蒋昌俊发现了网络并发系统数据传输容量的性能界限 ， 提出非均衡网络流量优化计算方法 ， 采用计算任务全局导向的树型编码模式 ， 突破了原有网络计算方法局部传递负载所导致的平衡过程长、效率低、算法收敛速度较慢等瓶颈 ， 实现互联网大规模、非均衡、短时突发等的流量计算 。
除了在高并发性、高时效性上解决网络交易的安全问题 ， 还有从用户直接行为分析得来的网络交易行为认证 。
在网络交易中 ， 传统交易认证采用单域管控的身份识别认证方式 ， 即通过网络安全的身份信息、银行账户的数字密码等进行认证 。 然而 ， 这些信息极易被非法骗取 ， 欺诈手段的多变、欺诈隐蔽性增强以及团伙跨域作案都使得这样的方式效用有限 。
如何以不变应万变？
“以不变应万变”：从变化的行为数据中求解不变的行为纹理
对于实现“以不变应万变” ， 蒋昌俊的思路是：从变化的行为数据中求解获得不变的行为纹理 。
这也是国际上较早提出的网络交易风险防控行为认证方法 ， 但当时普遍采用的是诈骗后总结规则 ， 缺乏统一设计 ， 规则之间缺乏一致性 ， 效率低、准确性差 ， 无法应对层出不穷的诈骗手段 。
蒋昌俊带领团队另辟蹊径 ， 提出行为认证基础即“行为认人” 。 他提出 ， “现实生活中 ， 每个人的行为习惯会体现在一言一行中 。 网络上也一样 ， 任何一个细小行为都会留下‘痕迹’ ， 如使用的设备、时长、频率……久而久之形成习惯 。 这种习惯如同指纹一样难以复制 ， 具有比密码更复杂的特点 ， 通过深入分析这些‘痕迹’ ， 可以对网络交易支付用户进行瞬时精准识别 。 ”
“行为认人”通过整合普通消费者的资金链、消费方式、消费时间、消费地点等多要素、碎片化的信息完成消费规律建模 ， 然后与诈骗者一次性转移资金的异常分散规律进行比对分析 ， 进而识别出诈骗行为 。 在当时应用到网络交易平台后 ， 这套方法就将交易识别率从44%提高到96.91% 。
目前 ， 该成果已在全球最大的第三方支付平台支付宝获得应用 ， 服务于全球200多个国家和地区的9亿多支付宝实名用户 。 “Paypal的赔付率是千分之1.9 ， 也就是做1000块钱要赔付1.9元 ， 而我们是百万分之5 ， ”蒋昌俊表示 。
蒋昌俊的团队也与中国工商银行、上海自贸区等单位建立了合作关系 ， 通过融e行、自贸区企业行为风险防控技术等产品对金融系统进行安全监控管理 。
到这里可以思考一个更为宏观的问题 ， AI如何切实落地场景起到实效？
蒋昌俊对澎湃新闻（www.thepaper.cn）表示 ， “人工智能的发展是一个长期的过程 ， 深度学习确实解决了一些问题 ， 但不能期待其能一下解决所有问题 。 还没有达到这个程度 ， 如果期待过高 ， 时间久了反而会起反作用 。 从我的经验来看 ， 不如找准问题 ， 找准对策 ， 扎扎实实解决问题 。 ”
AI的未来：扎根真实场景 ， 突破基础研究短板
“目前 ， 我国在智能交通、互联网金融、智慧医疗等领域已经取得了初步的应用成果 。 国内互联网企业也纷纷规划人工智能蓝图 ， 比如百度的自动驾驶 ， 阿里的城市大脑智能交通 ， 腾讯的医疗读片和医疗影像资料处理 ， 科大讯飞的语音识别；寒武纪、科大讯飞、商汤科技为代表的初创企业在技术上不断创新；海康威视占据全球智能安防企业的第一名 。 这些都是我国在AI产业中取得的实际成就 。 ”蒋昌俊曾表示 。
蒋昌俊同时指出 ， 当前我国人工智能产业尚未形成有影响力的生态圈和产业链 ， 与美国、欧洲相比 ， 更加集中于应用落地 ， 但在基础理论和原创算法方面发展薄弱 ， 缺乏突破性、标志性研究成果 ， 在共性技术平台、智能芯片等方面的发展也相对薄弱 。