近日，由中央財經大學主辦的“另類投資全球金融峰會”在北京拉開帷幕。國美金融智能投顧首席顧問、中國銀行業協會金融AI專家顧問王蓁博士應邀出席并發表演講。本屆峰會有來自金融、科技等多個領域的近百位行業精英及媒體嘉賓出席，圍繞金融科技、另類投資、另類數據等熱點話題，探討新興技術與金融領域不斷融合形勢下的行業新趨勢。

王蓁表示，領域知識的閾值從長期來看是機器學習的最關鍵部分，從業者需要知道如何恰當使用機器學習技術。“最近一段時間來，有的人把人工智能看成是一把錘子，拿著這把‘錘子’很容易看現在各個領域、各個環節都是需要被改造的‘釘子’，忍不住上去敲兩下。”他認為，這是人工智能容易被過度應用的典型表現，無論在學術界還是在工業界需要從業者警惕的現象。

王蓁認為，人工智能需要結合具體的商業化場景才能發揮真實的價值，需要有著深刻的領域知識才能更好的建立模型，從解決問題的角度評價模型表現、迭代模型和滿足業務的實際需求。

王蓁把人工智能在實踐落地的方案總結為需要注重三個核心要點：

首先，核心團隊組建的“一個大腦+99個流水線研究員”模式。王蓁認為，好的金融人工智能專家，不但要精通各個人工智能模型算法，而且一定需要兼備對具體業務的深刻理解和各個算法模型的熟練掌握。

作為一個大腦，構建解決具體業務問題的解決方案流程框架和大體思路，然后對框架拆分的各個子系統和子模型，配備99個“流水線”研究和建模人員，輔助完成具體建模細節和調參等工作。然而，當前在國內具有一個大腦能力的金融人工智能專家是極其稀缺的。

第二，金融人工智能產品的“沒有免費午餐”定理。王蓁強調純平臺性的人工智能算法模型不具備跨行業和跨業務的普適性。例如，電商算法專家不一定是好的財富管理模型算法專家，學校的金融科研論文模型不一定是可落地的信用模型算法。

他強調，對任務和數據本身以及對行業的認知與數據產生過程的深入認識很重要，對待業務問題需要具體問題具體分析：對特定的任務和數據產生過程，目標是獲得最優的機器學習和人工智能模型。

此外，中美金融市場大不相同，國情和制度也截然不同，直接使用美國的模型(例如財富管理和智能投顧領域的現代資產組合理論MPT, MVO, BL等)都不是最優的。

第三，智能金融產品設計的“應用場景分析”法則。王蓁提倡銀行設計智能產品時，需要具體設想和分析用戶使用的具體場景，充分考慮當前人工智能技術不能完全覆蓋的功能，導致用戶使用的潛在不足，并通過產品設計和業務折中方案達成最后的完整使用體驗。