在 AlphaGo成功挑戰圍棋世界冠軍後，“深度學習”家喻戶曉，已成為人工智能（AI）的代名詞。深度學習帶動了人工智能的再次復興，這次復興的最大亮點，就是 AI開始在語音識別、機器視覺、數據挖掘等多個領域落地，真正釋放出了商業上的價值。各個行業的企業決策者也都有機會著眼自身戰略，利用落地的 AI技術和應用聚焦業務流程優化、效率提升以及對全新機遇的發掘。
圖一、AI帶來的應用和業務創新機會將推動全行業的轉型升級
雖然 AI正因其創造的商業潛力而備受睹目，但嚴格來說，它的發展仍然處於早期階段，就像嬰幼兒需要依次及綜合使用口、手和眼等感官來感知這個世界，刺激大腦發育一樣，AI用來感知信息、實現智能進化的路徑，也是多種多樣的。目前火爆的深度學習，以及一般的機器學習和基於規則的學習，都是目前 AI領域的主流技術路徑。
圖二、人工智能、機器學習及深度學習的關係示意圖
這些技術路徑之間的關係，與其說是彼此競爭或替代，更不如說是互補的——基於它們不同特性和適用場景來實現互補。
圖三、現階段主流 AI技術路徑的優勢、適用場景和侷限性總結
這種多條技術路徑互補，或者說融合應用的妙處，在中國銀聯電子商務與電子支付國家工程實驗室推進銀行卡反欺詐技術的研究中體現得淋漓盡致。該實驗室在最初研究中發現，如果只使用機器學習，將面臨對序列化交易特徵學習能力不足的問題，而只用深度學習，又會遇到單筆交易內特徵學習能力有限的問題，而將兩者融合才是更好的解決方案。為此它與眾安科技及英特爾公司共同提出了 GBDT→GRU→RF三明治結構欺詐偵測模型架構，該模型已經歷了偽卡欺詐偵側、騙保檢測等多種銀行、保險業務常見場景下基於真實數據的仿真驗證，無論是在召回率還是準確率上，都明顯優於傳統的分類器方法或單一的 RNN方法。
圖四、融合了機器學習和深度學習的三明治結構欺詐偵測模型架構
值得一提的是，銀聯這個融合式的創新模型，是選擇了基於英特爾至強處理器的 CPU平臺，而非專用平臺來作為其算力的支柱。這是因為 CPU架構對目前幾乎所有的 AI主流技術、乃至新湧現的技術都有出色的兼容性，而且在英特爾為至強平臺提供了更為廣泛和深入，涉及了硬件加速能力、軟件工具及框架等層面的優化後，這個 CPU平臺不論是支持基於單種 AI技術的應用，還是在運行融合了多種 AI技術的應用時，性能表現都更為突出。在上述欺詐偵測模型的開發中，英特爾就提供了多種優化手段和工具的支持，幫助它實現了更高的工作效率。
可見，在 AI之旅的起點上，企業面對的技術路徑不只一條，選擇也不限於一個。無論是傳統推理、機器學習、深度學習，亦或是它們的融合，都是可選項。而從企業既有的 IT基礎設施，即從 CPU架構，從英特爾至強平臺起步，無疑是兼容多種技術路徑，併兼顧性能和可擴展性的理想之選，它能幫助企業更好地應對複雜多變的現實應用需求，並以更快的速度、更低的成本構建起符合自身需求的 AI應用。
附註：
與本文相關的內容為：《基於三明治結構深度學習框架的金融反欺詐模型研究與應用》，https://www.intel.cn/content/www/cn/zh/analytics/artificial-intelligence/deep-learning-framework-based-on-the-sandwich-structure-of-financial-fraud-model-research-and-application.html
閱讀更多 InfoQ 的文章
