分布式计算

2018年8月3日，成都——IBM公司(NYSE：IBM)今日在成都举办“2018IBM金融创新者大会”，汇聚了来自国内金融和银行业的200多位创新领袖，共同探讨中国金融企业所面临的商业环境变迁、全新市场挑战，以及如何凭借科技创新促进业务转型与重塑等话题。大会期间，IBM发布了银行业和金融市场《2017全球最高管理层调研报告——传统企业的逆袭》行业调研报告以及《锐意创新，驭浪前行——传统银行拉开逆袭大幕》专家洞察报告，指出了传统金融企业数字化转型所呈现出的“构建平台创新优势、充分利用数据价值、实现敏捷运营”三大趋势，以及基于本地市场的三个“行动机遇”。IBM致力于凭借其领先的技术及解决方案，助力传统银行及金融企业树立信心，拥抱变革，实现企业成功转型。

2018IBM金融创新者大会现场

近年来，在科技金融迅速发展的政策和技术动因下，中国科技金融企业已经占据全球50%以上的市场份额。如今，领先的金融机构都在围绕数字化前台、灵活的中后台、快速的产品迭代、风险控制与合规、客户洞察与生态系统来打造核心竞争力。与此同时，人工智能、机器学习、云计算、区块链等新科技也在飞速迭代，并快速融入金融服务的各个领域。

IBM大中华区金融行业总经理郭仁声

IBM大中华区金融行业总经理郭仁声表示：“从几年前面对跨界竞争、颠覆变革的转型焦虑期，到如今借助技术创新重新掌握金融服务话语权，传统银行和保险企业正在迎来前所未有的数字化重塑机遇。但要真正实现业务创新，引领市场变革，银行和金融机构必须迅速采取行动，把握转型机遇。IBM拥有长达百年的科技积累和深厚的银行金融行业经验，在全球范围内有众多最佳实践，我们正在与中国的银行、保险和金融服务企业同行同创，把握全新发展机会，实现企业数字化转型逆袭。”

IBM全球商业价值研究院联合牛津经济研究院采访了来自112个国家、20个行业的12,854位高管，其中包括银行和金融服务业的1,618名最高层主管，发布了《2017全球最高管理层调研报告之银行业和金融市场传统企业的逆袭》。报告显示，40%的银行业受访者表示，他们所在的行业正经历翻天覆地的变化，但引发变化的主体相较于两年前却已经发生了截然不同的变化——71%的受访者则将剧变归因于那些曾经臃肿不堪，但如今已自我重塑，力争在数字时代蓬勃发展的金融机构。他们开始利用自身的生态系统优势，联合供应链上下游中的企业，大胆创新。受访高管一致认为，这些行业龙头企业比新进入市场的互联网等新锐企业更具竞争力。

构建平台创新优势，推动全新业务模式

在互联网时代，跨界竞争者往往将平台作为颠覆的利器——通过平台可以将供需双方直接连接起来，通过减少中间环节来有效创造价值，这一模式在零售等行业取得了巨大的成功。银行业和金融市场的最高层主管迅速发现了这种模式的潜力，虽然目前只有8%的受访者表示自己的企业采用了平台模式，但28%的受访者正在试验这个概念，21%的高管准备为此目的重新分配资本。

一些金融科技公司和互联网公司曾凭借平台等技术手段，通过蚕食、替代或转换等方式对传统银行业产生了一定程度的冲击和影响。但金融领域的特殊性使得金融平台不能仅仅连接供需双方，更重要的是要能够持续经营、管理风险、创造价值，而银行自身的资金优势和风险管理能力是新兴的技术金融公司无法比拟的。

相比较技术构建的优势壁垒，业务构建的竞争优势持续时间会保持得更长，而一旦锐意创新的传统银行开始全方位地采用新兴技术手段，有条不紊地推进变革，它们将具备更有利的条件做好新时代的金融服务，这也是传统银行业成功逆袭的基础。

IBM大中华区全球企业咨询服务部合伙人，金融服务行业总经理陈文

充分利用数据价值，创造全新商业价值

世界上的数据只有20%可以被公开搜索到，其他80%的数据都在传统企业的手中。从数据角度看，传统银行业相比“轻资产”的互联网企业拥有显而易见的优势。如果传统银行业能够利用好自己手中的数据“金矿”，就能为自身带来前所未有的价值。

