AI 風(fēng)控目前是金融數(shù)字化最主要的應(yīng)用場(chǎng)景。根據(jù)艾瑞咨詢(xún)《2020 年中國(guó) AI＋金融行業(yè)發(fā)展研究報(bào)告》，AI 風(fēng)控約占到了 2019 年 AI 金融市場(chǎng)規(guī)模的 45%。AI 技術(shù)與風(fēng)控的結(jié)合也被銀行等金融機(jī)構(gòu)視為最有價(jià)值的技術(shù)落地場(chǎng)景。
隨著業(yè)務(wù)的數(shù)字化、線(xiàn)上化進(jìn)程不斷加快，基于傳統(tǒng)的業(yè)務(wù)拓展模式所發(fā)展起來(lái)的傳統(tǒng)風(fēng)控方式和管控手段已不能適應(yīng)業(yè)務(wù)創(chuàng)新的需要，金融機(jī)構(gòu)業(yè)務(wù)在線(xiàn)上化的過(guò)程中可能會(huì)面臨虛假申請(qǐng)、偽冒交易、內(nèi)容違規(guī)等風(fēng)險(xiǎn)，面對(duì)這些新業(yè)務(wù)存在的風(fēng)險(xiǎn)，傳統(tǒng)金融機(jī)構(gòu)之前所積累的經(jīng)驗(yàn)是否仍舊有效使存在挑戰(zhàn)的。因此，金融業(yè)需要與時(shí)俱進(jìn)引進(jìn)新的技術(shù)，以彌補(bǔ)風(fēng)控體系中的不足。
風(fēng)險(xiǎn)管控是金融企業(yè)的核心能力，最近幾年，銀行業(yè)對(duì)風(fēng)控技術(shù)的投入不斷增加，有不少金融機(jī)構(gòu)選擇和第三方智能風(fēng)控公司合作構(gòu)建智能風(fēng)控體系和平臺(tái)。
其實(shí)現(xiàn)在 AI 技術(shù)在金融行業(yè)風(fēng)控上面的運(yùn)用已遠(yuǎn)遠(yuǎn)走在了合規(guī)管理運(yùn)用的前面，主要在銀行業(yè)和互聯(lián)網(wǎng)金融業(yè)的信貸、反洗錢(qián)等場(chǎng)景。機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、自然語(yǔ)言處理、計(jì)算機(jī)視覺(jué)、知識(shí)圖譜、語(yǔ)音識(shí)別等 AI 技術(shù)在風(fēng)控領(lǐng)域都有廣泛應(yīng)用。
領(lǐng)域內(nèi)部已形成了一套成熟有效的評(píng)估標(biāo)準(zhǔn)來(lái)評(píng)估風(fēng)控效果，例如對(duì)建模的效果主要的評(píng)估指標(biāo)是召回率和準(zhǔn)確率。召回率用來(lái)識(shí)別和評(píng)估有多少未發(fā)現(xiàn)的黑產(chǎn)賬戶(hù)。準(zhǔn)確率評(píng)估風(fēng)控系統(tǒng)判斷的準(zhǔn)確度，有沒(méi)有誤傷普通用戶(hù)。這兩個(gè)指標(biāo)相互對(duì)立、相互制衡，當(dāng)需要更多召回時(shí)，可設(shè)置更多門(mén)檻，用更多特征將模型的預(yù)測(cè)調(diào)到更低，采用更嚴(yán)格的策略，這時(shí)召回率提升，但可能對(duì)用戶(hù)傷害較大。反之，如果想盡可能方便正常用戶(hù)，就要改變召回率。
值得注意的是，AI 風(fēng)控的整體目標(biāo)并不是說(shuō)要把每一筆欺詐交易、每一個(gè)“壞人”全部找出來(lái)，這很難也并不現(xiàn)實(shí)。風(fēng)控的最終目標(biāo)是，即便在任何最?lèi)毫拥那闆r下，仍然能夠?qū)θ值娘L(fēng)險(xiǎn)做到有效控制。
現(xiàn)階段，AI 風(fēng)控技術(shù)在發(fā)展和業(yè)務(wù)應(yīng)用的過(guò)程中一直以來(lái)都存在著挑戰(zhàn)，主要體現(xiàn)在以下幾個(gè)方面：
信息壁壘
在傳統(tǒng)企業(yè)中，特別是在一些大型的企業(yè)中，系統(tǒng)之間存在著信息壁壘。
數(shù)據(jù)隱私問(wèn)題
金融領(lǐng)域的數(shù)據(jù)對(duì)用戶(hù)隱私要求較高，去年年底，多家金融大數(shù)據(jù)公司接連被查，數(shù)據(jù)安全問(wèn)題也再一次引發(fā)人們的擔(dān)憂(yōu)。
“當(dāng)手上的信息越多，模型識(shí)別的就越準(zhǔn)，但風(fēng)控會(huì)與個(gè)人隱私保護(hù)相沖突，因此既能在保護(hù)個(gè)人隱私的同時(shí)還能做好風(fēng)控，這是一個(gè)非常大的挑戰(zhàn)”，數(shù)美科技聯(lián)合創(chuàng)始人& CTO 梁堃告訴 InfoQ。據(jù)他介紹，針對(duì)數(shù)據(jù)隱私，數(shù)美科技目前采用兩種解決方案，一種是業(yè)內(nèi)大規(guī)模普遍使用的方法 — 對(duì)數(shù)據(jù)進(jìn)行脫敏處理；團(tuán)隊(duì)也正在探索采用聯(lián)邦學(xué)習(xí)技術(shù)。
維擇科技首席咨詢(xún)官孫睿在接受 InfoQ 采訪時(shí)表示，法規(guī)層面上要求合規(guī)經(jīng)營(yíng)，首先需要思考的是，開(kāi)展風(fēng)控業(yè)務(wù)是否一定要涉及隱私，涉及過(guò)程中是否遵循了法規(guī)。先要弄清楚在法規(guī)的框架下能做什么和不能做什么，至于采用什么技術(shù)，則是第二步需要考慮的問(wèn)題。
他坦言，盡管金融領(lǐng)域出現(xiàn)了不少隱私保護(hù)技術(shù)，但目前來(lái)看還沒(méi)有特別好的、廣泛認(rèn)可或使用的解決方案。專(zhuān)門(mén)用于處理建模過(guò)程中隱私數(shù)據(jù)共享問(wèn)題的聯(lián)邦學(xué)習(xí)技術(shù)最近很火，但該技術(shù)尚沒(méi)實(shí)現(xiàn)大規(guī)模落地。
數(shù)據(jù)孤島
數(shù)據(jù)孤島的問(wèn)題一直都存在，未來(lái)的一段時(shí)間也還會(huì)長(zhǎng)期存在，市面上還沒(méi)有看到特別好的解決方案出現(xiàn)。
依賴(lài)大量標(biāo)注數(shù)據(jù)
數(shù)據(jù)標(biāo)注是深度學(xué)習(xí)和 AI 這幾年發(fā)展的必然趨勢(shì)，當(dāng)“投喂”的數(shù)據(jù)越多，效果越好，這也是 AI 行業(yè)最主流的提升效果的方法之一。而這導(dǎo)致的后果就是，所有行業(yè)對(duì)數(shù)據(jù)標(biāo)注的依賴(lài)度越來(lái)越高。
為解決這一痛點(diǎn)，InfoQ 接觸到的兩家公司采用了類(lèi)似的方案。維擇科技會(huì)使用一些無(wú)監(jiān)督機(jī)器學(xué)習(xí)模型處理這些問(wèn)題，其無(wú)監(jiān)督機(jī)器學(xué)習(xí)算法能夠有效發(fā)現(xiàn)已知和未知的欺詐形態(tài)，在協(xié)同的團(tuán)伙型欺詐攻擊案件中表現(xiàn)不俗，能在大規(guī)模攻擊發(fā)生前及時(shí)攔截，并提供高可解釋性的檢測(cè)歸因。為了達(dá)到更好的效果，孫睿建議將有監(jiān)督與無(wú)監(jiān)督組合使用會(huì)取得更理想的效果。除采用無(wú)監(jiān)督學(xué)習(xí)技術(shù)外，數(shù)美科技也在嘗試小樣本學(xué)習(xí)等方法。
