人工智能+金融释放无限可能

本篇文章2197字，读完约5分钟

有人说金融是人工智能最好的场景之一。近年来，国内外较早提出人工智能的金融机构试图将人工智能应用于整个商业系统。例如，银行业已经从外围大厅机器人(300024，股票诊断)、在线客户服务、柜台人脸识别和其他场景发展到产品开发、营销、风险控制和客户服务等核心流程。

专家认为，虽然人工智能等技术的应用是推动金融业改革的动力之一，但包括人工智能在内的技术仍有一定的局限性。

技术渗透到传统的金融行业

“中国信息化水平的提高，使得金融业与人工智能的融合达到了前所未有的高度，这对传统银行来说既是挑战，也是机遇。传统金融业是“三高一低”，即高劳动强度、高人事管理成本、高业务门槛和低用户体验面临调整。”360金融大数据主管苏穗告诉英国《金融时报》记者。

苏穗认为，金融机构借助大数据、云计算、人工智能等金融技术加快改革是大势所趋，也是金融科技行业深入参与新金融的窗口。

“虽然在金融技术方面，人们更加关注新兴的形式和产品，但技术创新已经成为金融变革的主线。”国家金融与发展实验室副主任杨涛说:“新技术对金融的影响已经渗透到金融业的各个领域。”

据报道，自2016年人工智能被总结为三个要素:算法、计算能力和数据以来，2017年，场景的价值也引起了激烈的争论。对此，苏穗表示，人工智能只是一种技术，而不是最终产品，只有结合具体的业务和场景，才能发挥其价值。目前，生物、语音等技术已经大规模应用于金融领域。

对于人工智能技术在金融领域的发展和应用，《中国金融技术运行报告(2019年)》(以下简称《报告》)概括为三个方面:一是从外围渗透到核心业务，从感知扩展到决策应用；第二，推动金融业向数字泛化演进；第三，人工智能引领监管科学技术的趋势。

人工智能+金融的应用

金融业一直在探索和实践如何使技术“可实现且易于获得”。

中国工商银行(601398)于2017年建立了包括人工智能在内的七个创新实验室，并于2018年建立了人工智能平台，能够独立构建涵盖营销、反欺诈、审批、贷后管理和运营全生命周期的人工智能业务场景应用。近日，广西北部湾银行与神州信息(000555，咨询公司)联合开展了“基于知识地图技术的商业银行智能服务治理应用研究”项目，构建了金融服务知识地图模型。在该模型的指导下，我们可以快速了解整个银行业务和服务治理的标准，轻松解决冗余系统建设和知识缺乏等问题。

以金融科技行业为例，360金融在智能客户获取、智能营销、智能风险控制和智能收集等方面进行了人工智能实践。据报道，360金融智能风控自动化通过率达到97%，其中地址热图和复杂关系网络系统起到了支撑作用。解决热点地图，即依托地图的底层数据，通过对城市单元范围内设备接入数量的颜色标注和维度升级操作，将各种变量结合起来，然后形成基于各点gdp信息的综合分析，判断客户风险的大小。“颜色越深，人口密度越大。通过业务发现，在人口密度相对较低的地区，风险相对较高。”苏穗解释道。

杨涛认为，从科技与金融结合的商业场景来看，有必要注意两个方面。一是底层主要技术，包括大数据技术、人工智能技术、互联技术、分布式技术、安全技术和一些仍在发展的前沿技术；另一方面，是典型的金融需求情景，如金融安全与金融监管、支付与结算、融资产品与服务、智能营销与服务优化、智能投资与财富管理等。

人工智能+行业未来

在苏穗看来，人工智能将成为水、电、煤一样的基础设施，没有人工智能能力的企业将被边缘化。

“从行业角度来看，未来的竞争是综合能力的竞争，而产品体验包括过程和效率将成为一个重要的衡量标准。金融业呈现出人工化、网络化和智能化的趋势，从而进一步解决了金融服务的广度、深度和满意度问题。从技术角度来看，各种行为数据将得到更充分的利用。目前，传统金融机构积累的大量纸质信息的价值尚未得到充分发掘，非结构化数据的应用将改变数据的结构化价值。此外，大型企业和中小型公司将在数据处理、挖掘和开放方面发挥不同的作用。”苏遂说:

据《报告》称，2019年，人工智能行业面临“期中考试”，行业对人工智能的要求不再是“仰望星空空”，而是要扩大规模，为社会创造新的价值。至于阻碍人工智能产业规模化的障碍，报告认为有四类:数据安全和隐私保护、数据门槛、人才门槛和成本门槛。

杨涛认为，从微观层面来看，我们不仅要关注新技术引入后原有金融机构和产品的风险特征是否发生了变化，还要探讨互联网和大数据环境下的新技术风险和新金融风险。

在业界看来，人工智能也有一些瓶颈或漏洞。西密歇根大学教授、沈心科创创始人杨紫茳对英国《金融时报》记者表示:“人工智能的研究已经进行了很长时间，之所以长期没有进展，是因为以前的研究是基于语义理解，试图理解一个问题，然后基于理解做出相应的反应，但这条路很难走下去。近年来，人工智能的快速发展主要基于机器学习和大数据，这并不能真正理解你的问题。然而，仅仅基于大数据的学习并不是一个特别完整的组合。例如，2017年，特斯拉的自动驾驶汽车在首次亮相仅一小时后就与一辆卡车相撞，因为车载机器学习软件错误地将白色卡车识别为蓝天白云。因此，这不是缺乏具体的应用，而是这一学科本身的缺点和瓶颈。”

苏穗说，理论上一定要解决人工智能中的漏洞，比如人脸和活体验证。“但是技术是不断反复改进的，而预防技术也会得到改进。再加上硬件升级，如3d光学镜头，破解将变得越来越困难。”苏遂说: