0
| 本文作者： 老王 | 2017-09-25 16:17 |
人臉識別已經(jīng)在金融領(lǐng)域大顯身手，很多明星AI公司均具備了完成“刷臉”的能力。
國內(nèi)眾多銀行也開始大范圍使用人臉識別技術(shù)，把其應(yīng)用在手機銀行刷臉登錄、輔助遠程坐席和柜員客戶身份核驗以及小額支付等業(yè)務(wù)當(dāng)中，但真正把“刷臉取款”服務(wù)應(yīng)用在線下ATM自動取款機中的銀行卻非常少。
目前把“刷臉取款”在全國范圍內(nèi)大規(guī)模應(yīng)用的只有農(nóng)業(yè)銀行和招商銀行，其中農(nóng)行的刷臉取款服務(wù)則覆蓋了全國2萬多個分支機構(gòu)，深入到縣鄉(xiāng)鎮(zhèn)。
作為農(nóng)行2萬家刷臉取款服務(wù)的軟硬件算法方案提供商，云從科技在成立2年的時間里推出了48種銀行業(yè)解決方案，連接ATM/VTM、人證合一、紅外雙目等多種硬件的金融科技平臺。
在本期雷鋒網(wǎng)公開課上，云從科技金融事業(yè)部總經(jīng)理張興旺基于自己多年的研究和行業(yè)經(jīng)驗，從“刷臉取款”切入，深入分享了 AI 技術(shù)將怎樣以全產(chǎn)業(yè)鏈、智能硬件和大數(shù)據(jù)的形式，深刻地變革整個金融行業(yè)。
張興旺，云從科技金融事業(yè)部總經(jīng)理。
美國項目管理協(xié)會項目管理專家，銀監(jiān)會2013年、2014年二、三類科技風(fēng)險管理研究成果主要負責(zé)人，原青島銀行直銷銀行部籌建人，負責(zé)金融產(chǎn)品設(shè)計和運營工作。
張興旺有著豐富的銀行業(yè)業(yè)務(wù)分析和管理經(jīng)驗，扎實的技術(shù)基礎(chǔ)及復(fù)雜大型項目管理經(jīng)歷，熟悉銀行業(yè)、證券行業(yè)及互金行業(yè)。
7年銀行從業(yè)經(jīng)歷，先后負責(zé)銀行短信平臺、金融市場資金交易及風(fēng)險管理系統(tǒng)、供應(yīng)鏈融資平臺、信貸管理系統(tǒng)、國際結(jié)算及貿(mào)易金融系統(tǒng)、影像內(nèi)容管理平臺、驗印系統(tǒng)、票據(jù)系統(tǒng)、客戶服務(wù)系統(tǒng)項目集等多個系統(tǒng)建設(shè)、升級項目。6年公檢法及國土、社保等政府行業(yè)項目管理經(jīng)驗。
本次公開課包括以下內(nèi)容：
技術(shù)研究和產(chǎn)業(yè)化落地的區(qū)別（以刷臉支付及刷臉取款為例）
金融行業(yè)為什么需要人臉識別技術(shù)
人臉識別技術(shù)在金融行業(yè)有哪些應(yīng)用場景
作為一個技術(shù)企業(yè)，如何服務(wù)好金融行業(yè)
當(dāng)前的技術(shù)，在解決實際金融問題過程中面臨的挑戰(zhàn)
AI在金融行業(yè)未來發(fā)展中的意義
以下是公開課正文內(nèi)容：
我們很多人工智能技術(shù)的研究，實際上主要目的是作為可行性研究，通常在實驗室誕生。
其主要形式是通過做一個業(yè)務(wù)原型，然后驗證這一技術(shù)可用即可。它的目的包括：證明理論方向是否正確；探索理論是否可以落地；辨別和論證一項事物是真是假。
而技術(shù)研究與產(chǎn)業(yè)化落地，兩者之間存在較大的差異。
