账户名或密码错误,请重试! 忘记密码?

使用其他账号登录: 微博登录 QQ登录 人人登录

音频 > 第28期 | 人工智能在金融行业十大应用场景(上)

第28期 | 人工智能在金融行业十大应用场景(上)

立即收听

单课购买:¥0 立即支付

扫码快速支付:使用微信/支付宝钱包扫码支付

钻石会员:免费观看加入会员

播放107次
讲师:
鲍忠铁 TalkingData首席数据官
观看数:
107
评论数:
1
分享到:

详情

大家好,我是鲍忠铁,今天跟大家分享人工智能在金融行业的十大商业应用场景。

 

大家都知道2016年的4月AlphaGo出现,引燃了人工智能的话题。它用深度学习的方式去击败了我们的人类的围棋世界冠军,那么深度学习呢,它是换了一个马甲出现的一个名词。过去的时候,深度学习其实就是多层神经网络。

 

那么人工智能呢,在2016年年底,继大数据成为整个资本市场和创业领域中一个热词,那所有的科技厂商和巨头不再去迷恋大数据,把热点转向了人工智能。很多产品和企业在宣传过程中如果没有体现人工智能的概念的时候,好像就缺少了科技含量,好像就无法适应现在的市场。

 

我觉得现在这个过度的炒作对人工智能这种新鲜事物还是很不理智的,从行业里看,人工智能其实属于一个探索阶段和发展期,距离大规模的商业应用市场还有五年左右。相对于大数据的广度,人工智能是解决具体垂直问题的一种能力,很少有具有通用人工智能的解决方案,大部分的人工智能都是针对某一个具体商业领域中的某一个具体问题而解决的。

 

从学术角度来看的话,人工智能是一个泛概念。学术领域定义的是研究、开发、用于模拟、延伸和扩展人的智能的理论、方法、技术及应用的一门新的技术科学。首先人工智能是一门技术科学,它解决了一些问题,这些问题是基于它的理论,基于它的方法,基于它的技术,以及基于它的应用系统。

 

那么人工智能即人类制造的一种智能实体,那这种智能实体呢,在某些领域,某些功能上与人的思考的意识上,水平相近,或者在某些具体领域会超越人类,但并不代表这些智能的实体在思考方式上完全跟人类是相同。

 

人工智能企图会了解智能本质,但是它现在这个阶段还是按照人类的一些想法去模拟这种智能的方式,那么在智能应用的领域中,最多的就是智能机器人,它主要研究机器人,研究人机交互,研究语言识别,图象识别,自然人处理和庄家系统。那么在经济领域中呢,人工智能更倾向于替代人类工作,满足人类娱乐消费,突破人类智力瓶颈的智能算法和智能机器人。

   

人工智能最大的一个优势在于它的自我的学习能力和进化能力。但这种学习能力和进化能力现在看来还是在人类的智力的边界范围之内进行的,还没有发现一些超越人类意识之外的一种自我的进化的能力。

 

但是呢,不可否认随着人工智能的发展,人工智能的自我意识一旦产生之后,这对人类是一个很大的风险。至少达到这个阶段的话,可能还要很多年。因为我们知道,人类的大脑大概有1000亿个神经元,最强的芯片2016年7月份IBM提出的人工智能芯片呢,只能有100万神经元的计算能力,所以如果达到1000亿神经元的计算能力的话,我估计可能还要10年到15年之后。

 

现在所有的科学家和所有行业里的人都会取得一个共识,就是人工智能之所以在2016年又掀起了一个应用的高峰是因为有三个条件已经具备了,一个是大家知道的海量数据,高度计算和算法的通透,并且我们也知道2015年这个存储的成本降低了100倍。

 

比如说2005年1G的硬盘的存储大概是5美金,到2015年1G硬盘的存储只有5美分了,并且我们的摩尔定律还持续有效。CPU的运算速度每隔18个月会翻一番,那GPU的出现让高速平行运算成为可能,GPU的复电运算能力是CPU的1万倍,这也加快了学习进度。GBTTRRN、CNN、KNN、AlphaGo、马尔科夫链等理论的算法突破也让很多过去解决不了的问题得到了一些解决。

 

那么我们回到我们今天的主题,主要谈金融行业人工智能应用的10大场景。那金融行业大家知道是大数据应用比较成熟的一个领域,大部分在国外的大数据典型的案例中有1/3以上是发生在金融行业的。那为什么金融行业有这样的一个应用的场景呢?

