江苏龙网

  1. 首页 > 资讯 > 资讯 > >

金融|金融科技的未来在哪里？这些科学家告诉你

_原题为 金融科技的未来在哪里？这些科学家告诉你
科技正在重塑金融 ， 科技也在不断颠覆自己 。 金融科技的未来是怎样的？这些面向未来的科技在金融业的落地应用有多广？金融科技的进一步发展还需要解决哪些问题？在近日召开的由智能投研技术联盟（ITL）主办、第一财经研究院等单位协办的首届“1024国际智能投研开发者大会”上 ， 来自金融科技领域的技术专家们回答了这三大问题 。
在他们看来 ， 联邦学习、知识图谱、深度学习、区块链等新兴底层技术以及它们之间的组合 ， 正让一个更强大的金融业向我们徐徐走来 。
金融|金融科技的未来在哪里？这些科学家告诉你
文章图片

金融科技的未来在哪里？
AlphaGo击败人类顶尖的围棋棋手 ， 让我们见识到了科技的力量 ， 它正从外在的辅助变成内在的原生动力 ， 在金融行业内成为未来竞争的核心砝码 。
尽管金融科技中的A（人工智能）、B（区块链）、C（云计算）、D（大数据）所代表的技术已然发展迅速 ， 但在它们从量变到质变的过程中 ， 金融科技仍然会面临“数据孤岛”的困境 。
【金融|金融科技的未来在哪里？这些科学家告诉你】“我们来到了大数据的时代 ， 但其实我们周围都是小数据 ， 每个人、每个公司手里的样本量和数据维度都非常有限 ， 远远不足以支撑宽泛的人工智能 。 而要把这些数据联合起来应用则会遭遇隐私权的‘紧箍咒’ 。 ”微众银行首席人工智能官杨强在上述会议上表示 。
如何能够在符合各种隐私法规的前提下解决“数据孤岛”的问题？联邦学习无疑在近几年为行业带来了新的希望 。
谷歌在2018年率先提出了基于个人终端设备的“横向联邦学习”算法框架 ， 而微众银行随后提出了基于“联邦学习”的系统性通用解决方案 。
据杨强介绍 ， 联邦学习提供了新的思路 ， 让模型在各地移动 ， 以分布式的方式构建 ， 参与各方可以在不披露底层数据和底层数据的加密（混淆）形态的前提下共建模型 ， 而不需要数据在本地区域之外移动 。
杨强做了个比喻 ， 就像要给小羊吃各种不同地方的草料 ， 不需要移动羊群只需要采集各地的草料 ， 同时并不知道羊吃到肚子里的草到底是什么样 ， 也就实现了在隐私保护和数据安全的前提下 ， 机器学习模型的不断完善 。
联邦学习也可以和其他科技相结合以产生强大的作用 。 例如 ， 联邦学习和5G边缘计算的相互促进 。 杨强表示 ， 一方面 ， 联邦学习可使5G边缘计算适用于对安全性要求更高的场景 ， 保障安全的同时实现联合模型 。 另一方面 ， 联邦学习是边缘计算的原生应用 ， 5G边缘计算可帮助联邦模型建模、调用速度更快 ， 也可促进联邦学习应用于更多场景 。
“我们看到联邦学习和5G边缘计算加起来会形成一个巨大的数据市场 ， 能够帮助我们做数据的估值和数据的交易 ， 因为5G和边缘计算就相当于一个硬件的网络体系 ， 联邦学习则相当于这个体系的操作系统 。 ”杨强说 。
上海证券交易所原总工程师白硕也提出了他眼中代表人工智能未来的一对“黑白双煞”组合——即深度学习和知识图谱的结合 。 他认为 ， 深度学习（一种模拟深度神经网络实现机器学习的技术）是不可解释的 ， 需要建立在大量的训练数据上；而知识图谱（以结构化的形式描述客观世界中的概念、实体及其关系 ， 将互联网信息表达为更接近人类认知世界的形式）则相对是可解释的 ， 并建立在场景之中 。 其中深度学习有一定的局限性 ， 包括可理解性问题、对于复杂结构的容纳度上有一定局限性 ， 需要和知识图谱配合取长补短 。
“对于端简单标签 ， 机器的深度学习非常适合 ， 但是对于一个复杂结构 ， 深度学习可能就不一定走得通 ， 还是必须有知识图谱以及领域专家参与 。 ”白硕认为 。
科技在金融业如何落地？
金融业的未来竞争一定程度上就是金融科技的竞争 ， 这个观点已成为业内的共识 ， 各大金融机构都在进行自己的数字化转型 ， 全球各大金融机构信息科技投入也在逐年增加 。
前瞻产业研究院数据显示 ， 2015年~2019年国际领先金融机构信息技术投入总体呈逐年增长态势 ， 2019年部分国际领先金融机构信息技术投入金额为260亿美元 ， 同比增长6% 。
金融|金融科技的未来在哪里？这些科学家告诉你
文章图片

来源：信通院、前瞻产业研究院整理
那么 ， 联邦学习、知识图谱、区块链等代表未来方向的科技目前在金融业的落地情况如何？
以联邦学习为例 ， 虽然这是一个2018年以后才出现的名词 ， 但目前其在金融业的应用案例已如雨后春笋 ， 譬如 ， 将联邦学习用于反洗钱之上 。
众所周知 ， 反洗钱是维护金融体系稳健运行、维护公平公正的市场经济秩序的客观要求 ， 对打击腐败等违法犯罪具有重要意义 。 杨强介绍称 ， 由于洗钱的低频数据 ， 单个银行往往严重缺乏样本数据 ， 为了优化银行的反洗钱模型 ， 微众银行与合作银行已开始使用联邦学习 ， 在数据隐私保护的条件下建立联合模型 ， 识别性能较单个模型提升90% 。


推荐阅读


上一篇：小米|小米发布全新净水器系列 售价1499元起

下一篇：张科|轻松集团CEO张科离职 转任战略顾问