在目前中国的实体经济中，众多行业中的企业都有大量的金融方面的需求，然而很多需求是过去的传统银行所不能完全满足的，因为很多需求是传统银行不能以有效且低成本的方式进行风险判别的。今天，随着众多新兴的数字化技术的出现，数据的潜能随着传统银行业数字化重塑的进程被无限的释放出来。

人工智能、区块链、物联网和云计算等新技术的兴起，让银行可以结合多年积累的行业专业知识和经验去挖掘数据背后的洞察、去发现未被满足的客户需求;能够以低成本高效率的方式去控制金融风险并大胆尝试各类业务和技术的创新;能够更高效地把手上的数据转化为真正意义上的商业价值。

实现敏捷运营，重塑基础架构、流程和文化

参与调研的企业高管指出影响企业成功的三个重要因素即率先尝试的新意愿、对高素质员工的支持，以及敏捷运营，这些领先企业通过重新设计基础架构、运营模式和组织文化，以快速响应市场变化。

首先，银行传统的IT基础架构框架是一维的，即业务功能以线性方式实现，这种架构常常导致跨渠道客户体验不一致，交易服务分散，功能重复和前后端数据分离。而未来的IT架构框架应当是多维的，能够跨出企业界限快速开发新服务，可扩展并能实时获取数据用于当前甚至未来的客户交互，并且通过集成实时响应洞察需求。

其次，银行面临的竞争不是部门级的竞争，而是企业级的竞争，因此建立从战略到流程再到应用的一整套企业级的、统一的标准规范至关重要。企业级标准不再以组织的边界划分，而是要打破部门或条线的竖井式流程，通过提取业务的变量，比如客户、产品、渠道和合作方等，形成整合的企业级流程，实现标准化。银行通过构建更高灵活度的业务流程，可以实现更高的业务敏捷性和灵活性。

此外，银行在转型中一定要解决文化转型的问题，IBM最高管理层调研发现，领先的企业往往非常重视对文化的变革，有70%的领先企业认为自己的企业已经建立了开放的企业文化，并且实现了敏捷运营。80%的银行业和金融市场重塑者已经开始主动征询员工的意见，开辟新的发展途径。

IBM大中华区金融行业总经理郭仁声指出，基于服务传统银行和金融行业多年的深厚行业积累，IBM认为广大银行和金融企业在数字化转型过程中，如果要实现成功逆袭，需要掌握三个行动机遇，即构建生态环境，拥抱平台金融;运用智能自动化高效、合规运营;建设安全云平台，打造数字化基础。

如今，传统银行及金融企业致力于创新并已经拉开逆袭大幕。通过平台化塑造、数据挖掘以及敏捷运营，传统银行及金融企业能够快速实现转型。然而，这些则依赖于现有科技能力的持续释放及高精尖的数字技术对现有信息科技系统的赋能。IBM则正是这些企业最坚实和有力的合作伙伴，通过领先的技术及解决方案，助力传统企业拥抱变革的浪潮，树立行业信心，并最终实现企业转型及业务重塑。

对于构建平台，IBM可以帮助银行及金融企业通过虚拟化将现有集中式基础架构中的单体应用转型到分布式基础架构;通过对业务流程、数据的梳理和建模，将单体应用解耦为分布式应用架构;通过微服务化或应用容器化，将分布式应用真正转型为以业务服务为基础的SOA架构;并通过构建开发、运维一体化，重构银行开发、测试、发布流程，使业务投放时间大大缩短，加快应用迭代。

不仅如此，IBM还将以其强有力的技术能力，将AI赋能到现有的科技体系中。包括，通过机器学习，找到高价值客户，在最适当的时机推荐最适合的产品;通过大数据分析，发现客户的异常行为，实时发现网络攻击，在事中自动启动防御措施;通过语音识别和文字理解，降低人工客户强度，提高人工客服质量;通过图像识别技术，实现票据自动分类，识别柜员和客户行为，提高业务效果，降低运行风险;通过自动化技术，把业务流程串接起来，减少人工环节，把人从简单重复的劳动中解放出来。

在协同创新方面，IBM通过更加开放的社区、黑客松及设计思维方式，与企业联手持续化地转型企业职工的技能，建立企业的创新文化和能力。IBM在区块链技术上的研发能力，能够极大增强交易环境的可信度，降低陌生交易对手的交易成本;IBMWatson技术可以把银行后台的整合能力拓展到上下游，创新合作模式，形成前所未见的“产品”;IBM的物联网技术，可视化技术(AR/VR)，将促使网点进一步数字化转型，促进金融与生活进一步接合，让金融服务无所不在。