依賴(lài)專(zhuān)家經(jīng)驗(yàn)
傳統(tǒng)的風(fēng)控系統(tǒng)對(duì)于專(zhuān)家經(jīng)驗(yàn)非常依賴(lài)，應(yīng)用上 AI 技術(shù)后的智能風(fēng)控體系，在一定程度上緩解了這個(gè)問(wèn)題。
這里需要明確的是，AI 與專(zhuān)家經(jīng)驗(yàn)之間的關(guān)系并不是非此即彼的。AI 是幫助專(zhuān)家將風(fēng)控理念落地的工具，而非替代專(zhuān)家。當(dāng)風(fēng)險(xiǎn)因素、規(guī)則特征繁多，專(zhuān)家經(jīng)驗(yàn)管理起來(lái)力有不逮時(shí)，AI 能幫專(zhuān)家從繁復(fù)的規(guī)則中脫身出來(lái)。而在判斷風(fēng)險(xiǎn)點(diǎn)何時(shí)何地出現(xiàn)上，專(zhuān)家經(jīng)驗(yàn)又不可或缺。
因此，一個(gè)公認(rèn)的解決方案是，要將專(zhuān)家經(jīng)驗(yàn)和模型結(jié)合起來(lái)，二者同時(shí)存在，相輔相成，功能互補(bǔ)，互相配合。梁堃覺(jué)得，對(duì)于大多數(shù)金融機(jī)構(gòu)而言，從零搭建起自己的風(fēng)控系統(tǒng)，現(xiàn)在還做不到一下子完全替換掉專(zhuān)家經(jīng)驗(yàn)，短期來(lái)看，至少在未來(lái) 3-5 年內(nèi)不會(huì)出現(xiàn)這種情況。
效率問(wèn)題
機(jī)器學(xué)習(xí)中的模型訓(xùn)練在過(guò)去幾年比較火，大家認(rèn)為做算法、做模型能夠解決很多問(wèn)題。但后來(lái)發(fā)現(xiàn)還存在效率問(wèn)題，多次的模型訓(xùn)練會(huì)耗時(shí)費(fèi)力。
實(shí)現(xiàn)風(fēng)控的體系化
在搭建風(fēng)控體系過(guò)程中，絕不是單靠一個(gè)模型、一個(gè)單點(diǎn)就可以識(shí)別的，否則很難達(dá)到真正抵達(dá)風(fēng)險(xiǎn)核心、控制全局風(fēng)險(xiǎn)的效果。想要建立一個(gè)體系化的風(fēng)控系統(tǒng)是比較難的，上來(lái)的第一個(gè)挑戰(zhàn)便是如何規(guī)劃這個(gè)體系。
風(fēng)控的可解釋性
當(dāng)運(yùn)營(yíng)的技術(shù)越來(lái)越復(fù)雜，用到的程序越來(lái)越多時(shí)，風(fēng)控的可解釋性就是一大挑戰(zhàn)，因?yàn)楫?dāng)判斷一筆交易有風(fēng)險(xiǎn)時(shí)需要給出解釋。那么，對(duì)現(xiàn)有的模型如何在做到復(fù)雜度的同時(shí)做到比較好的解釋性是比較難的。
近年來(lái)，傳統(tǒng)金融機(jī)構(gòu)的獲客成本不斷提高，另一方面，黑產(chǎn)分子欺詐的手段也是“道高一尺、魔高一丈”，人機(jī)對(duì)話(huà)、網(wǎng)絡(luò)詐騙等新興欺詐手段增多，詐騙方法也漸趨智能化。
黑產(chǎn)的存在令金融機(jī)構(gòu)營(yíng)銷(xiāo)的效果大打折扣，與傳統(tǒng)的渠道買(mǎi)流量方式相比，線(xiàn)上營(yíng)銷(xiāo)最終觸達(dá)的是 C 端用戶(hù)，如果這些用戶(hù)是黑產(chǎn)用來(lái)套利的假用戶(hù)，那么將存在損失無(wú)法追溯的問(wèn)題。