技術(shù)研究往往是簡單的原型驗證，這時候我們會有一種以管窺豹的感覺：比如做某一個層面的研究，實驗室認為這件事可行，然而大多數(shù)情況下離落地還有一定的距離，實驗室的研究結(jié)果不能夠全面統(tǒng)籌和解決整個項目的所有技術(shù)問題。
研究員們做實驗時，有必然成功的結(jié)果，也有必然失敗的結(jié)果，同時也會有偶然的結(jié)果。我們做技術(shù)研究時，會出現(xiàn)把“偶然”當(dāng)做“必然”來考慮。有時候，論證理論雖然完全可行、可以落地，但理論研究和實際落地的差距仍然很大。
因此需要結(jié)合市場和外部環(huán)境來看技術(shù)研究存在的問題，那么產(chǎn)業(yè)化落地時候要處理什么問題？
首先要解決技術(shù)研究時期沒有遇到的問題。
做技術(shù)驗證時，需充分進入市場了解市場上的所有信息，然后充分驗證技術(shù)本身的價值。
產(chǎn)業(yè)化落地是一件非常難的事情，通常數(shù)倍于技術(shù)研究、人力、財力和時間的投入。
我們經(jīng)常會遇到技術(shù)研究結(jié)論誤導(dǎo)的情況，在做技術(shù)研究時，有時明明認為一個方向可以，但實際上真正去用的時候發(fā)現(xiàn)并非如此，只有少數(shù)情況可以。
這些便是產(chǎn)業(yè)化落地需要解決的一些問題。
刷臉支付的愿景
以刷臉支付為例。
2015年4月，馬云在漢諾威展示了刷臉支付，但直到近期大家才看到產(chǎn)品逐漸開始落地。
這兩年多期間整個行業(yè)遇到了各種各樣的問題，行業(yè)完成了理論研究，然而卻在落地時發(fā)現(xiàn)存在不少難題：
第一，當(dāng)時市場上人臉識別準(zhǔn)確率不到70%，這意味著每做三次人臉識別，就有一次可能會失敗。
可以想象，當(dāng)年馬云展示刷臉支付時，一定頂著很大的壓力和勇氣，因為過程中很有可能會遇到識別不了的情況。
第二，用戶必須正面對鏡頭，不能有任何表情。
第三，光環(huán)境適應(yīng)不佳：一定要在面部光環(huán)境很均勻的情況下才能做識別。
馬云在刷臉支付過程中有一個細節(jié)大家可能沒注意到，他當(dāng)時把手機舉得很高。拿高的原因很簡單，就是為了讓他面部有光，且要均勻。
第四，化妝、戴眼鏡這些場景下難以識別。
第五，用戶頭部（臉部）有傾斜、轉(zhuǎn)頭，無法識別。
第六，人臉識別技術(shù)很容易被他人冒充。
第七，識別速度較慢。
第八，對網(wǎng)絡(luò)帶寬要求高。
第九，刷臉時對用戶要求多，體驗差。
早期我們在做產(chǎn)業(yè)化時發(fā)現(xiàn)，很多東西投入產(chǎn)出比太低，安全性不夠，用戶也無法接受。所以要把刷臉支付搞成產(chǎn)業(yè)化，實際上非常困難。
2015—2016年，刷臉支付在產(chǎn)業(yè)化落地過程中，解決了各種各樣的問題，可謂是翻越崇山峻嶺。
截止至2016年底，國內(nèi)一線廠商已把識別率提升到99.8%，同期，全國首臺刷臉支付購物機也落地運營。
在各種光環(huán)境下，人臉識別的穩(wěn)定性、有效性都通過大量的數(shù)據(jù)驗證和學(xué)習(xí)，得到了足夠有效的提升。用戶再也不用為了刷臉還把臉放在光線很好的環(huán)境下，而且面部無需完全朝前，面部有表情也不受影響。
