財聯社（上海，記者 潘婷）訊，金融脱媒、銀行業正加速數字化轉型。財聯社記者近日瞭解到，銀行機構在AI領域佈局已有初步成果。數據爆炸式增長，商業銀行對數據的運用達到了前所未有的高度。科技重塑銀行，數據驅動決策，已成為銀行業數字化的前沿方向。
然而，數據的運用也存在諸多難題，其中隱私保護更是重中之重。微眾銀行首席人工智能官楊強團隊致力於發展第三代的隱私計算技術，通過聯邦學習這一算法實現“數據不出本地”，通過加密模型參數交換建立全局模型，賦能小微企業。通過隱私計算，實現金融數據價值最大化。
科技重塑銀行業，AI應用正當時
科技已成為數字經濟時代生產力最重要的驅動因素，交行行長劉珺表示，資金不再是稀缺資源，銀行的作用相應下降，出現了脱媒現象。在全球化進程進入下半場之際，科技將發揮重要作用。
全球化上半場的重點在於生產，一定程度上導致了經濟發展不平衡、貧富分化、氣候變化等問題；進入下半場後，要求兼顧生產和分配、效率和公平。此過程會更復雜，AI與數字經濟發展要體現科技向善，促進權利平等，推動實現平衡、綠色和可持續的發展。
當前，數據正以幾何級數、甚至冪級數爆炸式增長，數據運用也提升到前所未有的高度。金融機構之前以處理資產負債表、損益表、現金流量表中的結構性數據為主，後加入電力使用、能源使用、運輸等結構性數據；未來，還將處理行為模式、情緒偏好等非結構性數據。
這意味着，數據或成為新經濟的“石油”。因此金融機構一定要學會運用數據資產，學會定價數據資產，學會對數據資產進行有效風險管理，充分運用數據資產賦能金融。
交行副行長錢斌表示，人工智能技術作為數字經濟中領先技術的代表，正在重塑包括商業銀行在內的各行各業。人工智能應用在商業銀行智能營銷、智能風控、智能客服、智能運營等多方面。然而，即便是人工智能技術發展迅速，但依然任重道遠。
一是通用性不足，現階段人工智能專業化，都是邊界清晰、定義明確的單一任務模型。一旦任務變化，效果就會“打折扣”。二是可解釋性不足，目前得出的最終模型往往讓人們抱有一絲不信任感，因此，在醫療診斷、法律判決等容錯率苛刻的領域，AI的應用較為慎重。
三是隱私安全問題，在使用一款新APP時往往被詢問是否允許開啓當前定位，是否允許訪問照片，是否允許訪問通訊錄等，人們在享受便利的同時，也產生了一絲被窺視的不安全感。
錢斌認為，金融與人工智能互助共生相向而行，AI需要金融，金融也需要AI。金融一直是最被看好的人工智能落地場景，畢竟商業銀行信息化系統起步早，成熟度較高，數據積累較為豐富，AI應用於金融領域正當其時。
數據驅動決策，AI如何賦能銀行？
數庫科技總裁沈鑫表示，如今是數據驅動決策時代，無論是銀行尋找優質企業進行貸款，還是政府招商引資強鏈補鏈，亦或大型企業實現智能化供應鏈風控及管理，其決策本質都是不斷定位及跟蹤動態發展中的優質企業或潛在風險點。
因此，通過紮實的數據智能搭建形成完整的產業畫像和企業畫像，實現對產業及企業周邊的實時資訊動態解析及跟蹤，進而對目標企業的快速定位及評估就成為了產融數字化決策中的核心能力。
數據驅動決策時代下，數據如何賦能銀行業務決策？招行人工智能實驗室負責人李金龍介紹，招行於2000年開始建設數據倉庫，五年前開始佈局人工智能。目前，招行AI Lab已發展到兩三百人的規模，落地場景超百個，包括客户營銷、風控管理，產品投研、投顧、量化投資等，在內部實現了較大的業務價值。