以前，銀行對(duì)于營(yíng)銷(xiāo)活動(dòng)的損失沒(méi)多大概念，即便用戶(hù)流失低于預(yù)期，也很難判別到底有多少營(yíng)銷(xiāo)費(fèi)用到了真正的用戶(hù)手里，有多少被黑產(chǎn)套走了。針對(duì)新型詐騙方法，AI 風(fēng)控產(chǎn)品能幫助金融機(jī)構(gòu)實(shí)現(xiàn)風(fēng)控效果、降低獲客成本、以及提升運(yùn)營(yíng)效率之間的平衡。
梁堃向 InfoQ 列舉了 2 個(gè)典型案例。
某 A 銀行客戶(hù)，為拉新用戶(hù)投入一筆可觀的營(yíng)銷(xiāo)費(fèi)用，費(fèi)用每天大概在百萬(wàn)元左右。數(shù)美科技的風(fēng)控產(chǎn)品通過(guò)檢測(cè)后發(fā)現(xiàn)，平均每天有 3%-5% 的營(yíng)銷(xiāo)費(fèi)用被黑產(chǎn)套走，是一筆不小的損失。
某 B 客戶(hù)在營(yíng)銷(xiāo)活動(dòng)上線(xiàn)后兩周，提現(xiàn)系統(tǒng)的拒絕率竟出人意料地達(dá)到了 90%。“當(dāng)時(shí)我自己也挺害怕的，我在想是不是系統(tǒng)出問(wèn)題了，怎么會(huì)一下拒絕這么多”。后來(lái)經(jīng)過(guò)調(diào)查發(fā)現(xiàn)，其實(shí) 90% 被拒絕的用戶(hù)基本上都是黑產(chǎn)。
從降本增效的角度考慮，AI 技術(shù)的應(yīng)用確實(shí)可以起到一定的作用。首先在降低獲客成本上，如在貸款場(chǎng)景中，客戶(hù)提交申請(qǐng)到審批的過(guò)程中，如需引入外部數(shù)據(jù)，每調(diào)用一次都會(huì)產(chǎn)生成本。用 AI 技術(shù)可以做到更精準(zhǔn)、更高效的使用這些有成本的環(huán)境，這樣就能降低獲客成本。
在“增效”方面，同樣以審批環(huán)節(jié)為例子，傳統(tǒng)銀行體系需要人工審核，審核人員通常需要看申請(qǐng)表、征信報(bào)告、外部數(shù)據(jù)等很多材料。如果利用圖譜技術(shù)將這些信息整合到一個(gè)頁(yè)面且以圖像化的形式展示出來(lái)，把存在的疑點(diǎn)高亮出來(lái)提示調(diào)查人員，就能減少人工去不同系統(tǒng)調(diào)用數(shù)據(jù)的時(shí)間，提高處理效率。
根據(jù)孫睿的經(jīng)驗(yàn)判斷，AI 風(fēng)控能夠至少能夠在成本和效率方面有 30% 以上的貢獻(xiàn)。
孫睿認(rèn)為，銀行等金融機(jī)構(gòu)搭建和落地智能風(fēng)控體系需要具備四大核心能力：
數(shù)據(jù)的質(zhì)量和數(shù)據(jù)的有效打通
這是風(fēng)控解決方案要想順利落地第一個(gè)要解決的關(guān)鍵問(wèn)題。金融行業(yè)各個(gè)企業(yè)數(shù)據(jù)質(zhì)量參照不齊，傳統(tǒng)風(fēng)控流程中多是金融數(shù)據(jù)或交易數(shù)據(jù)，而“數(shù)據(jù)打通”不僅要求金融數(shù)據(jù)和交易數(shù)據(jù)，還要包括行為數(shù)據(jù)、實(shí)時(shí)產(chǎn)生的數(shù)據(jù)等，需要具備處理非結(jié)構(gòu)化數(shù)據(jù)的能力。解決這個(gè)問(wèn)題更多靠企業(yè)自發(fā)推動(dòng)，但如何在保證業(yè)務(wù)發(fā)展的同時(shí)，把以往的這些歷史包袱解決掉，對(duì)企業(yè)來(lái)說(shuō)，挑戰(zhàn)和難點(diǎn)重重。