之后一線廠商又解決了化妝、臉部受傷、佩戴眼鏡飾品、局部遮擋等問題，再往后隨機性的面部傾斜、旋轉(zhuǎn)問題也可得到較好的解決。
這里面需要強調(diào)一點，大家不太關(guān)注的手機適配也非常重要。
市面上至少有數(shù)千種手機，在實驗室大家只針對幾臺計算機或幾臺手機進行終端適配，當(dāng)它進行產(chǎn)業(yè)化落地后，最起碼要解決主流幾十種或者上百種手機的適配，還有各個操作系統(tǒng)適配，尤其像安卓的碎片化非常嚴(yán)重，如果不去適配，不去解決手機端問題，產(chǎn)品技術(shù)規(guī)格做得再好也沒用。
在用戶體驗和操作適應(yīng)性層面，有些用戶面對攝像頭時頭部習(xí)慣性斜45度，有些喜歡平視，而部分用戶可能喜歡低頭。其次。用戶在操作時的習(xí)慣也不一樣，刷臉時系統(tǒng)提醒用戶做一個動作獲取驗證，比如“向左轉(zhuǎn)頭”這一動作，有人可以在半秒之內(nèi)轉(zhuǎn)好幾次，有人兩秒鐘才轉(zhuǎn)一次。
系統(tǒng)讓用戶在一秒鐘內(nèi)完成轉(zhuǎn)頭，用戶就會百分之百完全配合到位嗎？當(dāng)達不到這么高配合度時，需要改進的只有提高技術(shù)本身。
同時人臉識別還要解決監(jiān)管控制和法律要求等問題，只有當(dāng)監(jiān)管機構(gòu)認可你的技術(shù)，認為所做的事情滿足法律要求，廠商才可以做。再往后，還需解決活體欺詐、持續(xù)高額研發(fā)投入等事項。
解決了上面這些細節(jié)問題后，我們才見到了今天的刷臉支付。
我們再來看2017年整個這個市場的發(fā)展?fàn)顩r。
從金融角度來看，現(xiàn)在監(jiān)管機構(gòu)比過往更加鼓勵和支持技術(shù)創(chuàng)新。
刷臉支付過去存在不少負面聲音，大眾覺得會泄露隱私。但從今年開始，這類聲音逐漸減少，原因很簡單，一方面大家愈加認可技術(shù)的成熟度，另一方面，人臉信息從某種程度上講，隱私性并不強。
今年3·15晚會對攻防一事，促進了整個行業(yè)的技術(shù)水平和安全防范的意識。
市場競爭加劇后，導(dǎo)致很多新技術(shù)落地的難度進一步加大。為什么？因為門檻比以往更高了。
雖然技術(shù)和算法已達到不錯的水平，但整個上下游設(shè)備制造商還有技術(shù)供應(yīng)商，仍舊保持觀望態(tài)度，只有少數(shù)廠商在快速跟進。
總體來說，我們還有很長的路要走。
再看看最近比較熱的ATM刷臉取款。
2015年底，我們就想做刷臉取款，當(dāng)時人臉識別準(zhǔn)確率達到了99%，千分之一的誤識率。理論上來說，那時做刷臉取款基本可行，風(fēng)險也不是特別大。
整個行業(yè)研究發(fā)現(xiàn)，紅外雙目活體檢測技術(shù)經(jīng)過研究初步驗證，可以用于活體檢測。當(dāng)時招商銀行走得較快，2015年底在幾臺ATM終端試點刷臉取款。
因為當(dāng)時存在各種不確定性，銀行也希望刷臉取款技術(shù)在應(yīng)用體驗、產(chǎn)品穩(wěn)定性各個方面，得到快速改進。
2016年5月，云從也研發(fā)出紅外雙目紅體檢測技術(shù)，用在購物機和廣東建行。隨后整個技術(shù)隨著應(yīng)用推廣逐漸變得成熟。