“招行AI三·三規劃”體現了招行人工智能的發展思路。最上層是客服雲、輿情雲、視覺雲，可對標互聯網公司或一般性企業；第二層是知識管理方案、營銷解決方案、大財富投研；底層是支撐性能力，包括人工智能中台、資源管理平台、學術科研平台。
關於知識管理方案，李金龍表示，銀行是知識密集型行業，要遵守的規章制度能達到一兩萬份，最複雜的上崗培訓可能要兩三年。招行AI Lab歷時三四年把要遵守的制度結構化、規則化，以此賦能到流程，進行智能審核工作。這是AI+RPA能夠發揮作用的一項基礎性工作。
他指出，人工智能若想在銀行發揮作用，首先一定要把知識解析成規則，讓機器理解制度，這是銀行發展人工智能的重要基礎。營銷解決方案有應用層、算法層和底部的數據層，體現在應用方面，包括零售業務的億級客羣策略平台和對公營銷平台“天璣”。
第三個方案是招行的大財富價值循環鏈的戰略方向，有反映整體社會經濟運行、各個產業鏈運行的實際數據的採集、整理等的基礎性研究，；也有在此基礎上結合宏觀數據，並用經濟學的方法論去加工、分析，助力客户選到更適合自己的金融產品。
通過隱私計算，實現金融數據價值最大化
數據運用過程中尚有諸多問題亟待解決。如何確權？如何保證數據擁有者的應有權利？如何保護數據的隱私和安全？數據如何進行價值交易？如何抵抗大數據的馬太效應？如何建立小數據的聯邦生態，把小數據聚沙成塔變為大數據？如何能夠解決冷啓動的問題？
2018年，歐洲推出《通用數據保護條例》，對個人數據和企業數據有着非常嚴格的規定；2019年，我國國家互聯網信息辦公室起草發佈《數據安全管理辦法(徵求意見稿)》，國內監管趨嚴，數據在安全合規的前提下自由流動，成為大勢所趨。
微眾銀行首席人工智能官楊強團隊致力於發展第三代的隱私計算技術。他認為，隱私計算是數據的責任感，AI責任感的重要側面。據他介紹，上世紀七八十年代就出現了隱私計算，主要考慮精確計算和數據查詢，實用中存在很多缺陷，幾乎不能大規模使用。
因此催生了第二代，即通過硬件加持的隱私計算數據。這種技術使得多方數據匯聚在一個秘密屋中進行運算，過程不可見結果可見，效率較第一代大為提升。但它有一個嚴重的缺陷，就是需要把數據聚合到一處，違反了“數據不出本地”的要求。
楊強表示，第三代隱私計算技術最重要的一個算法是聯邦學習，思路是“數據不動模行動”，不同數據方建立不同模型，通過交換加密模型參數建立全局模型。微眾銀行通過聯邦學習技術實現隱私保護，在“數據不出本地”前提下進行精準評估，賦能了眾多小微企業，。
此外，IDC中國金融行業研究總監高飛分享了《關於開放金融數據共享中隱私計算平衡之道》並表示，國內“開放銀行”源於中銀的開放平台API。2018年，工行ECOS、浦發API bank以及平安、招行均就“開放銀行”的落地進行了有益嘗試。
在“開放銀行”生態下，以客户為主推薦金融產品，金融產品具有可組合性。傳統銀行業務擴展到保險、投資類產品甚至是金融衍生品，不同銀行的產品和服務可以進行拆解和組合，通過數據共享實現了從“開放銀行”到“開放金融”的跨越。
如何以客户為中心，通過多方數據建模，更精準、準確、完整體現客户需求及風險，是近年金融業關注的熱點。此過程中涉及到諸如個人隱私泄露，數據風險，原始數據被複制，都是金融充分有效利用數據生產要素進行融通應用過程中要解決的關鍵問題。
他認為，隱私保護計算為開放金融實現數據價值最大化提供了可行之道。例如，浦發銀行和螞蟻集團針對零售貸款業務開發了一整套風險評估解決方案，採用多方安全計算的風險模型，利用浦發銀行及其合作方的數據來共同提高模型的有效性，保證數據的安全性和隱私性。