进入数据智能时代，人工智能、隐私计算、大数据、云计算、区块链、5G等新兴技术迅速发展，为全新的数字金融创造了条件。

　　9月23日，由华夏时报社、中央财经大学数字经济融合创新发展中心联合主办、中国人工智能学会智能产品与产业工作委员会作为支持单位的“智能金融助力数实融合暨产教融合研讨会”在北京举行。微众银行首席人工智能官杨强教授在会上指出，当前AI在客服、营销、风控等方面，助力了银行服务质效提升。

　　推动全球联邦学习生态构建

　　当前，数据已经成为了数字化时代的生产要素，在多重领域发挥举足轻重的作用。

　　金融行业是数据密集型行业，数据隐私保护、安全合规等问题备受关注。同时，政府逐步加强数据使用方面的监管，数据安全、隐私保护相关的法规法律体系日趋完善。实现数据的多方协同和授权共享，得到更优的模型和决策，是当前人工智能助力金融科技的一个重大挑战。

　　在传统的人工智能发展中，在建立模型的时候，是把各地的数据汇聚到一个中心点，以此建立一个中央大模型。这个方法使人工智能的发展面临瓶颈——隐私和数据安全保护的要求使得获取数据成为障碍。而“联邦学习”的思路是让数据不出本地，模型可以在各地的计算中心之间进行交换、彼此成长，它的效果和一个中心化大模型类似，但是保护了用户的隐私和系统安全。

　　“联邦学习的核心思想是数据不动模型动，数据可用不可见。”杨强指出，面对业务转型升级过程中越来越多的数据流通和隐私保护的需求，微众银行在国内首次系统性提出“联邦学习（Federated Learning）”理论体系，“我们建立了全球领先的隐私计算联邦学习开源社区FATE，支持众多人工智能的算法，包括决策型的算法和生成式的算法。”

　　此外，微众银行进一步提出“可信联邦学习”的理论框架，即安全可信的多方分布式机器学习范式，在隐私保护、算法效率、模型性能等多个目标保证的前提下，可以实现数据可用不可见的多方协作，在多源数据综合发挥价值的同时保护每一个数据源方的隐私和数据安全。

　　“联邦学习、人工智能、大模型等技术的进展，也在积极支持着我们内部技术的发展，包括运营场景支持、精准营销、风险管理等。”杨强表示。

　　构建场景化AI应用

　　“我们从不同的角度，用不同的模态，使用人工智能的技术来构建场景化AI应用。”杨强表示。

　　在语音方面，包括语音识别技术、语音合成技术、声纹识别技术等；在自然语言理解方面，涵盖语义理解、句法分析、意图识别、语义的切割等技术；在图像识别方面，包括人脸识别和活体检测等技术。

　　在具体的实践方面，杨强指出，通过将人工智能前沿技术与金融服务深度融合，探索将大模型相关技术融入金融服务各个环节，AI正在帮助拓展金融服务的广度和深度，在智能客服、智能营销、智能风控等多方面提升了金融服务质效。

　　当前，通过移动互联网，用户的在线咨询量在日益增加，用户提问的内容也日益丰富和深入，金融机构如何应对用户的咨询与投诉，并且对其进行分析和记录，进行多维度的服务？

　　杨强指出，智能客服的主要目的是提升用户服务效率和满意度。以微众银行为例，当前从用户端咨询、到智能应答、到能够辅助人工座席的人机结合，再到监控，整个流程各个部分都有人工智能发挥的场景，如语义理解、向量化的表示、向量的检索，从知识库中发现相似度高的问题和答案。并且在一个问答的结束以后，还可以进行人工智能自动从座席对话中提取摘要，便于客服回顾和提升话术，从而不断提升服务质量。

　　“我们需要支持好几亿用户的服务，当前我们97%的日均消息是由机器人提供的服务，并且基本能够保证在1秒内提供回复，准确率也在业界处于较高水平。”杨强表示。

　　在营销过程中，想要找到目标客户并对客户进行关怀，精准度对于金融机构是一个考验。杨强表示，结合智能语音机器人、联邦学习等技术，微众银行借助人工智能可以进行智能广告的投放、推荐，语音机器人也可以和用户进行交互，座席助手和实时的质检也可以帮助营销。

　　在风控环节中，基于人脸识别、声纹识别等技术，AI可以在开户、授信、放款等金融服务多个环节帮助把控风险，有效甄别欺诈行为。

（文章来源：华夏时报）