車品覺:人工智能成功的關鍵因素

車品覺

要實現人工智能，定義非常重要。因為所有的算法，所有的東西都是奔著這個定義去，找出到底什么是做對了，什么是做錯了。這個定義如果沒定義好的話，你會發現后面的東西很難做。

如果今天銀行有個聊天機器人，你問它忘了密碼了，怎么去拿錢。這樣的情況，機器人能幫你處理得非常好，但是萬一你要跟它講的東西剛好是機器人沒有辦法去處理的。比如說有一次一個教授找我去，介紹他有一個機器人可以幫我訂咖啡。我第一句話說：“我要一杯不平凡的咖啡。”然后機器人等了好多秒，都沒有回答我。因為他不知道什么是不平凡的咖啡。所以“不平凡的咖啡”本身可能是少數的人工智能不可去解決的邊界上。

一般來說，人工智能都是比較容易解決定制化的東西，但是一旦變成很廣泛地去使用的時候，整個人工智能到底又怎么處理這個東西呢？

在人工智能循環里面，需要操作員和用戶的人工參與，操作員可以填補電腦不能自動完成的部分，用戶可以貢獻更多的訓練數據。

最后一點非常關鍵的有可能是有效率，數據有質量，那到底商業模式是什么？到底這個東西是怎么賺錢的？到底是把人工智能的能力賦能給C端還是B端，B端在什么樣的一個情況會付錢，C端在什么情況下會付錢，都會成為人工智能的關鍵問題。

金融服務里面，其實我們現在看見三類最具潛力的AI可以解決的問題。一是個性化的財富管理，二是反欺詐，三是智能服務。

智能投顧是重要的一塊。智能投顧最難的問題是，到底怎么樣幫用戶賺錢，如何能在前端幫用戶做好服務。

智能投顧，一個重要的部分是了解用戶的風險追求。從了解用戶的風險追求去給出他所需要的方案。我覺得通過大數據識別用戶風險偏好，這是投顧其中比較容易能做到的一點。

現在很多人去銀行，你問他是不是比較喜歡風險，一般人都跟你說我不喜歡風險；但是當他比較回報的時候，他可能會說我承受一點風險也是可以的。所以智能投顧也許可以在人的行為當中，采用不同的情況，不同的形式了解他對風險的看法是怎么樣。

反欺詐應用很明顯，不僅僅是生物的識別。當支付金額的量比較少的時候，其實真的不需要用戶輸入密碼。

假如觀察用戶每天上班的路徑，你拿著手機的時候我都知道你肯定就是你了，因為人一般來說每天上班的時間點，從一個點到一個點都有自己比較活躍的地方。當你在公司里面，你坐在自己的位置上，用常用的網絡，用AA收款給了同事20塊。這個時候我還讓你加一個密碼是非常不方便的，都知道這個人肯定是你。

所以識別上來講移動的設備其實可以給予我們全新的控制風險的一種工具，或者我剛才說的識別的到底你是不是你。

當一個實驗的數據的產品要落地，成為一個很穩固的工程的時候，所花的精力往往不小于創新的時候，我們要把東西落地的時候，實際上精力可能是二八分的，20%在創新，但是落地的時候要花另外80%落地。從粗放到精細化的時候往往付出的代價是不小的。