2016年底，招行試點一年后于是擴大范圍推廣刷臉取款，把它覆蓋到全國20多個分行。2017年6月，農(nóng)行全面推試點刷臉取款，范圍也在不斷擴大。
金融行業(yè)與人臉識別技術(shù)
那么整個金融行業(yè)和人臉識別之間是如何進行融合與應(yīng)用的。
金融行業(yè)在發(fā)展過程當(dāng)中，一直面臨三大要素的協(xié)調(diào)問題：安全、成本、易用。
第一，安全
需要解決冒名開戶、資金失竊、APP安全性不足、欺詐交易、用戶交易抵賴、還有克隆卡等問題。
第二，成本
金融客戶要考慮用這類技術(shù)投入多少資金；同時，會考量如果用這類技術(shù)搞定用戶，那么獲客成本是多少；在交易過程當(dāng)中會增加多少成本；使用專用設(shè)備又有多少成本；還有網(wǎng)絡(luò)、存儲以及人工投入和培訓(xùn)學(xué)習(xí)成本。
第三，易用
易用，首先要滿足“容易獲得”這一標(biāo)準(zhǔn)。容易獲得，指的是如果金融機構(gòu)想用一項新技術(shù)，那他是在現(xiàn)有的條件下無需做出變動就可以得到，還是必須去某個地方，搞一套申請流程把它拿到。
二是在使用的過程當(dāng)中必須具備優(yōu)良的體驗，操作過程不能太復(fù)雜。如何檢驗新技術(shù)是否易用？很簡單，找年紀(jì)比較大的人，如果他很容易學(xué)會，即可證明產(chǎn)品和功能易用。
另外，我們還要考慮客戶本身用技術(shù)方案要投入多少時間、精力、資金，才能夠真正把產(chǎn)品用起來。
協(xié)調(diào)安全、成本和易用這三大條件，被稱作棘手的“不可能三角形”。
這是金融行業(yè)一直面臨的問題，當(dāng)滿足其中兩項后，第三項就無法達成。
當(dāng)一款產(chǎn)品做得非常安全，成本控制得很低，如果還要保證易用，這其實很難。相反，有些銀行既要考慮用戶易用，又要考慮安全，這個時候怎么辦？相應(yīng)地就得多花錢，一旦銀行多花錢就意味著成本會轉(zhuǎn)嫁到普通用戶身上。
還有一些銀行既考慮易用，又考慮成本低廉，比如在手機上做一個APP，推廣成本很低，又要保證它大多數(shù)情況下非常易用，這時候產(chǎn)品往往不太安全。
大家也有過不少經(jīng)歷，某些體驗很好的APP安全事故屢見不鮮。
所以，安全、成本、易用性這三點歷來難以平衡。
回到人臉識別本身，為什么人臉識別很有優(yōu)勢？
第一，它易得。
每個人都有一張臉，無需再去買設(shè)備。很多基于生物識別技術(shù)的軟件，哪怕用UKey，都需在銀行建一個底庫，創(chuàng)建一條信息，預(yù)留很多內(nèi)容。
而公安部恰恰都有人臉的相關(guān)數(shù)據(jù)，商業(yè)銀行可以免費的使用公安部的這部分數(shù)據(jù)，不需要建庫。
第二，易用。
人臉識別在應(yīng)用時，可以做到免簽約，免學(xué)習(xí)。
免簽約是什么意思？就是我用該功能，可以不用去柜臺單獨做簽約。
當(dāng)時云從在給農(nóng)行做刷臉取款時，拿出方案跟總行去聊，按照農(nóng)行的風(fēng)格，我以為他們會要求用戶開通刷臉取款時需要做簽約：到柜臺上開通刷臉取款功能。用以證明用戶認可這種形式，如果出現(xiàn)問題用戶自擔(dān)責(zé)任。
但我們把方案拿給客戶時，客戶說不要簽約，農(nóng)行追求用戶體驗。
