【獵雲網武漢】5月17日報導
5月17日，「萬物生長——2019武漢創業創新峰會暨第二屆楚馨獎頒獎盛典」在武漢光谷凱悅酒店隆重舉辦。
峰會上，極驗聯合創始人張振宇以《AI生長：下一代深度學習技術的創新機遇》為題分享了自己的觀點。張振宇認為，以卷積神經網絡為代表的深度學習的技術進步，過去的3-4年在很多的應用領域，比如人臉識別、智能安檢、語音識別等取得了很大的進步。技術變革會帶來了產品上的機遇，甚至帶來產業上的機遇。在未來，AI+圖數據的組合對產業帶來巨大的變革。
張振宇認為，在過去幾年，深度學習對網絡安全行業帶來的機遇有3個：人機驗證、防入侵檢測和業務風控模型。
圖卷神經網絡進一步突破了行業數據的限制，保持數據的關聯性的前提下，挖掘數據的價值，在精準營銷、推薦業務、智能風控等場景下都有很高的價值。
此次峰會由獵雲網&獵勵科技主辦，武漢東湖新技術開發區管委會作為指導單位，銳視角、獵雲資本、獵雲財經、懂幣帝、創頭條作為協辦方。
獵雲網已連續兩年推出萬物生長武漢創業創新峰會，致敬最有拼搏勁和創新精神的武漢系創業者，窺探武漢創業投資變局，試圖從媒體、數據、資本的角度全面解讀「創業in武漢」。
以下為演講實錄，獵雲網經刪減整理：
今天很高興第二次站在武漢的峰會給大家做分享，前面聽了很多投資人包括嘉賓做了行業裡機會的分享。我自己也是有很多感觸，相信大家聽了這些分享收穫很多。因為我們（公司）做的是這樣一個形式是比較細分的，也比較技術驅動，接下來給大家分享一下我們極驗聯合在最近兩年發現了哪些新的機遇，技術上的變革。好，進入主題。
相信大家非常熟悉深度學習，在2015年到2016年非常活躍，現在是2019年了，相信大家對深度學習的應用非常熟悉了，包括一些人臉識別、智能安檢、語音識別等很多。今天的主題不是深度學習，我只給大家簡單過一下。那麼深度學習為什麼這麼成功？其實從2012年開始，以卷積神經網絡為代表，深度學習取得了很大的成功。最大的一個變化是相比傳統的機器學習，深度學習是做到端到端的輸出，傳統的機器學習依賴於人工經驗，需要自己構造很多特徵，採用傳統的分類器才能得到業務結果。但深度學習是完全不需要的，直接把數據輸入進去，跟輸出的結果做一個鑑定之後，想要的輸出為目標，我們通過強大的神經網絡之後就可以得到我們想要的結果。
網絡安全行業裡深度學習的三個機遇
我想跟大家講的是，我們為什麼看重技術背後的變革，因為技術變革會帶來產品上的機遇，甚至帶來產業上的機遇。我們以深度學習為例，以網絡安全行業為例，因為我們本身做這個行業。大家如果在2012年看深度學習技術，可能成為一個爆發式的增長，解決很多實際產生的問題，站在這個節點之後我們想到底帶來哪些機遇呢？
第一人機驗證，其實是非常歷史悠久的技術，傳統的自我驗證碼核心的理念是計算機沒有辦法識別出圖片裡的字符，但是人是可以識別的。但是我們想，深度學習技術發展這麼快，這背後的理論還能不能成立？如果說不能成立，代表變革發生了，那麼會帶來新的產品機遇。
我再舉個例子，比如防入侵檢測，我們對已知的入侵模式建好了之後，比如一些規則，當下一個出現類似入侵的時候我們可以進行識別。既然AI這麼強大，我們能不能利用AI對未知入侵進行判斷呢？這也可能是很好的機會。
第三，業務風控模型。金融行業很早就有戰略風險，我們有風控的戰略經驗，但是傳統的模式是依賴於專家的經驗，我們能不能利用AI去擺脫人類的經驗，然後充分利用大數據背後的價值，利用AI挖掘背後的價值，這是技術變革帶來的一些思考。當然今天還是以我們企業自己的例子給大家講一下，比如人機驗證為例，在AI時代我們需要新的產品，打造新的技術。
