AI金融助手
▲点击上方 雷锋网 关注 CCF-GAIR 2019 AI金融论坛全回顾。 文 | 王艺 编者按：7月12日-7月14日，2019第四届全球人工智能与机器人峰会（CCF-GAIR 2019）于深圳正式召开。峰会由中国计算机学会（CCF）主办，雷锋网、香港中文大学（深圳）承办，深圳市人工智能与机器人研究院协办，得到了深圳市政府的大力指导，是国内人工智能和机器人学术界、工业界及投资界三大领域的顶级交流博览盛会，旨在打造国内人工智能领域极具实力的跨界交流合作平台。 大会第二天上午，在聚焦金融行业AI技术应用的「AI金融」专场，六位顶尖AI金融技术与产品专家齐聚，为与会者带来了一场别开生面的主题论坛。 微众银行杨强：用联邦学习解决数据隐私难题 香港科技大学讲席教授、微众银行首席AI官、IJCAI理事会主席杨强教授作为主会演讲嘉宾及AI金融专场开场嘉宾。在AI金融专场，杨强教授为与会者带来题为《联邦学习的最新发展及应用》主题演讲。 演讲开始，他先介绍了微众银行两年来所取得的成就。杨强教授表示，微众银行在金融业务的各个环节均已实现自动化。从贷前业务咨询环节的企业画像，到贷中身份核实、资料审核，再到放款操作环节。此外，微众银行在一些辅助环节，如智能客服、录音质检等也在应用智能自动化技术。目前，微众银行98%的客户问题由智能客服机器人解答，其系统能够进行多轮对话并进行情感分析。 有趣的是，在小微企业贷款方面，微众银行不仅做线上自动化，还做线下自动化。为了解决线下企业风险核查耗时耗力的问题，微众开发了一款线下核验头盔机器人。申请人只需佩戴该头盔设备周游工作场地，即可自动识别风险。 与此同时，杨强教授也强调，在小微企业信贷过程中，出现了一些挑战，业界需要寻求新的解决方案。 第一，如何对抗干扰信号。以金融领域为例，当申请人对面部信息作假时，如何应对？第二，如何在只有小数据的领域应用深度学习。 杨强教授谈到，往往高质量、有标签的数据都是小数据，且不能随着时间的推移进行累积，因为每个阶段的数据和上个阶段都呈现不同的分布，甚至特征都不尽相同。这一问题在金融、医疗、法律场景非常常见。这就意味着，要解决这一问题，需要多方数据打通，联合建模。 但这其中又遇到了问题，那就是数据的隐私保护。2018年，欧盟提出史上最严数据保护法GDPR，足见数据隐私在人工智能发展道路上的重要性。在这样的大环境下，合并数据变得异常困难。 为应对这一问题，杨强教授倡导「联邦学习」（Federated Learning），他以人们合作创作作品为例进行了解释。在两个人或多个人共同写书的过程中，合作者的大脑并非物理地连结在一起，人们用语言交流，传递参数。在这一过程中，人类是有能力保护大脑中的隐私的。 联邦学习参与各方先用本地数据建立模型，再将这个模型的关键参数加密，得到一个即使传到云端也无法解密的包。千万个包用算法加以聚合，得到高精度的模型，再将该模型下传，供个体使用。整个过程中Server、云端均接触不到包内的实际内容。 杨强教授表示，联邦学习技术已经在微众银行得以应用。微众银行的合作企业中包含互联网企业、车企、保险企业等。这些合作方拥有用户大量的不同维度行为信息。应用联邦学习，微众银行能够与合作方联手，针对同一批用户在不交换数据的前提下进行建模。实践证实，AUC指标得以提升，不良率大为下降。 此外，杨强教授还介绍了联邦学习在城市管理、语音识别等领域的应用。杨强教授表示，联邦学习的发展需要建立生态，共同推进。与此同时，杨强教授也在积极推动相关国际标准与参考框架的建立。 京东数科&ZRobot乔杨：不仅要关注黑，更要服务好白 京东数科生态中心信用管理部总经理&ZRobot CEO乔杨在风控行业已有10余年的经验，他曾长期供职世界500强企业——Discover美国发现金融，兼备技术与金融的跨界实力与中美两国的世界级金融科技视角。 现场，乔杨就「数字科技驱动的信贷反欺诈技术」同与会者进行了探讨。ZRobot成立于2016年10月，旨在利用高维度数据资源，结合数据挖掘技术及模型算法，借助京东数科丰富的实践应用场景，打磨自身技术实力并赋能合作伙伴。目前，ZRobot已与近300家银行、保险、证券、信托、小贷公司、持牌机构、消金以及融资租赁公司展开合作，为客户提供智能风控、智能营销解决方案等各类产品支持。 