打那兒開始，我們就發(fā)現(xiàn)很多人臉識別相關(guān)的應(yīng)用，都做到了免簽約、免學(xué)習(xí)。整個使用環(huán)節(jié)，用戶按照系統(tǒng)提示去做就可以，無需特意學(xué)習(xí)和培訓(xùn)。
同時，人臉識別還是一項非接觸和非配合的技術(shù)。
大家熟悉的指紋或指靜脈識別技術(shù)，用戶必須把手放在一個指定設(shè)備上。而使用人臉更簡單，無需用戶用人臉或者其他肢體接觸傳感器，體驗很好。
同時也盡量做到無需特地去配合，用戶站在設(shè)備面前甚至跟客服聊天時，很自然地便完成人臉識別的全部過程。
第三，人臉識別的適應(yīng)性很強。
首先，它對終端依賴不是特別高，有攝像頭的終端都能進行人臉識別。同時，也不需要投入太多資金 。
如果給用戶推廣指紋識別技術(shù)，用戶拿指紋做支付。這時候會遇到很嚴(yán)重的問題，市面上一半以上的手機不帶指紋識別，難道打算賣一個藍牙模塊或是一個附加模塊送給客戶插在手機上，然后讓用戶使用指紋識別嗎？顯然不合適，既不方便，投入成本也很高。
所以這些技術(shù)在適應(yīng)性這方面并不友好，無法向消費者大范圍推進，只適合先推給金融機構(gòu)，然后金融機構(gòu)內(nèi)部人員推廣至終端用戶。
第四，線上線下的互聯(lián)。
人臉識別作為線上和線下的統(tǒng)一入口，線上有用戶標(biāo)準(zhǔn)的結(jié)構(gòu)化數(shù)據(jù)：用戶做了哪些消費，瀏覽過哪個網(wǎng)站，買了哪些理財產(chǎn)品，行為偏好是什么……
而在線下，當(dāng)用戶人臉出現(xiàn)在智能攝像頭面前時，即可識別到他線下的行為軌跡，自然就可以和線上的行為軌跡打通。
得益于人臉識別具有入口特性，將來很多交易都會從人臉識別開始。
2015年初，人臉識別的準(zhǔn)確率只有68.5%，幾乎無法使用。到了2015年9月份，技術(shù)進步很快，已經(jīng)達到98%，2016年中旬則達到99.8%。
從上圖中我們可以看到，灰色線是人眼識別率（72.5%），人眼在做客戶身份鑒別時，其實經(jīng)常會出現(xiàn)錯誤。
我們再往后看行業(yè)的誤識率基準(zhǔn)。2015年以前，人臉識別業(yè)界參照的誤識率基準(zhǔn)為千分之一，也就是如果出現(xiàn)一千次攻擊，有一次攻擊可能會成功。2016年整個金融行業(yè)如刷臉登錄、小額支付這些場景上，大家把它誤識率基準(zhǔn)提高到了萬分之一，安全級別提升十倍。
2017年技術(shù)又在大踏步向前，業(yè)界的誤識率基準(zhǔn)已經(jīng)提升到十萬分之一到百萬分之一的級別。
誤識率基準(zhǔn)是一把很嚴(yán)格的尺子，它卡得越嚴(yán)，正常識別通過率就會越低。剛才說的通過率是易用性尺度，誤識率越低越好，整個系統(tǒng)的交易風(fēng)險也就越低。
同樣，人臉識別在各種跨場景方面也會輕松應(yīng)對。比如不同時期、不同角度、是否佩戴飾品、面部情況有沒有遮擋、有沒有化妝、復(fù)雜背景等。
人臉識別在經(jīng)過這些年的進步以后，整體來說有了明顯的提升。
安全性是金融業(yè)務(wù)，一而再，再而三強調(diào)的事項。
現(xiàn)在的人臉識別有安全三道門。
第一道門，先要做活體檢測，驗證攝像頭前的人是活的。
