原標題：AI訪談 | 豐業銀行高管：機器學習面臨四大挑戰，年輕人該如何學習AI？

來源：AI Trends

作者：John P. Desmond

編譯：郭少圳

豐業銀行總部位于多倫多，在全球開展業務，該銀行在一系列業務中應用了人工智能和機器學習技術。隨著豐業銀行在人工智能和機器學習領域持續探索，該行也面臨諸多挑戰，包括如何更好地處理AI的“黑箱”問題。

該行全球風險管理副總裁Vishal Gossain使用人工智能（AI）和機器學習（ML）來構建預測模型，以幫助銀行為客戶定制零售產品。隨著豐業銀行在AI/ML領域研究的不斷拓展，該行組織結構也不斷調整優化，新增了數據、業務洞察和分析方面的執行副總裁（EVP）職位。Gossain在管理大型團隊，以及管理北美、拉丁美洲、歐洲和亞洲的零售資產組合方面擁有豐富經驗。

最近，Gossain接受了AI Trends的采訪。

AI Trends：從您在銀行風險管理、信用卡和貸款領域多年的經驗來看，人工智能和機器學習對您的業務有何影響？

Vishal Gossain：我們的銀行一直在三個不同領域使用AI和機器學習。

第一個領域是產品，我們試圖預測客戶的特定行為（風險或收益），并相應地量身定制相關產品。這種預測的準確度越高，為客戶提供的產品也將越好。此外，我們已開始在網絡風險、欺詐等新領域中使用AI和機器學習。

第二，我們使用AI和機器學習來創造更好的客戶體驗。例如，我們在聯絡和呼叫中心中使用聊天機器人，并在電話系統中使用自動語音分析以分析客戶情緒。此外，服務客戶的過程涉及大量文件，如果我們能做到文件處理的自動化，則客戶體驗可大幅提升。

最后一類是流程自動化，例如工資的核算處理，這些均可通過AI提高效率。

AI Trends：人工智能和機器學習在銀行業的應用前景是怎樣的？

Vishal Gossain：機器學習絕對是銀行業務的未來。模型越復雜，我們就越能更好地預測客戶的行為和未來的行動，從而幫助銀行為客戶提供更合適的產品。例如，如果年輕人想要購買房屋，我們可以向他們提供即時抵押或信用卡預批準服務；如果我們可以減少所需的文書工作，那么客戶的體驗和滿意度會提升，從而成為我們的忠誠客戶。因此，如何更準確地預測客戶的行為將變得更為重要。

其次，我們將更多地使用AI來預測與洗錢和信用欺詐有關的異常模式。相較人工而言，AI可以做得更好，因為它可以獲取更多的數據，并監測到人類可能無法監測到的異常行為。

同時，AI可以自學，這非常重要。因為我們構建的大多數模型都是靜態的，需要更新，有時這種更新需要三到五年才完成一次。但到那時，消費者的行為已發生了很多變化。而人工智能的應用，使得模型可以自學并與不斷變化的消費者行為保持同步。就像互聯網為知識共享和存儲帶來了深刻變化一樣，人工智能將給銀行業帶來根本性的改變。其中，提升客戶體驗和流程自動化仍將是重要領域。

AI Trends：我相信您的工作涉及到大量的數據分析工作，銀行是否采取一些措施來防止數據偏差等問題的出現？

Vishal Gossain：數據偏差是所有銀行面臨的問題，我們以多種方式解決這種問題。首先，我們確保用于訓練模型的數據是無偏的。例如，我們刪除了可能導致性別和宗教偏見的變量。我們會在更長的時間內訓練模型，以確保模型不會偏向某些偶然因素。有些消費者特征與其信用風險并無多大關系，我們將確保模型不會偏向此類特征。此外，我們還對模型進行獨立審查。

不過，人們在生活中所做的每個決定通常都會產生偏差。一項研究表明，一些法官在他們最喜歡的足球隊輸掉比賽后，往往會在審判時給出更長的判刑。而我們的工作是建立可接受的偏差水平，并隨著模型預測越來越準確后，使得實際偏差水平與此相符。

AI Trends：哪些關鍵的AI工具、技術和軟件對您的工作很重要？

Vishal Gossain：我將從不同角度回答這個問題。我們使用有監督學習、無監督學習和強化學習三種技術，我們還在探索貝葉斯分析等新領域。我們還大力投資數據加密技術。

