统金融行业，平安是全牌照公司，业务范畴包括保险、银行、资产管理等。
传统金融+互联网把传统业务互联网化，将线上线下打通结合、降低成本、提高效率、提升客户体验。
互联网+传统金融与互联网＋金融与非金融是围绕用户需求建立的互联网生态圈，在生态圈植入金融服务和非金融服务。
除了金融服务外，平安还关注房产服务、医疗健康和汽车服务。所有架构下面是平安的综合平台，它提供全集团所有的金融业务和非金融业务的技术支持。
平安在IT方面同样也经历了三个阶段。
一是信息化，我们在很多年前实现信息化，打通各个环节，让我们的业务人员和决策者快速获得信息，做出决策；
二是数据化，我们把信息存储下来做分析统计；
三是智能化，我们不仅可以把数据存储下来做分析，还可以做深度挖掘，帮助我们更好的做决策甚至自动做决策。
为了这三个方向的全面发展，平安在模式上、业务形式上作了很大改变。2000年开始，平安开始转型互联网＋，之后的20年时间，平安所有的业务都实现了互联网化，通过互联网化可以降低成本、提高效率。
互联网只是模式的创新，相对容易实现。而过去几年整个市场开始进入一个新阶段——智能+，我们希望在业务流程的每个环节里植入智能元素，让每个环节智能化，效率更高，成本更低，用户体验更好。
智能+主要是技术的创新，它跟互联网+有很大区别，主要区别在于智能+需要数据分析、挖掘价值、体现价值。而在这方面，平安有得天独厚的优势，平安在过去29年的发展中积累了大量的数据，现在我们有3.76亿互联网用户，1.37亿个人金融客户。
如何通过智能+把要素挖掘出来？
一是业务规则，我们做专家系统、规则引擎。数据依赖于规则、经验和知识，不能直接从数据中出来。比如平安的反欺诈理赔系统，覆盖上万车型、零部件。假设本田车主来理赔，换保时捷的部件，可以快速发现这是违规和欺诈。
二、商务智能，将用户分群然后关联分析，对不同的用户群体进行不同的营销、风控策略。
再之后就到了AI时代，人工智能历史悠久，比大数据、云计算出现还早很多，它并不是新的概念。那问题是为什么AI现在又火了？
早在70年代，当时电视广告里就有人工智能机器人助手，每天帮你查邮件、语音交互，大家认为人工智能可以做这些事，后来发现当时的计算能力很弱，一个词库只有30-40个词，所以大家认为人工智能是骗子。
而90年代中期开始，由于互联网的出现，数据、存储能力、算法都有显著提升，AI技术又开始蓬勃发展起来。
再到后来，2006年深度学习出现后，对非结构化数据处理带来了非常大的突破，产生了非常多的应用场景。
而从这开始，AI就彻底火了。
技术的发展始终都是围绕人类的实际应用展开的。随着深度学习技术的出现，我们在金融、医疗等很多行业不再是纸上谈兵。以前我们做语音、图像，需要定义很多特征，在特征的基础上做算法、机器学习、数据分析达到我们的目标。现在深度学习出来后，在非结构化数据下，自动做端对端处理，完美解决了之前遇到的棘手难题。
张晓泉教授刚才提到深度学习的很多问题，如数据量巨大、机器学习的方法等，这些都不用太多考虑因果关系，而在实际应用中，就必须重视。
AlphaGo告诉你会赢，但不会告诉你为什么会赢。我们的金融场景、医疗场景在很多情况下需要知道原因，你给客户的贷款利率比别人高，我需要有原因。
AlphaGo的不足还体现在它知道赢，但不知道赢多少。
金融决策时，不知道赢多少或者输多少，那就等于没判断。另外，我们还知道金融、医疗等行业很多时候都是小数据的（数据量很小），它无法快速吸收业务规则。
对此，我们做了相应改进：
一是可解释性；
二是小数据学习；
三是记忆增强神经网络。
小数据学习的例子非常多。比如平安针对生猪推出的牲畜保险、小的时候投保，如果长大后死了，可以找政府申请补贴。由于猪脸图片很少，可以拿别的死猪图片来识别，很多人看到了这个“市场”，就纷纷跑去要补贴。而小数据学习就可以轻松解决这个问题，从深度学习到增强神经网络，用对抗网络的方法识别出病死猪和健康猪。
总结来说，金融、医疗等行业光靠自己会受到很多限制，应用如AI等最新技术可以很好地解决棘手难题。基于此，平安也花了两三年时间建立一套智能引擎。
第一层是感知层，把所有能收集到的数据集中在这一层，做好清洗、整合、存储、安全。我们建好这个平台后，这是金融机构最大的大数据平台，我们有最强的团队；
第二层是画像、脸谱，分为用户画像、产品画像、渠道画像，分别做好模型；
第三层是平安脑算法能力，这是三个阶段的不同技术；
第四层是我们的解决方案和应用场景，虽然我们有最好的团队，金融行业应该没有别人有这么好的平台。平安的场景太多了，我们还是非常缺人的。
功能实现分为八个领域：
主要是分辨以金融为核心的风控、欺诈识别。
精准营销，我们是全牌照集团，有非常多的细分业务，每个业务有几千万客户，如何洞察客户需求，做好精准营销非常重要。
运营优化，平安有110万业务员，保险业务员是最难管理的群体，他们每天都在外面，如何控制风险？如何提高绩效？如何用智能的方法更好的提高绩效？这些都是我们思考的问题。
我们可以通过大数据更好地匹配业务员和客户，更好的个性化简化流程。原先一个常规流程是25个问题，通过客户背景和资料，可以减少到3个问题；车险自主理赔占非常大的比例，拍摄照片自动判断赔偿多少钱，上线六个月以来，已经在多个地区应用。
24小时监控风险系统，这套系统可以帮助大家做出非常好的选择，24小时不间断地监控风险，包括传统金融信息、200多家网站新闻舆情等等。
总体来说，现在人工智能发展非常快，但后面会有一个非常大的坡。未来，平安愿意跟大家一同探索未知，共享我们的业务经验和技术能力，谢谢大家！
正在生成分享图...
