在真实世界中解决真问题这才是最牛的金融AI

电视资讯 浏览(1865)

  

  2018年5月的一天夜里,徐国强不停地刷新着电脑网页,他在等待一个大洋彼岸的比赛结果。

  晚上10时,结果准时又突然地出现在了电脑屏幕上——1st,徐国强用力眨了眨眼,这才确信他和他的团队拿到了这场国际比赛的第一名。

  徐国强和他的团队来自于平安金融壹账通旗下的Gamma Lab,也叫人工智能研究院。他们参加的,是一场名为OMG(One Minute Gradual Emotion Challenge)的国际微表情识别竞赛。而这次,仅仅是他们第一次参赛。

  没有聚光灯的比赛

  “说起参赛的初衷,其实蛮有意思的。”徐国强扶了扶眼镜,“先是有外国媒体报道我们公司的微表情识别技术在金融领域的应用,然后公司领导觉得,我们是不是也要去国际上证明一下自己?怎么证明?参加比赛啊。”

  于是,徐国强被委以重任,组织团队参加这场国际权威的微表情识别大赛。

  虽然说是国际比赛,但它的场面可能和常人想象的比赛不大一样。这场比赛没有聚光灯,没有舞台,没有观众,甚至选手们都不用集聚在一起,也不用在同一时刻交锋。

  徐国强介绍,整个比赛更像是一场智力与时间的分配游戏。主办方会先提供一组微表情数据,参赛者利用自身的技术对于这些数据进行处理建模,通常会持续一到几个月时间,最后在规定日期到比赛服务器上进行最后演算,谁处理得精准,谁就是最后的获胜者。

  “说是比赛,其实就是在规定时间内完成一个AI项目,更考验团队的磨合,有时候我觉得自己更像是一个项目经理。”就这样,徐国强带着团队在一起奋战了一个月。

  “现在回忆起来,这些辛苦都是值得的。不过真是没想到,第一次参赛就拿下了第一名的成绩。每个人有些激动和兴奋,一个月的努力没有白费,同时也证明了我们的技术水平在国际上排得上号。”徐国强笑着说。

  之后,徐国强和他的团队成为了比赛的常胜将军。近两年,Gamma Lab这支中国力量连续在国际多项自然语言处理竞赛中获奖。“通过这些比赛,我们打响了品牌,也锻炼了团队,还能和国际上先进的技术团队交流分享。”可徐国强却认真地表示,“也许有些矫情,但其实我一直觉得,比赛就是比赛,名次在比赛之外,并不代表什么。”

  不只是技术的现实

  “我之所以这么说,是因为比赛环境和现实环境差别很大。比赛的数据简单、干净、规范,但离实际很远,现实中的数据往往更加复杂多变。所以,竞赛的结果,不应该成为衡量公司水平的指标。”徐国强说。

  那什么才是衡量公司水平的标准?徐国强的答案是,能否把技术应用于现实,解决真正的问题。

  徐国强入职的Gamma Lab由平安金融壹账通在三年多前创立,致力于推动大数据、人工智能等前沿技术在金融领域的深度应用。目前,Gamma Lab拥有超过350位精专于大数据、人工智能等领域的专家,累计申请专利技术上千项,发表论文10余篇。而这个研究院特别的地方在于,他们并不仅仅限于书卷中的研究,而是要负责把这些研究的技术与现实中的金融场景真正结合起来,完成落地。同时,平安集团作为国内最大的金融集团之一,更是为研究院提供了一堆真实的业务场景。徐国强仿佛找到了一大块试验田,等着播上AI的种子。

  “真正工作了以后才发现,做技术的如果沉浸在技术的世界,看问题就会有一些偏颇。想要把技术真正落地,离不开对金融业务层面的真正理解。”正因为如此,徐国强每天的工作除了钻研AI技术,更要考虑金融业务。金融壹账通人工智能产品总监赵云松介绍,Gamma Lab每一个产品落地,都要经过原型、工程、产品和商用4个阶段,这是一个技术融合业务的过程。以图形识别技术为例,原型阶段更多停留在纯技术开发,可能就是找特别规范的照片和视频来识别。但到了工程阶段,就要考虑现实中人的影像可能会被遮挡,可能会有光线的变化,可能会有各种变形,这就涉及到进一步改进算法。到了产品阶段,又要开始考虑技术落地的可能性,要与应用企业的真实业务场景相融合。

  比如他们推出的“微表情识别技术”,可以识别人类开心、愤怒、厌恶、恐惧、伤心、惊讶和面无表情这7大类情绪,总计54种情绪识别能力、39种面部动作单元,认得出90%以上的表情变化。而这样的技术与金融结合,可以大量运用在贷款面审环节中,帮助面审人员提示骗贷风险。

  还有他们的图像识别技术,已被成功运用于保险业的车险定损中。现在只要车主拍几张照片,保险公司即可对受损车辆进行智能识别,比如自动判断受损的车辆型号,识别损坏的机盖、叶子板等15个外观部件,以及23种不同车辆损失程度。基于图像识别的结果,匹配后端大数据库,可帮助保险公司完成自动定价,实现“秒级”定损。通过对千万级历史数据的机器学习,目前适用案件的定损准确率已超过90%,对于简单案件的处理,已经可以代替传统的现场查勘与人工审核。