乔杨现场分享了ZRobot在信贷反欺诈方面进行的尝试与取得的成果。 乔杨表示，随着移动互联网的发展，欺诈分子应用的手段层出不穷，产品类型不断迭代进化。现在欺诈已成为一门生意，欺诈分子和团伙多为非常勤奋且聪明的人。早期的欺诈手段往往是员工腐蚀机构，现在已经发展为潜入机构、自营骗贷等更有手段的欺诈方式。与此同时，金融机构对欺诈的防范往往处于滞后状态，这为反欺诈工作的开展带来了阻碍。 乔杨表示，虽然业内已经有很多成熟的可以利用的机制，比如建立良好的内控合规机制、客户管理体系，但往往无法识别三方欺诈的风险。 要识别三方欺诈，第一步要做好交易对手的身份识别。乔杨介绍，当前一些移动APP可从前端抓取多达200余个用户标签，在此之上进行特征延伸拥有很大的空间。常用的做法包括抓取纬度信息，利用陀螺仪检测设备仰角、滑动轨迹等，同时通过前端SDK进行浅层次的生物识别，已经能够做到在用户体验不受影响且不需要额外硬件支持的情况下进行有效的反欺诈识别。 在中国，欺诈行业的群体作案呈现上升趋势，欺诈团伙已经形成了非常完善的上下游产业链。因此，单单识别个人的欺诈风险是不够的，需要由点及面，通过机器学习及复杂的网络技术对用户及周围群体的关联关系进行判断。ZRobot已经积累大量的前端数据用于数据库关联，具体包括设备关联、地址关联、通信关联等。 乔杨认为「近朱者赤，近墨者黑」，与业界的通常做法不同的是，ZRobot不仅将关联关系用在黑名单节点，在白名单上也有所应用。「我们提出的概念是不仅要关注黑，更要服务好白」，乔杨说。 宜信向江旭：用AI实现「以用户为中心」的财富管理 宜信公司高级副总裁、首席技术官向江旭先生一上台就向在场嘉宾透露了一个好消息，宜信旗下品牌，也是国内首家海外上市金融科技公司——宜人贷目前已完成品牌升级，将线上能力与线下资产结合，定名宜人金科。 宜信成立于2006年，是业内领先的财富管理公司。宜信在支付、网贷、众筹、机器人投顾、智能保险、区块链等前沿领域均有积极布局，并通过业务孵化和产业投资参与全球金融科技创新。 关于宜信在信贷行业地位，向江旭谈到，经过13年的耕耘，宜信已经在业界取得了傲人的成绩。「业内有这样一个说法：一个用户想申请贷款，如果他曾经从宜信拿到过贷款，那么其他机构就不用审核了。」向江旭说。 然而在CCF-GAIR 2019 AI金融专场，向江旭不谈信贷，转而和与会人员聊起了智能化的财富管理。 向江旭表示，中国财富管理规模在6万亿，与美国的9万亿尚有一定差距。中国财富管理线上化渗透率为35%，与之相比，美国为40%。中国拥有50余家财富管理公司，而美国拥有300多家。就财富科技的投资规模而言，中美几乎持平。 总体来看，虽然在财富管理市场中美存在一定差距，但中国的增长率很高，产业投入也更高。这就意味着中国的财富管理潜力更大。2007-2016十年间，中国财富管理市场规模以年化20%的复利增长。2016-2018年增长率保持在12%，可预期的未来几年时间内，增长速度仍将维持在双位数。 财富管理行业的目标客户为可投资产在1000万人民币以上的高净值人群以及可投资产在100万人民币以上的大众富裕阶层。在中国，高净值人群截至今年年底将达到220万，未来几年大众富裕阶层人群很快会达到3000万的规模。 向江旭表示，这两类人群对于智能财富管理均有非常强烈的期待。高净值客群一般而言长期享受私人银行家、理财师、金融顾问服务，但尽管如此，这类人群对线上实时获取股票信息、资产状况、财经资讯、投资理财教育内容仍有迫切需求。对于大众富裕阶层而言，很可能他们人生中的第一款投资理财产品就是在线上购买的，这类人群对线上的理财投资及智能化财富管理有天然的需求。 通过大数据技术，宜信能够了解客户对投资理财、家族传承，对创富、守富、传富的需求，也即财富管理行业的KYC。向江旭介绍，这些数据包括客户的电商购物行为轨迹、线下财富管理讲座活动的参与经历等。获得用户画像后再利用AI技术将客户与产品进行精准匹配。 向江旭认为，以前的财富管理是以产品为中心的，很多理财产品网站相当于一个理财超市，这并不是宜信希望看到的财富管理方式。宜信希望用大数据及人工智能技术将以产品为中心的财富管理过渡到「以用户为中心」的财富管理，真正做到千人千面的资产配置模式。 平安寿险沈剑平：深挖应用场景，让AI赋能寿险各业务线...
