十問英特爾：金融 AI 的詩和遠方與應用實踐的田間地頭

高盛，抑或是摩根大通，這些傳統意義上的金融投行，正在投入大量人力和資本，向技術公司轉型。

中國即將成為世界最大的經濟體，同樣認識到 AI 技術的重要性。我們為自己設定的目標是：2030 年，中國成為人工智能領域的全球領導者。在 AI 的實戰應用上，和高盛和摩根大通一起，中國的金融行業同樣領先，無論是前、中、後三端的 AI 能力，還是風險 & 合規、客戶體驗、營銷決策和智慧運營等四個方向的應用場景，眾多中國金融企業都有實實在在落地的案例。那麼 AI 到底是如何應用的？有哪些優化方案？在硬件、軟件方面又有什麼樣的最佳實踐推薦？

金融行業AI落地十問“實”答

人工智能正進入一個新階段，越來越多的企業在選擇這一給人類經濟與社會生活帶來顛覆性影響的技術，來開啟數字化轉型的新篇章。在金融行業，尤為如此。

在過去的十餘年，這些行業引領者正將更多資金投入大數據、機器人和雲計算服務領域，這些舉措也受到投資者的熱捧。那麼，AI是如何成為金融行業的新寵兒？英特爾AI又在其中扮演了怎樣的角色呢？答案就在這裡！

2.1 實戰篇

1.傳統機器學習和單一基於時序神經網絡的深度學習方法在偵測金融反欺詐上的不足何在？

答：基於傳統機器學習的方法，很難掌握序列化交易的特徵，而單一基於時序神經網絡的深度學習模型，對於單筆交易內的特徵學習能力也有限，從而在 AI 模型的訓練階段難以獲得良好效果，直接影響後面的應用。

2.銀聯和英特爾聯合提出的“三明治”多層反欺詐模型如何解決前述問題？

答：該模型使用英特爾的 Analytics Zoo 工具，首先進行特徵提取，並與業務專家的特徵工程相結合，結合時序神經網絡的深度學習模型可以將單筆交易的時序化特徵也抽取出來，使用“GBDT—>GRU—>RF”三層架構，突破傳統方法的限制，並藉助英特爾的高性能處理器算力支持，在三明治模型中各個層面都有優化和工具，大幅提升了反欺詐的效率。

3.針對信貸預期風險預測場景，AI 如何發揮作用？

答：傳統的人工信貸預期方式週期長、質量差。英特爾和一家商業銀行使用時序神經網絡和傳統機器學習的混合模型，全部基於英特爾架構平臺，準確性提升 2 倍，預測效率提升 10 倍，在針對用戶端的在線預測方案中，單筆預測時間小於 1 秒，大幅提升了客戶的滿意度，也充分滿足了用戶對於預測過程可解釋性的要求。

4.如何利用 AI 處理歷史數據，從而推進金融產品的精準營銷？

答：英特爾的 Analytics Zoo 提供了端到端的 AI 與大數據分析能力，內置大量模型和 API ，讓企業可以快速利用自己的數據，在現有大數據平臺上構建基於深度學習的推薦系統，不需要從頭開始，從而大幅減少了中國人壽等金融企業建設業務推薦系統的成本與時間。

5.使用 AI 技術輔助保險行業進行醫學影像分析的重點是什麼？

答：保險行業各個險種都對影像分析有巨大需求。醫學影像分析的重點和難點，在於如何提早發現細微病理體徵，提升惡性疾病的早期發現概率。英特爾與中國平安合作的影像應用，基於英特爾架構，使用多種模型，藉助多種成熟開源框架，進行 AI 推理，從而大幅提升檢測能力，降低誤讀率。

2.2 技術篇

1.第二代英特爾至強可擴展處理器提升了哪些方面的 AI 處理能力？

答：該系列處理器集成了深度學習加速技術（矢量神經網絡指令 VNNI），同時擴展了英特爾 AVX-512，可加速人工智能和深度學習推理，並針對工作負載進行了優化。這使其擁有了集成 AI 加速能力的 CPU 架構。

2.英特爾傲騰數據中心級持久內存主要解決什麼問題？

答：它顛覆了傳統的內存 - 存儲架構，創建新的存儲層來填補內存 - 存儲之間的容量差距，以合理價格提供海量持久性內存，滿足人工智能訓練與推理等內存密集型工作負載，從而加速 IT 轉型，滿足數據時代需求。

3.在存儲架構上，英特爾傲騰固態盤和採用 QLC 3D NAND 技術的英特爾固態盤有哪些創新？

答：英特爾傲騰固態盤採用 3D XPoint 存儲介質，

4.流行的深度學習框架，比如Caffe, TensorFlow 等，以及 Python 分發包，它們在英特爾架構上表現如何？

答：這些框架和開發工具都已經針對英特爾架構專門進行優化，並已經應用於實踐。比如面向英特爾架構優化的 Caffe做的量化模型的優化，推理速度可在不影響預測準確度的情況下，使多個深度學習模型量化後的推理速度相比未量化模型提升 2-4 倍。針對TensorFlow ，英特爾做了大量計算圖優化和數據佈局優化，還有針對性地調整了眾多框架組件，大大降低了延時。Python 分發包集成多個工具和高性能數據分析和數學庫，部署簡單，易於使用。

5.英特爾還提供了哪些可以幫助 AI 應用直接落地的軟件工具？

答：英特爾提供豐富的幫助AI應用落地的軟件工具，比如Analytics Zoo、OpenVINO等就深受市場的歡迎。

Analytics Zoo作為統一的大數據分析與 AI 開源平臺，可以幫助用戶無縫集成多種現有大數據應用和框架，無需專用基礎設施，同時內置多種軟件開發庫，提高訓練和推理速度，多種參考用例和工具，幫助用戶快速實現大數據分析和 AI 的高效融合與部署、應用。

OpenVINO 是英特爾推出的、加速深度學習推理及部署的軟件工具套件，用以加快高性能計算機視覺處理和應用。藉助優化的常見 AI 框架和預先訓練的模型，它可有效推進計算機視覺技術在智能攝像頭、 視頻監控、機器人、智能交通、智能醫療等眾多領域的深入應用。此外，OpenVino也正在加強語音，推薦，自然語言處理等等的領域的應用支持。

特別值得一提的是面向深度神經網絡的英特爾數學核心函數庫（MKL-DNN），作為開源的基礎庫， 可加快各種深度學習框架運行速度，Analytics Zoo和OpenVINO也都得到了它的支持。經過該庫優化的深度學習框架比如英特爾優化版的Caffe或Tensorflow等等，運行不同的模型，可以比優化前獲得數倍乃至幾十倍的性能提升。

英特爾中國金融行業 AI 實戰手冊

閱讀更多 AI掘金志 的文章

關鍵字: 英特爾 人工智能 摩根大通