具備底層技術(shù)研發(fā)能力
為了適應(yīng)業(yè)務(wù)創(chuàng)新，底層架構(gòu)必須具備支持高并發(fā)，大量短時(shí)內(nèi)請(qǐng)求的能力。
搭 建適應(yīng)數(shù)字化轉(zhuǎn)型體系
在數(shù)字化、智能化轉(zhuǎn)型過(guò)程中，如何在原有的風(fēng)控體系上搭建一些適應(yīng)數(shù)字化或智能化轉(zhuǎn)型的體系，這些同樣也是為了支持業(yè)務(wù)創(chuàng)新的需要。
專(zhuān)業(yè)人才配比
搭建整個(gè)智能風(fēng)控體系需要專(zhuān)業(yè)運(yùn)維人才，因?yàn)轱L(fēng)控是動(dòng)態(tài)的，不是靜態(tài)的，不是搭建完成后就萬(wàn)事大吉了，而是需要有專(zhuān)業(yè)的人才去運(yùn)用這套體系，不斷完善和查漏補(bǔ)缺，以應(yīng)對(duì)新風(fēng)險(xiǎn)的出現(xiàn)。在技術(shù)落地的過(guò)程中，需要企業(yè)或項(xiàng)目團(tuán)隊(duì)有相當(dāng)?shù)募夹g(shù)人員配比，如果缺少技術(shù)人員將會(huì)在落地過(guò)程中遇到一些挑戰(zhàn)。
AI 風(fēng)控解決方案在金融領(lǐng)域的實(shí)際應(yīng)用過(guò)程中，經(jīng)常遇到的一個(gè)難點(diǎn)是，解決方案應(yīng)該采用哪種方式落地。一些新的技術(shù)，很多時(shí)候更傾向于云端部署，但很多企業(yè)出于自身運(yùn)營(yíng)模式、企業(yè)流程規(guī)定的考慮，要求本地化部署。在本地化部署的過(guò)程中，新技術(shù)要適應(yīng)原有機(jī)器的性能、原有軟件的版本，就有可能出現(xiàn)各式各樣的問(wèn)題，因此，在項(xiàng)目落地的過(guò)程中會(huì)存在很多理論上考慮不到的情況。
“AI 風(fēng)控產(chǎn)品落地的過(guò)程中，最大的挑戰(zhàn)還是大家的意識(shí)”，梁堃表示。與四、五年前相比，現(xiàn)在傳統(tǒng)的金融機(jī)構(gòu)對(duì)于布局 AI 風(fēng)控的意識(shí)提高了很多。
不過(guò)有時(shí)候客戶(hù)的期望與實(shí)際達(dá)到的效果之間仍存在鴻溝，一些客戶(hù)對(duì) AI 技術(shù)賦能期望過(guò)高。這是因?yàn)閷?duì)技術(shù)的理解不夠全面導(dǎo)致的，AI 技術(shù)應(yīng)用到實(shí)際操作中后會(huì)受到多種因素影響，并非是技術(shù)本身不行。因此，在風(fēng)控意識(shí)提高的同時(shí)，提高對(duì)技術(shù)全方位的認(rèn)知也很有必要。
自去年 9 月以來(lái)，監(jiān)管機(jī)構(gòu)加大了對(duì)金融機(jī)構(gòu)的合規(guī)檢查力度，監(jiān)管重點(diǎn)多聚焦于數(shù)據(jù)的合規(guī)使用上，以往很多人都偏重大數(shù)據(jù)產(chǎn)品，大量收集用戶(hù)數(shù)據(jù)，或多或少都會(huì)涉及隱私和敏感問(wèn)題，數(shù)據(jù)合規(guī)壓力很大。