 

是因为金融行业拥有比较完善的数据,数据治理做的也不错,大部分的数据质量也比较好,并且很多大的金融机构,它的数据已经集中处理,这就给人工智能的应用提供了很大的可能性。

 

另外一个现在传感器的能力,LT的能力也让很多数据可以被收集处理和分析。我们知道人工智能它是一个解决一个具体领域的问题,所以说我们就分10大应用场景来看。

 

那么第一大应用场景就是人脸识别或者我们叫生物识别,过去的时候,当人脸识别没有发达的时候,可能我们只能分析到一个全脸的数据,看到全脸的数据然后再通过自己的知识库匹配才能找到这个人,识别这个人。

 

但是现在的人工智能已经发展到一种更高的程度,过去比如说我们说在中国在图象识别或者在人脸识别比较领先的某些高科技公司,它可以在人脸上布192个点,通过这些点的布局比例去区分个体。

 

但实际现在的整个人脸识别已经进化到另外一个层次,用深度学习的方式,通过一些对个体区域的不断的学习,不断的辨别,它建了一个这样的能力,这个能力可以帮助这个企业通过一个局部的信息,来刻画出整体的信息,或者通过一个局部的信息来辨别这个人体。

 

过去的时候可能人脸识别时候我们要看摄像头,那么把整个人脸透过去之后呢,才能区别这个人。现在的时候,通过深度学习的方法,只要大于一定的区域,比如说眼角、鼻子左右、嘴唇左右、耳朵左右,只要有一部分的区域的话,就可以识别出这个人,这样的话技术就可以在很远的地方,利用高速激光摄像头,通过某一个脸面的某一个特征,比如说额头,鼻尖,下巴就可以把这个人识别出来。

 

但在金融里面,人脸识别除了我们刚才提到的这种身份认证,其实现在很多的科技公司在人脸识别是做客户服务的,比如说在前一段时间,7月份北京的金融科技上就有这样的企业,其实国外也有这样的技术,相对来说比中国应用的比较早,比如说像汇丰,像富国,其实他们很早就用了这种人脸识别的技术。

 

当一个客户走到他的营业厅的时候,他通过人脸识别技术分辨出这个客户是不是他的VIP客户,一旦发现是VIP客户之后,他会给营业点网点的人的Pad上会发一个信号,那么这个服务人员拿着pad会看到有一个张先生,VIP客户走到我的营业厅,上面已经显示出张先生的位置和张先生的图像,他就拿着张先生的图像去找张先生去服务。

 

这样的话,让客户呢,最短的时间内得到一个最好的服务。但这些服务都是面向VIP客户的,比如说可能金融资产在100万以上的,因为他不可能服务所有人嘛。这样的话,就可以通过人脸识别来服务他的精准的VIP客户。

   

我们知道金融企业为什么要服务VIP客户啊,因为在金融行业里面是个特别典型的帕累托效应,也就是说20%的客户提供了金融行业80%的收入,或者是20%的人提供了他80%以上的资产。

 

经过我们对中国的一些金融企业的数据分析我们会发现,很多的金融客户他不仅仅是二八原则,他可能是一九原则,就是10%的客户,给他提供90%以上的收入,10%左右的客户,为他提供了90%的资产,这是第一个应用场景叫人脸识别。

 

第二个呢,就是通过人工智能进行行为反欺诈,大量的用到了一些特征工程的逻辑。过去的时候,金融企业做这种贷款,反欺诈的时候,他往往依赖于一些强相关信息,比如说他提供的姓名,提供的手机号,提供的身份证和他提供的这种收入信息,工作单位还有资产信息是不是真实的,这是强相关信息,但是客户在申请贷款的过程中,他会提供一些弱的相关信息,这些弱的相关信息的话,我们叫一些行为数据。

 

这些数据也可以用于反欺诈,为什么反欺诈很重要?因为我们知道在很多金融企业里面,比如说在这种小额贷款里面,可能50%的贷款损失是来源于团伙的这种欺诈的,这种团伙的欺诈呢,往往它的行为是可以辨识的。我在以前的分享中跟大家介绍了,比如说我可以通过后面的数据分析和挖掘,通过客户的行为,对他的居住地和工作地,是否跟实际上我采集的数据相符进行认证。

 

另外我可以去通过一些特征的提取知道有一些违约的客户,他可能如果工作地超过了居住地距离,这个距离超过了60公里,那么他的违约概率会很高。另外他在申请贷款的时候,他填的这种行为,比如正常人他填的这个行为的时候,把自己的居住地址,工作地址还有收入都是很顺畅地填的,但是欺诈的用户他会填的很慢,或者填的特别快,或者填的过程中有反复的删除字段的,这种行为就会捕捉下来,就会认为他是个欺诈行为。

 

另外就是根据他填写行为的时间,有些人可能会发现晚上11点半以后申请的客户,他的欺诈的概率比较高,然后会发现晚上登录APP,两点钟APP还活跃的一些客户,他的欺诈概率比较高。另外一个在行为反欺诈上,我们还可以看到,就是说如果他用手机申请贷款的时候,如果他手机7×24小时处于充电的情况下,他可能欺诈的可能性也比较高。

 

那我们今天的金融行业人工大智能应用的场景我们就讲了两个,一个是人脸识别,一个是行为反欺诈,接下来我们就会继续分享。


讲师介绍

鲍忠铁

TalkingData首席数据官

中国首席数据官联盟专家组成员 为工商银行、花旗银行、飞利浦公司提供数据服务

用户讨论

我要讨论

忘记给课程评分了! 亲,你要讨论的内容字数太少啦! 你写太多啦!讨论内容最多300字呦。你目前录入0个字符! 讨论 你还可以输入300

工作日:9:30-18:30

在线QQ

客服电话010-85801860

微博@优米网

010-85801860