在數據方面，如果沒有足夠數量的數據，任何模型都無法構建。同時，數據的存儲也很重要。我們使用Hadoop存儲數據，目前正向云過渡。我們將主要使用Google Cloud Platform，某些領域則使用Microsoft Azure。

一旦獲得數據，我們將使用軟件來構建模型，然后硬件也變得很重要。我們越來越多地使用GPU。我們一直在使用NVIDIA DGX盒（面向數據科學家的專用系統），并且還利用了基于云的GPU。

構建模型后，我們必須對其進行部署。為了進行部署，我們使用了一些非常強大的系統。你可以想象我們擁有的數據量。我們使用的系統是為特定目的量身定制的。例如，我們將FICO系統用于零售產品，將ORACLE用于洗錢。我們越來越多地利用新的快速的API來部署我們的模型。

為了開發模型，我們越來越傾向于敏捷方法。例如，我的團隊目前與跨職能團隊一起運行了6個敏捷實驗室，以助力構建新的反洗錢模型。

AI Trends：在您的工作中使用和實施AI和機器學習面臨的挑戰是什么？

Vishal Gossain：主要有四個挑戰。首先是數據。我們銀行擁有約2500萬客戶。這些客戶的數據分散在多個系統中，把這些數據集合統一起來并獲得以客戶為中心的視圖非常困難。但我們需要所有交易和所有產品的統一視圖，以便我們可以使用該視圖來幫助客戶。還有一個是數據隱私和保護的問題，我們必須確保客戶的數據和隱私不被泄露或侵犯，這對我們來說是一個大的挑戰。

第二個挑戰是技術。銀行業面臨一個難題，它們依靠強大的技術系統為客戶提供服務，但這些系統的迭代速度趕不上AI和機器學習的發展速度。因此，銀行可以構建一個非常復雜的AI模型，但卻無法在發展滯后的零售系統中高效運用此模型。

第三個挑戰是人。市場已經涌現出了一批數據科學家，但同時仍有許多經驗豐富的從業者利用其基于經驗的判斷來開展業務，他們仍不大適應利用模型來做決策。對他們來說，模型可能不像消費者行為那樣直觀。因此，在保守派人士和新型數據科學家之間，有一些分歧和爭論。但我們的文化還是必須朝數據方向發展，要主要根據數據而非專家經驗來做決策。

第四個挑戰是應用人工智能和機器學習后的可解釋性。模型變得越來越精確，但“黑箱”問題也越來越突出——與邏輯回歸相比，要理解新的復雜模型（例如深度學習）為何做出某個決定變得非常困難。因為，在回歸模型中，我們確切地知道什么變量對模型有影響，也知道客戶得分高或低的原因。但在新模型和新技術中，決策可視化、透明性、可解釋性成為挑戰，但這一挑戰并非不可克服。

克服挑戰后，收獲可喜。例如，豐業銀行是最早在催收業務中投入深度學習模型的銀行之一，迄今已為我行每年產生超過1000萬美元的增量收入。

AI Trends：AI對豐業銀行的組織架構有什么影響？在過去的幾年中，產生了哪些新的崗位？

Vishal Gossain：我們的組織架構出現了重大變化。目前，我們有了一個新的EVP職位，主管數據、業務洞察和分析，我們還有了一個新的分析組，這些崗位在此前是不存在的。人工智能和機器學習正催生出更多數據導向的職位。

AI Trends：您對有興趣從事AI工作的年輕人有何建議？他們應該學習什么？他們應該尋求什么樣的工作經驗？

Vishal Gossain：學習確實非常重要，這是年輕人踏上事業的墊腳石。許多機構或高校都提供了一些相關課程，比如麻省理工學院、加州大學伯克利分校等。他們還應該選修諸如Python之類的編程課程，并積累一些實踐經驗。此外，來自云服務提供商的云計算認證可能會有所幫助。擁有數量分析相關專業的本科、碩士乃至博士學歷，也能幫助年輕人在任何領域應用AI和機器學習技術。

而對于那些經驗豐富的專業人士來說，他們絕對可以在工作中學習AI，現在市場上也有很多自學課程。尤其對于那些能力突出的程序員、分析員來說，自學肯定能幫助他們掌握AI和機器學習的相關知識和技能。

國慶限時特惠：零壹智庫Pro會員限時搶購，限額70名。返回搜狐，查看更多

責任編輯：