当银行遇到ai，人工智能是否重构金融生态？

emmm，实话实话，不会，起码这几年还不会。现在人工智能在银行中的应用，最大的是人脸识别身份认证，其次是替你解答问题的在线智能客服，姑且把视频安防摄像头什么的也算上的话，也只是占真正的银行业务里的一小部分。最近几年人工智能概念的火热很大程度上是因为随着计算能力的发展（此处可cue英伟达）深度学习算法在应用落地方面大放异彩。所以与其说是人工智能火，不如说是“人工智能”底下的一个分支学科“机器学习”里的一种分支算法“深度学习”火了而已。那么深度学习真正落地应用的领域是什么—也就是我们常说的“能干啥”？主要有两样：语音、图像。语音方面包括语音识别（直接的应用就是语音转文字）、语意理解（nlp，也就是让机器明白你的话，直接应用有翻译、语音助手等。这个发展其实遇到了一定挑战，你打开谷歌翻译或者翻译试试，又或者是随便**下siri，就知道这玩意其实有点人工智障）、还有语音合成等。图像方面应用稍为多一点，但也主要集中在静态图像跟动态图像（视频）的人脸识别、人体识别、车辆识别、文字识别等方面。我们拿现在银行业务最多最广（现在已经被农行、中行、建行在内的80多家银行使用）的ai公司云从科技来说，他们现在是银行业人脸识别技术最大供应商之一。（云从科技为银行柜台提供的人脸识别解决方案）
云从科技从2015年成立之初便已经认定了银行金融业务，现在除了人脸识别身份认证之外，云从还提供超级柜台、刷脸取卡、自动**机等非现金业务操作中。发现没有，ai在银行业务中的落地基本还是以身份识别、身份核准为主，虽然现在也有不少人在研究用ai来做风险控制、股票买卖投资之类的金融项目，但是暂时都没有取得特别大的突破。要满足现在的ai（深度学习）颠覆行业，这个行业要满足以下两点：
1、场景窄，规则明确：比如围棋，为期的规则非常明确，棋盘上有多少目数，最后的输赢，全都一目了然。现在的人工智能比较适合在一个闭集里应用。2、可用的数据量够大，能够对深度学习神经网络模型进行很好的训练。就像看过了成千上万张图像后，机器可以辨别出这是猫还是狗，是人是车。金融市场中很多场景应用都是多变量、场景大、规则变化、可用于训练的数据量并不多，所以暂时来说，人工智能还不能重构金融生态。