AlphaGo在代表最高水平的智力游戏围棋与人类顶尖选手对决，但凡虚心一点的科学家都明白，这不过是个100万美金的超值广告。

而从媒体到普通民众，都担心某一天AI具备自我意识后，在高速进化中全面超越人类。

这根本是孤陋寡闻的恐慌。

哲学上有一个悬而未决的问题，意识和智能产生自大脑，但是意识和智能能够理解大脑本身吗?

索罗斯在他著名的通俗著作《金融炼金术》开篇提到了一个问题，所有能被人类主观意识影响的东西，都不具备“客观性”(这句话请读三遍想三遍)，因为“反身性”原理，所有有人类参与和影响的活动，从金融投机所属的经济学到预测社会发展的历史和人文类科学，都不具备真正的规律。某种程度上它们本质上都是伪科学。

这句论断让笔者印象尤其深刻。从量子力学主宰的微观世界被验证了无数次的“不确定性原理”，到索罗斯的“反身性”原理，背后揭示了一个深刻的规则：人不能跳出“人的视角”去验证人。

“不畏浮云遮望眼，只缘身在此山中”

人工智能大家都在追风谈deeplearning，也就是程序员设计算法，训练计算机群从海量数据中习得 “特征”，也是这次AlphaGo不同以往围棋软件的地方，它能够与顶尖高手的大量切磋练习中“自动学习”提高技术。但是AlphaGo习得的那点“人工智能”与人类所真正代表的强人工智能相比，还有两个巨大的门槛。

第一个问题，归根结底，人是不是一部自动反应的机器?

《生活大爆炸》里有一个男主角叫SheldonCooper，他很萌，但却是对情境感知能力较差，并伴随着严重强迫症。

社交困难、沟通困难、固执或狭窄兴趣。类似SheldonCooper的人，在幼年时，会经常遇到这样的尴尬：

–孩子没有交作业，老师很生气，便讽刺地说道：

–老师：“狗把你的作业吃掉了吗?”

–孩子：“老师的狗会吃掉纸?”

孩童是因为不能理解老师的提问而保持沉默，并会认为老师有养狗、而且狗会吃纸。但老师想要表达的其实是“你忘记交作业了”，而孩童本身没有办法了解这类的隐喻。

世界上真实存在着这样一群人。现代精神病学指出，这是一种温和的自闭症叫阿斯伯格综合症(Aspergersyndrome)，不同于一般自闭症， Aspergersyndrome保有社交的意愿却缺乏相关的能力，他们看起来像“机器人”，但大多心智正常。

Aspergersyndrome 从某种程度上反映了人类心智并不神圣，是有迹可循的。而认知心理学的发展，却越来越向人们揭示一个可能的结论，无论是自闭症患者、阿斯伯格综合症患者、还是普通人，实际上都是基本自动的机器。

神经科学家安东尼奥·R。达马西奥所著述《SelfComestoMind》(自我在大脑当中是怎么生成的)中认为，通常人们混淆了 emotion(直觉情绪)和feeling(感受)。“我觉得怎么样，我觉得受委屈了，我觉得被尊重了”，这种“我的feeling”是杜撰的、虚假的。

一个比较典型的例子，这也是原来心理学经常引用的故事，在加拿大做的实验。在一个石桥上和一个铁桥上招募一帮人去谈恋爱，随机抽取一对一对去谈。石桥因为很坚固，有风也不会晃。铁桥是铁索桥，是吊桥，有风就会晃。因为一晃就会紧张，紧张恐惧是一个 emotion，恐惧来的时候又带来什么呢，内部是肾上腺素分泌;外部的表现，比如瞳孔放大，面部会发红，鼻孔会扩张，有各种各样的表现。