第二道門，攻擊預(yù)防。如果用戶進行各種復(fù)雜的攻擊，第一道門騙過去之后，第二道門要給他防住，用一些非常復(fù)雜、嚴(yán)格的模型阻擋，不讓他去攻擊。
第三道門，人臉識別。當(dāng)然，目前還沒有發(fā)現(xiàn)能突破前兩道門的情況，但理論上在非常非常小的概率下，會有人進入到第三道門。
這時候要考慮用非常低誤識率增強人臉識別驗證的嚴(yán)格性，然后用多維度的方式進行驗證，甚至考慮立體建模?；谶@些手段，保證人臉識別安全可靠。
安全性是金融業(yè)務(wù)，一而再，再而三強調(diào)的事項。
現(xiàn)在的人臉識別有安全三道門。
第一道門，先要做活體檢測，驗證攝像頭前的人是活的。
第二道門，攻擊預(yù)防。如果用戶進行各種復(fù)雜的攻擊，第一道門騙過去之后，第二道門要給他防住，用一些非常復(fù)雜、嚴(yán)格的模型阻擋，不讓他去攻擊。
第三道門，人臉識別。當(dāng)然，目前還沒有發(fā)現(xiàn)能突破前兩道門的情況，但理論上在非常非常小的概率下，會有人進入到第三道門。
這時候要考慮用非常低誤識率增強人臉識別驗證的嚴(yán)格性，然后用多維度的方式進行驗證，甚至考慮立體建模?；谶@些手段，保證人臉識別安全可靠。
人臉識別技術(shù)未來還有前進的新空間，就是靜默活體技術(shù)。
靜默活體技術(shù)作為動作活體的下一代技術(shù)研究方向，它的目標(biāo)是希望用戶在單目攝像頭前面，不做任何動作，不去配合，便能夠檢驗出當(dāng)前攝像頭前面是一個活人。
它的體驗也非常好，活體檢測時間要比原來做動作減少一半以上；用戶私密性也保護得非常好。
以往的技術(shù)要求用戶張嘴、點頭，如果用戶在公開場所對著手機做這些動作，感覺有些傻。
雖然這些技術(shù)通過使用動作來驗證，但即便如此也很容易被攻破。借此技術(shù)在普通手機上刷臉解鎖、看郵件可以，但用在金融行業(yè)還是遠遠不夠的。
在人臉識別產(chǎn)業(yè)化期間，各種各樣的硬件也開始出現(xiàn)：專用服務(wù)器可以做到傳統(tǒng)設(shè)備的十倍甚至百倍性能，通過集群目前可做到每秒十萬筆以上的處理能力。
第二，高安全性，通過各種技術(shù)解決了安全問題。
第三，高可用。經(jīng)過多個銀行兩三年的連續(xù)商用，其可靠性已經(jīng)遠遠超過99.99%，人臉識別成為生物識別技術(shù)中商用最快的佼佼者。
接下來我們看一看人臉識別是如何改變金融服務(wù)的。
人臉識別出現(xiàn)后，會對現(xiàn)有的四樣事物造成沖擊：密碼、短信驗證碼、銀行卡、U Key。
實際上這四樣事物與人臉識別存在互補和替代作用。
我們見到很多銀行業(yè)客戶使用了多種有意思的交易實現(xiàn)形式，比如有的銀行希望使用人臉代替密碼，然后進行小額轉(zhuǎn)賬。
也有銀行認為人臉識別從經(jīng)濟角度代替短信驗證碼最好，用戶輸完轉(zhuǎn)賬金額后，再輸入帳號密碼，然后做下一步刷臉，驗證結(jié)束之后即可取款。
一方面，可以省下短信驗證碼的查看和輸入時間，同時又增加了安全性。我們通過種種途徑的計算，了解到人臉識別比短信驗證碼技術(shù)的安全性要高很多，U Key也是上述這種情況。
人臉識別在金融安全方面提高了哪些：
第一，安全開戶使用人臉識別以后，可把互聯(lián)網(wǎng)冒名開戶比率從萬分之五幾乎降至為零。
