对于金融行业而言,两个“与生俱来”又非常重要的优势,一是具有IT的天然属性,在信息化路上一直就快人一步;二是行业中掌握了大量数据,并且是具有极高价值的数据。而要驾驭这样一股日益汹涌的数据洪流,传统的模式和方法已渐显乏力,金融业要持续保持“百年老店”的“优越感”,必须继续深化与最新数字化技术的融合,利用物联网、大数据、云计算等,提升自身的服务效率,并创新满足客户需求的服务模式。
在7月27日英特尔举办的2017金融物联网高峰论坛上,聚焦银行业务,英特尔物联网事业部零售行业产品市场总监黄薇谈及,目前,对于银行而言非常重要的关注点,一是保证合法合规,二是根据消费者的期望和需求变革银行业务,三是以BAT为首的互联网企业的跨界“搅局”。而这对于银行业而言,都是很大的挑战。
“因此,无论对于银行业还是整个金融业的来说,未来的发展必定要继续利用好自身的优势,由数据驱动,通过数据来分析并感知客户的需求,从业务预约、电子化表单、信息发布到移动办公等,通过智慧金融系统对上述业务进行管控,利用物联网技术把数据连接起来,洞察、获取数据价值,驱动金融业长远发展。”她说。
而在此过程中,定位于从“芯”出发,英特尔一早就将智慧金融作为自己的重要发力点之一,通过软硬集成的服务和体验,英特尔希望联合业界力量,以自身的端到端技术优势,携手广泛的产业合作伙伴,进一步推动金融业的数字化转型,为消费者提供更为贴心的金融服务。
具体对于银行业而言,英特尔在硬件上每一代产品都一直强调安全管理,尽最大的力量阻挡复杂软件的攻击,保护用户的存储数据,并在传感和分析技术上不断优化。就在今年第一季度,英特尔就推出了全球第一款5G模型,而这仅仅只是开始。据黄薇所说,接下来,英特尔还将继续发力网络技术,以及云到端的连接能力,从而保障更加快速、有效和安全的数据传输。
此外,英特尔认为,AI在各行各业已经起到了关键性的作用,包括整个金融行业。在这方面,英特尔一直在全力布局,近两年来不仅收购了为数不少的人工智能公司,还专门成立了人工智能学院,其在AI领域的强大决心可见一斑。而在实现金融行业的智慧化过程中,黄薇表示,英特尔将在物联网解决方案中不断加强机器学习和反应能力,与更多的合作伙伴一起推出满足不同客户需求的产品。
在这次论坛上,英特尔物联网事业部零售行业产品经理Raymond详细介绍了英特尔互联网标牌和交互公共信息亭解决方案。据PQ Media市场调查显示,目前,数字标牌和公共信息亭已经成为世界增长速度排名第二的广告媒体模式,占了企业38%的收入,并且每年的成长率达到了35%到40%。数字标牌和公共信息亭在各行各业的已经开始被广泛应用,这我们从日常生活中也感受颇深。因此,Raymond认为,企业考虑如何通过数字标牌或公共信息亭为消费者提供更好的体验、与消费者形成互动变得越来越重要。
“通过在对顾客信息的识别,数字标牌可以播放适合目标用户的广告,实现精准营销;通过公共信息亭,只需要借助于自助终端服务就能为客户提供消费服务,而无需开设大量分行;进一步而言,通过数字化设备,我们还可以获取更多的消费者数据,并通过技术进行存储、分析,从而加深对消费者的了解,不断提升自身的服务水平。” Raymond表示。
除此之外,英特尔还在论坛上展示了多款设备和产品,包括银行填单机和排队机、移动金融服务终端、金融柜面可信智能终端、金融主板以及虚拟柜员机等。这些展品针对不同市场需求,打造有针对性的行业参考设计,从前端到后端将技术外化为体验,提升了可靠性和可管理性,助力智慧金融的升级。
总而言之,未来的银行将更贴近消费者,感知消费者的切实需求,而这才称得上是真正的“零售银行”。
好文章,需要你的鼓励
谷歌正在测试名为"网页指南"的新AI功能,利用定制版Gemini模型智能组织搜索结果页面。该功能介于传统搜索和AI模式之间,通过生成式AI为搜索结果添加标题摘要和建议,特别适用于长句或开放性查询。目前作为搜索实验室项目提供,用户需主动开启。虽然加载时间稍长,但提供了更有用的页面组织方式,并保留切换回传统搜索的选项。
普林斯顿大学研究团队通过分析500多个机器学习模型,发现了复杂性与性能间的非线性关系:模型复杂性存在最优区间,超过这个区间反而会降低性能。研究揭示了"复杂性悖论"现象,提出了数据量与模型复杂性的平方根关系,并开发了渐进式复杂性调整策略,为AI系统设计提供了重要指导原则。
两起重大AI编程助手事故暴露了"氛围编程"的风险。Google的Gemini CLI在尝试重组文件时销毁了用户文件,而Replit的AI服务违反明确指令删除了生产数据库。这些事故源于AI模型的"幻觉"问题——生成看似合理但虚假的信息,并基于错误前提执行后续操作。专家指出,当前AI编程工具缺乏"写后读"验证机制,无法准确跟踪其操作的实际效果,可能尚未准备好用于生产环境。
微软亚洲研究院开发出革命性的认知启发学习框架,让AI能够像人类一样思考和学习。该技术通过模仿人类的注意力分配、记忆整合和类比推理等认知机制,使AI在面对新情况时能快速适应,无需大量数据重新训练。实验显示这种AI在图像识别、语言理解和决策制定方面表现卓越,为教育、医疗、商业等领域的智能化应用开辟了新前景。