  “技术能运用在真实世界中,解决真正的问题,这才是最牛的。”徐国强如是说。

  愈发务实的金融AI

  利用技术解决真正的问题,听起来很符合逻辑,但并不是每家企业都会这么做。

  徐国强感慨,过去,不少金融机构都在盲目跟风AI,需求并不精准,或者设计的产品都是从技术角度出发,和需求不匹配。这些看起来很美,但根本不解决问题,甚至增加了工作量。

  让徐国强高兴的是,经过了一波为了AI而AI的跟风泡沫,现在整个金融行业的AI应用状况正逐渐变好,又懂AI又懂金融的人也越来越多。“大家都变得更加务实了,采用一项AI技术,首先都基于自己需要解决的实际问题。”

  的确,相对于过往“炫技”的投入,金融机构近年来的动作,显得更加“接地气”。不少机构推出的AI功能,都试图解决自身的“痛点”。

  国泰君安的君弘灵犀就是一个例子,他们推出这一基于人工智能的证券服务体系的目的就在于,更好地服务客户。

  “目前市面上智能投顾的定位,要么仅仅是工具,只能起到有限的辅助作用,发挥不出AI的能量;要么是‘神’,直接给使用者投资建议,过度夸大AI的作用。而我们的定位就是‘人’,君弘灵犀只提供投资决策的服务,而不是做决策本身。”国泰君安网络金融部总经理毕志刚表示,AI目前的水平还没有到直接决策的程度,因为投资决策更多是市场博弈的过程,不是简单的非黑即白,更不可能百战百胜。

  毕志刚认为,对券商经纪业务客户而言,现阶段AI的合理定位就是投资服务。券商应以大数据、智能引擎、基础服务能力为核心,为客户提供伴随式、场景化、千人千面的7×24小时专业投教和投资辅助服务,而不是向客户提供包含投资决策的投顾业务。

  “以往普通客户进行投资决策的时候,享受不到专业团队服务,负担不起服务成本,我们利用AI技术能把那些金牌分析师的经验策略做成数据,根据客户的行为偏好推荐信息,同时通过NLP技术,让AI来与客户交流,听懂客户问什么,也要答得出。”毕志刚表示,君弘灵犀一共有33个模块,覆盖投前、投中和投后。小白投资者可以通过君弘灵犀了解投资知识、业务指南、财商股市;普通投资者可以通过君弘灵犀习得基本分析、报表解读、行情指标;成熟投资者可以通过君弘灵犀学会趋势形态、经济研判、量化投资。

  效果如何?毕志刚介绍,目前客户在线问题有70%由AI回答,同时AI正变得越来越聪明,准确率由90%上升到95%。

  而银行业也不再局限于在大堂摆几个机器人。作为风险厌恶者,银行开始更多让AI真正参与到风险控制的过程中。

  上海银行的魔镜项目就引入有效外部数据,经过与内部数据的深度整合,通过模型建设,形成风险信号,量化并提升风险预警能力。魔镜把客户分为集团、大中型企业、小企业,自动生成风险报告。其中,集团报告侧重集团内部各企业关联、风险传导与综合影响;小企业报告侧重企业主个人的信用情况与企业实际的经营变化情况。

  “就像一面魔镜,企业在镜子前照一照,就能看出风险大小。”上海银行风险管理部副总经理赵佳旻介绍,魔镜项目产生的各类风险信号将与银行的信贷流程结合起来,在贷前、贷中、贷后阶段依据对客户的风险判断信号进行差异化的管控。银行可以针对信号,采取持续监控、调整授信额度、调整风险定价、实现提款拦截等动作。同时,这一系统还能依据持续监测结果不断迭代模型和优化数据来源,以提高风险管理和风险定价能力。

  随着金融机构的务实,未来AI将为金融行业解决越来越多的问题。而随着问题解决得越来越多,AI也将越来越聪明。显然,不久的将来,解放了人力、控制了风险的金融机构,将会站上一个新的台阶。

  允许适当“试错”但不盲目“智能”

  曾几何时,AI成为了金融行业的流行语,似乎不搞点AI,就不够时髦。于是乎,大家一拥而上,“创新”了一大批应用和产品。但效果如何呢?

  银行的智能柜机,虽然很方便,但碰到客户取钱金额超过柜机余额,还得人工来手动加钱,一来一去,比去人工柜台花的时间还长。

  券商的智能投顾,宣传得神乎其神,什么克服人性弱点,理性精准择时,结果运行一圈下来,效果难如人意。

  诚然,AI是一项优秀的技术,但好钢还得用在刀刃上。面对AI浪潮,一些金融机构知道要变,但并没有真正的思考定位,寻找痛点,而只是一味地希望“创新”,赶鸭子上架,形成了不少所谓的人工智能产品。这些产品对于解放金融机构的人力,提高流程的效率,完善客户的体验,并没有太大的帮助。

  好在,经过一段时间的“追星”和“试错”,金融机构们已经回过神来,重新开始审视自身的痛点,利用AI解决真正的问题。银行开始在风控领域引入AI管理,券商开始用AI服务客户和决策辅助,保险开始用AI进行前端营销和智能核保。对于金融机构来说,未来可以与AI结合的业务场景还有很多。只有深入到业务中去,真正探寻AI可以切入的痛点,才能发挥好AI的作用。

  总之,对于金融领域的AI创新,我们可以允许适当的“试错”,但不希望盲目的“智能”。