第二，大額轉(zhuǎn)賬消費交易，以往完全憑靠卡介質(zhì)。有時候一些信貸類交易，消費金融，搞一張身份證即可，這個時候很容易出現(xiàn)盜竊案件和欺詐案件。
消費金融非?；穑找婵臻g也很大，但是它遇上一個很大的問題就是黑產(chǎn)。
黑產(chǎn)專門在互聯(lián)網(wǎng)買一些身份證、銀行卡就可以做消費分期，之后他們用冒名的卡做消費分期后進行詐騙，東西買到手后再倒賣掉。
這時候消費金融公司還覺得自己業(yè)務(wù)量挺大，然而過了一段時間去追款時，發(fā)現(xiàn)追不回來。然后去起訴申請人（卡主），卡主會說這和我有什么關(guān)系，我住在農(nóng)村里從來沒上你的網(wǎng)站，也沒注冊過信息。
因此，消費金融公司常常會被這種欺詐案件搞垮。
除此之外，大型理財投資、申請貸款，如果引入人臉識別可有效核實客戶意愿，預(yù)防抵賴，還可為交易做舉證。
抵賴這件事在銀行經(jīng)常碰到，我舉個真實的例子：
前段時間一個老太太在銀行說，她十幾年前存了幾萬元，有天她想起這些錢加上利息也大概有十萬多，于是她拿著存折去銀行取款，銀行提示她卡里只有幾塊錢。于是她把媒體找來，說銀行騙她錢。
后來銀行經(jīng)過一番核實發(fā)現(xiàn)這些錢在三四年前就已經(jīng)被老太太取走，但老太太否認這筆交易，她認為這是銀行“內(nèi)鬼”所為，銀行去翻會計憑證、倉庫，最終從很多的憑證庫里找出老太太當(dāng)年取款簽字的回單、底單，銀行才得以證明清白。
從這件事可以看出預(yù)防抵賴的重要性。
第四，內(nèi)控。
使用人臉識別后，可有效地實現(xiàn)內(nèi)控，預(yù)防各類案件。如某大行發(fā)生內(nèi)外勾結(jié)詐騙資金，如果使用人臉識別后，即可避免這種案件。
同樣，使用人臉識別還可有效降低交易成本，主要包括提升身份鑒別效率，降低運營成本、人員在項目里的投入。
第二，減少安全案件數(shù)量的發(fā)生，有效降低風(fēng)險損失。
第三，可以代替動態(tài)驗證碼，降低交易成本。
這里分別舉了兩個銀行的例子，如果用它來預(yù)防信用卡欺詐案件，可為該行每年至少減少400萬的損失。根據(jù)我們上線后的情況來看，該行的欺詐案件預(yù)防成功概率達到了95%。也就是說，基本每年至少減少800萬的損失。
如果用刷臉代替短信驗證碼，以另外一家大型股份制銀行為例，可為該行每年節(jié)省3600萬的短信費用。
同樣，使用人臉識別后，很多交易也變得更加簡化，并且有了新的玩法。
比如小金額交易可以在線上使用人臉識別代替密碼，大金額可用人臉代替短信驗證。線下支付時，比如我用自己的手機刷完臉以后，會生成一個二維碼，可以拿去讓別人掃，同時刷臉以后，還可以掃他人的二維碼。
刷臉環(huán)節(jié)，其實是基于安全信任計算的本質(zhì)。大家覺得用戶更愿意把執(zhí)行過程基于自己的臉作為可靠性中心，還是把額外設(shè)備作為可靠中心？很多時候，大家更相信自己的“臉”。設(shè)備容易被攻破，刷臉相比而言更加可靠。
第三，現(xiàn)金業(yè)務(wù)，比如ATM刷臉取款，還有一些銀行用刷臉生正手機二維碼，把二維碼發(fā)在自助機具上取現(xiàn)。
通過分析得出前面講到的“不可能三角形”，其實在使用人臉識別以后得到了更好的平衡?？蛻艋ㄙM更少的錢，并且在終端用戶非常易用且愿意接受的情況下，極大提高了安全性。