在政策趨嚴(yán)之下，金融行業(yè)興起一股技術(shù)回歸的浪潮，各金融機(jī)構(gòu)愈發(fā)重視風(fēng)控環(huán)節(jié)中的 AI 技術(shù)能力建設(shè)。以往大家過(guò)度依賴(lài)數(shù)據(jù)，忽略了 AI 技術(shù)的深度使用，現(xiàn)在隨著監(jiān)管監(jiān)管對(duì)數(shù)據(jù)合規(guī)使用的要求加強(qiáng)，有利于 AI 技術(shù)本身發(fā)揮更多價(jià)值。其實(shí) AI 風(fēng)控產(chǎn)品 / 平臺(tái)也有利于幫助金融機(jī)構(gòu)減輕一些來(lái)自監(jiān)管層面的風(fēng)險(xiǎn)和壓力，例如，控制信用卡的資金流向。當(dāng)然，AI 風(fēng)控產(chǎn)品是在遵循合規(guī)要求的前提下設(shè)計(jì)的。
不能忽視的是，有些時(shí)候，盡管已經(jīng)施加了最高等級(jí)的風(fēng)險(xiǎn)防控手段，但還是難免會(huì)出現(xiàn)一些泄密的情況，前文中也已提到了現(xiàn)階段 AI 風(fēng)控在技術(shù)和落地上所面臨的種種難點(diǎn)，例如，人們擔(dān)心 AI 對(duì)于數(shù)據(jù)的依賴(lài)會(huì)影響風(fēng)控效果，也有人擔(dān)憂(yōu)，如果 AI 技術(shù)出現(xiàn)失控情形，是否會(huì)影響金融服務(wù)質(zhì)量。
業(yè)內(nèi)有一種聲音質(zhì)疑，AI 風(fēng)控是否是一個(gè)偽命題？針對(duì)這一問(wèn)題，InfoQ 詢(xún)問(wèn)了兩位專(zhuān)家的看法。
“其實(shí)它已不僅僅是一個(gè)方式（工具），它會(huì)像在線(xiàn)業(yè)務(wù)的基礎(chǔ)設(shè)施一般，就如同在線(xiàn)業(yè)務(wù)離不開(kāi)數(shù)據(jù)庫(kù)、云主機(jī)一樣，未來(lái)在線(xiàn)業(yè)務(wù)也是離不開(kāi)風(fēng)控的”，梁堃對(duì) AI 風(fēng)控的前景表示非常有信心，他認(rèn)為，AI 風(fēng)控一定能夠成為剛需。
孫睿亦認(rèn)為，AI 風(fēng)控是剛需，AI 能夠解決一些傳統(tǒng)銀行體系中存在的痛點(diǎn)問(wèn)題。首先是人工效率的問(wèn)題，傳統(tǒng)體系中，人為干預(yù)因素較多，但每個(gè)人工作時(shí)間有上限。但 AI 的工作時(shí)間不會(huì)受到限制，可以 24 小時(shí)工作。其次，AI 技術(shù)對(duì)細(xì)化客戶(hù)分層的顆粒度及實(shí)現(xiàn)精細(xì)化管理助力頗多。以往做客戶(hù)分層、客戶(hù)畫(huà)像是基于經(jīng)驗(yàn)，基于歷史客戶(hù)表現(xiàn)做的風(fēng)控策略，這些因?yàn)槭芟抻谌颂幚硎录旧淼南拗?，分層相?duì)有限，客戶(hù)畫(huà)像的顆粒度比較粗，達(dá)不到精細(xì)化的管理要求。AI 能夠代替人工處理，能精準(zhǔn)用戶(hù)畫(huà)像，提高風(fēng)險(xiǎn)識(shí)別能力。特別是處理大規(guī)模的客戶(hù)方面，很多國(guó)內(nèi)的銀行都是百萬(wàn)級(jí)、千萬(wàn)級(jí)、上億的客戶(hù)，如此大量的客戶(hù)不能完全靠一個(gè)風(fēng)控團(tuán)隊(duì)去處理，必須要借助 AI 技術(shù)進(jìn)行這種大量級(jí)客戶(hù)的風(fēng)險(xiǎn)識(shí)別工作。