但是很有意思是，紧张的外在表现和爱情出现的外在表现是一致的。理论上讲，环境不应该对你是不是对对方有好感能够产生影响，不管你是在石桥上跟人谈恋爱，还是在晃动的铁桥跟人谈恋爱，理论上讲，你爱上对方的几率是差不多的。但一个很有意思的现象是，在晃动的铁桥上爱上对方的几率大大超过在一个稳定的石桥上，因为刚才讲的 feeling部分，就是这个自我部分，它不知道emotion 出了什么事儿，它只是去读取。它读取的数据是，原来所有的征兆，所有的征兆符合谈恋爱的特征，我就一定爱上对方了，我既然爱上对方了，我就一定要真的去爱她，因为如果我觉得我是，而又没有真的去爱的时候，又会出现另一个，叫做认知失调。这样的话，他就以为自己是这样的，就那样去做了。这是真实研究的成果。

之前人们认为emotion就是 feeling，达马西奥研究发现不是，emotion不能改变，见到什么样的情况你就会产生怎样的反应，是下意识的，是不能控制的。而feeling是“我” 在作怪，受这个所谓的“我”来控制的，它首先读取emotion的数据，经过处理之后告诉“我”，我感受到了什么。

“处理”的过程十分关键，它能否被模拟，与实现真正的人工智能息息相关，这是人工智能已有部分答案(比如deeplearning )的第一个重大问题。而所谓的“我”，自我意识甚至自由意志都是幻觉，是假的，不存在。我们实际上是个基本自动的机器，99.9% 自动处理的机器，只不过这个机器有一个特别特殊的软件，就监控这个机器本身的“我”。

身体是遍布传感器(耳鼻口舌目身体，听觉嗅觉味觉触觉视觉)的硬件，又运行着一个产生“自我”的软件，从某种程度上来说，我们确实只是机器人。

但“自我意识”是如何产生的，目前还没有彻底搞清楚，也是人工智能最重要的、且尚无头绪的问题。

第二个问题，100%的正确诞生不了真正的智能

所见与真实有很大的狭隘和偏差。

普通人的视力系统就是一种用于获取和分析可见光的信息接收系统，倘若缺少一类，或是性能不足，就会发生：盲人无法感知光线、色盲缺乏分辨色彩的能力、健全人的眼睛看不见紫外线、红外线，分辨不出偏振光……但真正的，健全人看待世界的方式其实与盲人摸象别无二致。

一个已知的事实是地球面向太阳的区域每平方厘米每秒会穿过大约650亿个来自太阳的中微子，然而由于缺乏感知能力，不仅人类自身无法察觉。比如我们所谓的 “错觉”，错觉是在已获取信息的基础上，进行额外加工所获得的认知，有一个非常著名的例子就是卡尼萨三角形错觉;错误则是计划之外发生的随机突变。一些特殊的神经性疾病将使得我们感知到与常人完全不同的世界，例如拥有断续影像视觉(Cinematographic vision，一种罕见的精神异常现象)体验的人，大概会认同芝诺关于飞矢不动的论断所言非虚。

我们所谓的存在皆由我们的观察而得，而我们的观察方式存在先天性的漏洞。但奇妙的是，从感知、观察、形成概念、到逻辑推理均存在缺陷的人类，实现了真正的智能。

图灵开创了现代意义上的计算机科学，几乎同时代，美妙而强大的人工智能其实早在50、60 年代就开始研究了，但一直没有大的进展。之前的研究重点是精确的数理统计与创新算法，直到人们把眼光从线性系统放到非线性系统，从逻辑编排到混沌系统，从机器到人。才取得了一些有限的进展。比如模仿大脑神经元多层链路循环递进处理信息的方式，诞生了时下火热的深度学习。

计算机的发展，核心是逻辑门的堆叠带来的超高效率和超高准确性。100% 正确却诞生不了智能。非线性系统、混沌理论指导下，即使目前流行的分布式计算、并行计算，还没有真正有 “容错”的能力。模拟错误的信息输入，输出错误的模型，能在下一次模型实践中发现模型本身的错误或局限，在没有程序员没有旁人主动干扰指出中习得 “错误”，并从中学习进化。这需要部分抛弃冰冷的逻辑和理性，一场真正的哲学革命。

生命体是各种不同细胞的堆叠，涌现了意识、智能、情感、道德、乃至今天人类的一切，以至于反作用于现实世界本身。计算机实现强人工智能的一天，必然也具备意识、情感、道德等表面上与 “智能”无关的东西，那时候恐怕就不是一种机器和工具，变成活生生的生命体，而我们成为了造物主，成为了上帝。

宇宙的图像和大脑神经元的图像何其相似，真正人工智能的问世，笔者深信，那就是另一种创世。

作者：青山