9月27日，在由證券時報主辦的2019中國AI金融探路者峰會上，科大訊飛副總裁、智慧金融事業(yè)部總經(jīng)理解飛帶來主題演講——《科技賦能金融》。

　　科大訊飛作為中國最大的智能語音技術(shù)提供商，在人工智能領(lǐng)域有著長期的研究積累，并在中英文語音合成、語音識別、口語評測等多項技術(shù)上擁有國際領(lǐng)先的成果。

　　然而，外界知之甚少的是，科大訊飛除服務(wù)傳統(tǒng)行業(yè)外，早已全面進入銀行、保險、證券等大型金融機構(gòu)，語音技術(shù)不僅為金融機構(gòu)客服業(yè)務(wù)提供支撐，還在金融機構(gòu)的業(yè)務(wù)端、執(zhí)行端等多領(lǐng)域，提供技術(shù)支持，與金融機構(gòu)共建智慧金融。

　　語音技術(shù)趕超全球

　　解飛表示，中國人工智能技術(shù)近幾年發(fā)展迅速，在許多領(lǐng)域已經(jīng)有很大的突破。最具里程碑意義的兩個重大事件，一是機器翻譯技術(shù)測試全球首次達到專業(yè)資格合格標準，二是機器閱讀理解超過人類平均水平。

　　據(jù)悉，2019年3月20日，在機器閱讀理解方面科大訊飛提出BERT+DAE+AoA方法，打破榜單最好成績，在自然語言理解全球最頂尖的比賽SQuAD2.0中，首次兩項評測指標均超過人類水平。

　　除了機器翻譯、機器閱讀理解外，機器語音技術(shù)也在持續(xù)提升進化。解飛認為無論是5G還是物聯(lián)網(wǎng)時代，語音或?qū)⒊蔀榉浅ｊP(guān)鍵的交互入口之一。

　　事實上，科大訊飛從2012年到2017年連續(xù)五年，語音識別錯誤率每年相對下降30%以上，已經(jīng)超過人類速記員水平。這得益于深入學習的DNN、CNN、RNN模型不斷復(fù)雜的增長以及用戶數(shù)據(jù)的迭代與優(yōu)化。

　　與世界500強金融機構(gòu)合作，實現(xiàn)降本增效

　　解飛在演講中提供了一些科大訊飛人工智能技術(shù)在金融領(lǐng)域的應(yīng)用案例。

　　在與一家500強金融企業(yè)語音合作項目中，科大訊飛率先在業(yè)內(nèi)實現(xiàn)了語音為主，按鍵輔助的語音門戶，創(chuàng)新的使用了靜默坐席方案。數(shù)據(jù)顯示，該語音門戶自助服務(wù)完成率所帶來的話務(wù)降低，折合460名坐席工作量，直接經(jīng)濟效益每年3000萬；系統(tǒng)通話時間的下降，節(jié)省系統(tǒng)開銷1000萬。

　　與一家大型國有銀行手機銀行APP語音導(dǎo)航項目中，科大訊飛通過在該銀行的手機銀行入口，增加一個小語音搜索的入口，手機銀行搜索功能使用率在六個月后提升10倍以上。

　　講到OCR識別的實際應(yīng)用，解飛表示，目前科大訊飛的英文手寫識別率已經(jīng)從最開始的92%提升到97%，混合圖文識別率也已經(jīng)達到92%。但是在真正金融實際案例場景仍存在兩大難點，第一個難點是格式，不同的格式和表格會極大影響它的使用效果。第二是在OCR應(yīng)用存在封閉型數(shù)據(jù)，精度識別模型只能為單一銀行服務(wù)。

　　語音分析技術(shù)數(shù)據(jù)化，協(xié)助金融機構(gòu)業(yè)務(wù)轉(zhuǎn)化

　　在智能金融大數(shù)據(jù)分析方面，科大訊飛應(yīng)用智能語音分析技術(shù)，可以將錄音數(shù)據(jù)轉(zhuǎn)為結(jié)構(gòu)化文本索引，再通過業(yè)務(wù)建模，實現(xiàn)全量的質(zhì)檢，并可從中挖掘分析有價值信息，為運營和營銷提供支撐。

　　解飛表示，運用語音分析結(jié)果優(yōu)化業(yè)務(wù)流程和話術(shù)，一家商業(yè)銀行賬單分期電銷營銷成功率提升1.5個百分點。對于當下人工智能技術(shù)過熱，如何檢驗技術(shù)的真正價值，作為行業(yè)龍頭科大訊飛。

　　解飛提到，人工智能應(yīng)用落地的三個標準，第一看得見摸得著的真實應(yīng)用案例；第二具備規(guī)模化應(yīng)用和推廣的能力；第三能夠用統(tǒng)計數(shù)據(jù)說明應(yīng)用成效。技術(shù)只有真正落地了，技術(shù)才有價值。

　　未來人工智能三大發(fā)展路徑

　　對于下一步，人工智能發(fā)展的方向，作為行業(yè)領(lǐng)先企業(yè)，解飛也給出自己的見解，未來人工智能發(fā)展的三大關(guān)鍵路徑：

　　首先是核心算法的突破，面向小樣本、無監(jiān)督、個性化問題的基礎(chǔ)理論持續(xù)突破；

　　其次是腦智同飛，數(shù)學統(tǒng)計建模方法和腦科學研究的深度結(jié)合，即通過研究腦科學找到當代的算法更加具備推理決策算法上的突破；

　　最后是人機耦合，人工智能系統(tǒng)和人類行為協(xié)作的人機耦合方式持續(xù)探索。