我們在2012年的時候看到深度學習可能會對這樣一個領域帶來變革，所以我們率先提出了行為式驗證安全理論，核心是依據既然深度學習這麼強，我們背後能不能依賴於AI構建安全系統呢？我們通過大量數據建模得到一個模型，然後採用卷積神經網絡，非常強大的技術構建AI內核，最後得到一個真正安全的人機模型。就是因為這樣一個細小的機會，我們通過技術上的創新，打造了AI產品，也經過這麼多年的發展，現在超過26萬家的客戶，真的是非常大的數字。
AI+圖數據的組合對未來產業的變革
今天的分享更多是想講最近兩年又有新的發現，雖然說深度學習非常強大，但是我們從專業的角度，技術的角度去看，其實有很大的一個局限：研究學習的對象，嚴格限制在規則結構化數據，比如2D圖象，1D的語音或者文本。這導致問題是很多企業，我們除了結構化分析之外，我們更多是關係化數據，數據和數據之間是有關聯的。比如社交網絡裡，用戶和用戶之間有關注，用戶會發一些帖子，帖子會有轉發，這就形成了關聯關係。因為傳統建模方式是沒有辦法發生關係，包括銀行裡的金融風控，人與人之間是有關聯的，我們用更加深度的方法找到哪些用戶是有價值的，哪些用戶是存在風險的。
所以說，總的來看，第一個問題是效率非常低，沒有很好的建模方式。我們談到深度學習的極限，對業務分析，我們想有沒有一種方法能夠自動地同時學習這種特徵信息和結構信息呢？其實是有的，2017年下半年，在學術界冒出一個新的想法，叫做圖卷神經網絡，最典型的特徵是我們把強大的深度學習技術直接應用到代表關係性應用數據的圖上面。我們說一下圖卷積神經網絡的理解，端到端的學習，不需要任何人工，適用範圍非常的廣只要數據存在關聯，不管是那個行業，都可以進行應用。比如網際網路、新聞領域，都可以應用的，以及當前新的技術在公開數據集的效果遠遠比其他的要優秀。
典型的幾個應用場景，比如精準營銷、推薦業務、智能風控，所以說我們相信技術會帶來很大的變化。但是問題來了，我們當時人工智慧的變革一樣，這個技術非常牛，但是它的成本非常高，我們需要大量的設備、人才、專業的知識積累，有這些好的技術之後，企業怎麼應用呢？我們極驗聯合作為本身在最早從2017年開始，經過一兩年的打磨，我們發現真正實實在在系統對企業要求非常高，我們想能不能把這套能力開放出來呢？我們搭建一個平臺，大概是四層，（如圖），關係型的資料庫都是有的，再下面是分布式圖引擎，分布式圖學習引擎，Work Studio這四個方面。
總的來看我們給企業帶來的價值是一個低門檻、低成本、適應性強的平臺。企業價值，完全可以利用這個平臺達到要求。
傳統機器建模平臺處理數據和完成圖數據建模對比，原始數據本身有一些關聯信息，但是我們需要把關係數據給丟掉的，但是圖數據這樣一個建模方式原始數據任何場景充分保留用戶價值，最後通過這個方向取得更好的結果。
所以回顧最開始的問題，深度學習在2012年這個時間節點給我們帶來很多新的意想不到的機會，我們極驗聯合認為下一代深度學習技術會帶來什麼新的機遇呢？我相信也是各位想得到的答案。我只能說以一個例子說明，從我們產業角度、細分領域角度講解技術變革帶來新的產品機會，我們認為圖或者關聯數據是一種無處不在的數據表達方式，以圖卷積模型為代表的AI+圖數據的組合對未來產業一個大的變革，希望大家能夠抓住新的技術帶來變革的機會。