在AlphaGo成功挑戰(zhàn)圍棋世界冠軍后，“深度學(xué)習(xí)”家喻戶曉，已成為人工智能（AI）的代名詞。深度學(xué)習(xí)帶動(dòng)了人工智能的再次復(fù)興，這次復(fù)興的最大亮點(diǎn)，就是AI開(kāi)始在語(yǔ)音識(shí)別、機(jī)器視覺(jué)、數(shù)據(jù)挖掘等多個(gè)領(lǐng)域落地，真正釋放出了商業(yè)上的價(jià)值。各個(gè)行業(yè)的企業(yè)決策者也都有機(jī)會(huì)著眼自身戰(zhàn)略，利用落地的AI技術(shù)和應(yīng)用聚焦業(yè)務(wù)流程優(yōu)化、效率提升以及對(duì)全新機(jī)遇的發(fā)掘。

圖一、AI帶來(lái)的應(yīng)用和業(yè)務(wù)創(chuàng)新機(jī)會(huì)將推動(dòng)全行業(yè)的轉(zhuǎn)型升級(jí)

雖然AI正因其創(chuàng)造的商業(yè)潛力而備受睹目，但嚴(yán)格來(lái)說(shuō)，它的發(fā)展仍然處于早期階段，就像嬰幼兒需要依次及綜合使用口、手和眼等感官來(lái)感知這個(gè)世界，刺激大腦發(fā)育一樣，AI用來(lái)感知信息、實(shí)現(xiàn)智能進(jìn)化的路徑，也是多種多樣的。目前火爆的深度學(xué)習(xí)，以及一般的機(jī)器學(xué)習(xí)和基于規(guī)則的學(xué)習(xí)，都是目前AI領(lǐng)域的主流技術(shù)路徑。

圖二、人工智能、機(jī)器學(xué)習(xí)及深度學(xué)習(xí)的關(guān)系示意圖

這些技術(shù)路徑之間的關(guān)系，與其說(shuō)是彼此競(jìng)爭(zhēng)或替代，更不如說(shuō)是互補(bǔ)的——基于它們不同特性和適用場(chǎng)景來(lái)實(shí)現(xiàn)互補(bǔ)。

圖三、現(xiàn)階段主流AI技術(shù)路徑的優(yōu)勢(shì)、適用場(chǎng)景和局限性總結(jié)

這種多條技術(shù)路徑互補(bǔ)，或者說(shuō)融合應(yīng)用的妙處，在中國(guó)銀聯(lián)電子商務(wù)與電子支付國(guó)家工程實(shí)驗(yàn)室推進(jìn)銀行卡反欺詐技術(shù)的研究中體現(xiàn)得淋漓盡致。該實(shí)驗(yàn)室在最初研究中發(fā)現(xiàn)，如果只使用機(jī)器學(xué)習(xí)，將面臨對(duì)序列化交易特征學(xué)習(xí)能力不足的問(wèn)題，而只用深度學(xué)習(xí)，又會(huì)遇到單筆交易內(nèi)特征學(xué)習(xí)能力有限的問(wèn)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(jié)構(gòu)欺詐偵測(cè)模型架構(gòu)，該模型已經(jīng)歷了偽卡欺詐偵側(cè)、騙保檢測(cè)等多種銀行、保險(xiǎn)業(yè)務(wù)常見(jiàn)場(chǎng)景下基于真實(shí)數(shù)據(jù)的仿真驗(yàn)證，無(wú)論是在召回率還是準(zhǔn)確率上，都明顯優(yōu)于傳統(tǒng)的分類器方法或單一的RNN方法。

圖四、融合了機(jī)器學(xué)習(xí)和深度學(xué)習(xí)的三明治結(jié)構(gòu)欺詐偵測(cè)模型架構(gòu)

值得一提的是，銀聯(lián)這個(gè)融合式的創(chuàng)新模型，是選擇了基于英特爾至強(qiáng)處理器的CPU平臺(tái)，而非專用平臺(tái)來(lái)作為其算力的支柱。這是因?yàn)镃PU架構(gòu)對(duì)目前幾乎所有的AI主流技術(shù)、乃至新涌現(xiàn)的技術(shù)都有出色的兼容性，而且在英特爾為至強(qiáng)平臺(tái)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(yōu)化后，這個(gè)CPU平臺(tái)不論是支持基于單種AI技術(shù)的應(yīng)用，還是在運(yùn)行融合了多種AI技術(shù)的應(yīng)用時(shí)，性能表現(xiàn)都更為突出。在上述欺詐偵測(cè)模型的開(kāi)發(fā)中，英特爾就提供了多種優(yōu)化手段和工具的支持，幫助它實(shí)現(xiàn)了更高的工作效率。

可見(jiàn)，在AI之旅的起點(diǎn)上，企業(yè)面對(duì)的技術(shù)路徑不只一條，選擇也不限于一個(gè)。無(wú)論是傳統(tǒng)推理、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)，亦或是它們的融合，都是可選項(xiàng)。而從企業(yè)既有的IT基礎(chǔ)設(shè)施，即從CPU架構(gòu)，從英特爾至強(qiáng)平臺(tái)起步，無(wú)疑是兼容多種技術(shù)路徑，并兼顧性能和可擴(kuò)展性的理想之選，它能幫助企業(yè)更好地應(yīng)對(duì)復(fù)雜多變的現(xiàn)實(shí)應(yīng)用需求，并以更快的速度、更低的成本構(gòu)建起符合自身需求的AI應(yīng)用。