记者 | 刘晨光

作为前沿技术和炙手可热的创新领域，人工智能和区块链正在改变着人们的生活和工作。11月8日，在微众银行第三届金融科技高校技术大赛会后采访环节，微众银行首席人工智能官杨强向界面新闻记者表示，金融科技越来越取决于需求，应用场景推动其不断升级。

“金融在过去，就好像坐飞机商务舱一样，为少数VIP服务。通过人工智能、区块链，移动互联网技术这些技术，越来越多地向普通人群扩散，即使所谓的长尾用户也可以享受到这种VIP服务。”杨强分析道。

他表示，行业曾经认为任何一家企业都应该有一个自有的人工智能团队或自研系统，这是错误的，就像社会分工一样，当社会发展越成熟，分工就越具体。杨强举了一个例子，“比如居家的人不一定会修水管，但却知道去哪里找电工，去哪里找水管，以后AI也会变成这样，发展趋势是更加专业化。”

具体到金融行业，不需要每家机构从头建模AI，这个模型建立需要大量数据和计算资源，现在这种训练模型，可以集中化实现。通用模型再适配到一些具体场景，比如跟一家金融机构合作，可以拿到预训练模型，适配具体数据上，就变成针对这家金融机构的个性化模型。

在杨强看来，金融科技逐步发展的速度取决于人工智能技术在金融科技场景的发展速度。“比如可以为所谓的长尾客户进行个性化服务，建立一个通用模型，通用模型和本人数据结合起来，有各种迁移学习技术，把通用模型迁移到个人数据上就变成个性化模型。”

“具体而言，比如机器人推荐一些金融产品，为你进行安全保障，进行一些提示，类似安全提示，可以7×24小时像真人一样回答问题，并且理解个人需求等，这些在过去只有靠人才可以做到，现在可以用技术解决。”杨强表示，在后台训练一个服务人员，过去也需要很长时间，现在可以让一个有经验的人去训练一个机器人，这个机器人反过来可以做新人的老师。

他坦言，在未来，像联邦学习，都是在往这个方向发展，使得服务机器人变得越来越智能化。“所谓联邦学习，就是克服大家既要合作又要保护隐私、保护安全这样一种矛盾，引入像联邦学习这样的技术，使得大家能够放心聚合数据，抽取模型、抽取知识。”

金融行业由于本身的特殊性，对数据的需求量比较大。“这里的‘大’不仅仅是样本多，同时特征也得多，记录用户行为也要多。很多金融机构记录的数据只是跟金融行为相关，因此它的特征并没有那么多，所以补充它的特征就要取决于各行各业数据的有机结合。”杨强分析道，这种聚合就为联邦学习带来很特殊的场景。

产业发展需要人才支持，对于金融人才的培养，杨强也谈了自己体会。他认为当前人工智能领域的人才相对缺乏。“各方面人才都很缺乏，金融行业也分几个不同部门，前台、后台、分运营和风险，麻雀虽小五脏俱全，每一个环节都面临数字化问题，都需要通过人工智能和人的有机结合来解决普惠、服务等问题”。

”过去，培养金融科技人才，可能读金融学院的一些课程就结束了。“在杨强看来，现在对于人才素质的要求不断提升，这些学生还要成为技术专家，同时还要成为一个对社会现象和法律规章都很敏感的综合性人才。既要学金融和经济，又要学习前沿科技，同时还要了解法律法规和社会学知识。

杨强给出了几点建议，“一个方法，是把这几部分专才放到一起培养，有金融人才，有技术人才，让他们组队，参加高水平比赛。”

还有教育课程需要加以改变，使得他们有机会接触不同课程。“很重要的一点是让学生们接触真实场景，能够有数据，能够去参加高水平竞赛，有机会去接触不同模拟场景。”杨强说。

人工智能与金融结合离不开数据。在数据领域，我国今年推出的《数据安全保护法》和《个人信息保护法》对数据保护和开发利用做出了明确的约束和规定。

杨强指出，数字化一个重要趋势就是合法合规。“现在越来越多金融科技产业利用一些数字技术，比如互联网技术、建模技术、画像技术、机器人技术等等。很多过去的做法，并没有第一时间考虑用户隐私，考虑数据归属以及数据要素特点。所以现在开始考虑这些特点，发现金融科技很多技术需要升级，需要具备合规性、合法性。”

杨强认为，个人数据保护法主要起到的是升级作用。“过去，大家对于数据的使用相对混乱一些，很多数据来源不清楚，使用时候没有规矩。”杨强指出，现在有了这个法律，再研究新一代人工智能，典型的像联邦学习，能够让人工智能升到一个新的层级，这是科技向善一个必要部分。