值得注意的是，AI 風(fēng)控對(duì)于傳統(tǒng)銀行業(yè)的革新并不是“根本性”的變化，“根本性”是要推倒重來(lái)，而在傳統(tǒng)銀行的體系下，不可能推倒重來(lái)，現(xiàn)有的 AI 技術(shù)也不可能完全替代原有的東西。因?yàn)橄到y(tǒng)存在老舊的狀況，很多新的技術(shù)不會(huì)被積極利用，加上銀行業(yè)務(wù)求穩(wěn)以及政策監(jiān)管等因素，當(dāng)技術(shù)部門(mén)提出一些創(chuàng)新想法的時(shí)候，銀行會(huì)更多地考慮如何保證現(xiàn)有系統(tǒng)正常運(yùn)行不出現(xiàn)差錯(cuò)。因此，用“AI 賦能”來(lái)形容 AI 在風(fēng)控領(lǐng)域所起到的作用更為恰當(dāng)。
對(duì)于接下來(lái)，AI 金融風(fēng)控領(lǐng)域的技術(shù)和應(yīng)用的發(fā)展趨勢(shì)，孫睿判斷，未來(lái) 3-5 年，機(jī)器學(xué)習(xí)、自然語(yǔ)言處理以及知識(shí)圖譜等核心技術(shù)會(huì)有更多場(chǎng)景的落地，他個(gè)人比較看好知識(shí)圖譜的應(yīng)用。知識(shí)圖譜是實(shí)現(xiàn)人工智能的基石，相對(duì)于其他技術(shù)的落地，對(duì)知識(shí)圖譜的開(kāi)墾不是那么多，因此應(yīng)該會(huì)迎來(lái)一個(gè)高峰期?，F(xiàn)在可以看到很多金融機(jī)構(gòu)，特別是銀行，在應(yīng)用了其他技術(shù)之后，也開(kāi)始考慮知識(shí)圖譜的落地。知識(shí)圖譜在風(fēng)控領(lǐng)域的應(yīng)用很有前景，在貸前、貸中、貸后這三個(gè)環(huán)節(jié)都可以用到，幫助提高風(fēng)險(xiǎn)識(shí)別的能力和效率。
梁堃認(rèn)為，從應(yīng)用上看，AI 風(fēng)控會(huì)伴隨著金融領(lǐng)域業(yè)務(wù)在線(xiàn)化的進(jìn)程，深入到各個(gè)領(lǐng)域里去，不斷擴(kuò)展、滲透到每個(gè)行業(yè)中去，除金融之外，還包括，電商、游戲、醫(yī)療、出行等行業(yè)。
采訪嘉賓介紹：
梁堃，數(shù)美科技聯(lián)合創(chuàng)始人&CTO ，北京大學(xué)計(jì)算機(jī)碩士，國(guó)內(nèi)知名機(jī)器學(xué)習(xí)與數(shù)據(jù)挖掘?qū)＜?。曾任百度、小米，高?jí)工程師、架構(gòu)師，擁有多年機(jī)器學(xué)習(xí)和人工智能領(lǐng)域經(jīng)驗(yàn)。
孫睿，維擇科技 CCO（首席咨詢(xún)官）：擁有 15 年中外資銀行風(fēng)險(xiǎn)管理實(shí)戰(zhàn)經(jīng)驗(yàn)，國(guó)內(nèi)信用卡行業(yè)早期從業(yè)者，曾服務(wù)于中國(guó)建設(shè)銀行、交通銀行、匯豐銀行。在銀行業(yè)務(wù)風(fēng)控領(lǐng)域有著豐富經(jīng)驗(yàn)，擅長(zhǎng)于零售信貸業(yè)務(wù)的反欺詐偵測(cè)及調(diào)查、風(fēng)險(xiǎn)策略制定、風(fēng)險(xiǎn)監(jiān)控體系建設(shè)等方面。近年來(lái)，參與和主導(dǎo)了多個(gè)風(fēng)控系統(tǒng)開(kāi)發(fā)和升級(jí)項(xiàng)目，推動(dòng)銀行數(shù)字化建設(shè)和互聯(lián)網(wǎng)轉(zhuǎn)型。
你也「在看」嗎？??
聯(lián)系客服