在客戶的關(guān)鍵性需求當(dāng)中，對安全的高標(biāo)準(zhǔn)西區(qū)永遠是第一位的。
第二是營銷。整個行業(yè)在面臨轉(zhuǎn)型，因此既要開發(fā)新用戶，也要維護老用戶。精準(zhǔn)識別出用戶，并把用戶想要的推送給他，這就是營銷的一種展現(xiàn)形式。
第三是創(chuàng)新。金融機構(gòu)有著很強烈的創(chuàng)新愿景，他的創(chuàng)新是希望面對監(jiān)管要求，做新業(yè)務(wù)試水，有時候要考慮與其他銀行進行差異化競爭，做其他銀行沒有的產(chǎn)品。
人臉識別出現(xiàn)以后，給我們的生活帶來哪些變化？
第一，人臉即身份。用人臉有效解決冒名開戶，做關(guān)鍵交易可有效預(yù)防各類交易風(fēng)險。
強化金融交易安全。如果使用刷臉去做借款、分期，在線上完成可有效提高風(fēng)控水平，預(yù)防欺詐，降低不良，提升凈利。
還可防止抵賴；快速進行處理，有效減少客戶的投訴處理時間。
第二，臉即介質(zhì)。人臉其實可以當(dāng)做金融交易介質(zhì)。
現(xiàn)在無卡刷臉取現(xiàn)，只要有ATM機就可取現(xiàn)。這在未來會大范圍爆發(fā)，目前來說農(nóng)行招行已經(jīng)大范圍開始用。
第三，刷臉購物。
沒有手機、現(xiàn)金、銀行卡，照樣可以刷臉購物。
廣東省建行校園銀行安裝了多個刷臉購物機，學(xué)生可買飲料食物。將來這些機器會走進更多的商超、寫字樓、社區(qū)，甚至包括無人超市中。當(dāng)然，目前無人超市的概念略微超前，我覺得先從刷臉購物機入手更加靠譜。
從更大的方向看，即關(guān)于未來的無現(xiàn)金社會。
人臉+電子貨幣無疑將會成為最容易成為受監(jiān)管認可，也最容易被公眾所接受和普及的全新支付方式。
第三，臉即權(quán)利。
為什么臉可以代表權(quán)力？我們可以看到，在閘機、門禁等地方，使用人臉識別配合動態(tài)無感知技術(shù)，可讓有權(quán)限的人自由通過，暢行無阻，而沒有權(quán)限的人則無法通過。
在相關(guān)交易系統(tǒng)方面，如果使用了刷臉登錄，可有效解決系統(tǒng)的安全性，特別像金融系統(tǒng)。
金融機構(gòu)當(dāng)中的核心帳務(wù)系統(tǒng)、交易系統(tǒng)、財務(wù)系統(tǒng)、風(fēng)險管理系統(tǒng)，辦公系統(tǒng)等，使用刷臉也可有效解決賬戶被盜等各種風(fēng)險問題。
上述關(guān)鍵業(yè)務(wù)的審批和授權(quán)同樣需要使用人臉。
這里我舉個例子，某個銀行曾出現(xiàn)十多億的案件，案件本身其實是它的分行批了一份十多億的保函，業(yè)務(wù)出現(xiàn)問題以后，保函要兌現(xiàn)，結(jié)果總行沒有發(fā)現(xiàn)他們批復(fù)過保函，這時候就出現(xiàn)整個內(nèi)部的授信、業(yè)務(wù)審核，這種關(guān)鍵操作指令上下不一致，有人冒充等問題。最后一查到，總行不知道，但保函是真的。
這說明了他們沒有很妥當(dāng)?shù)刈龊蔑L(fēng)控，如果使用人臉識別來解決這些問題，在授信、審核、放款、大額操作指令，只有加上這些驗證才可確保交易是經(jīng)由負責(zé)人員本身發(fā)出，非未經(jīng)授權(quán)的指令，也非冒充，
第四，臉即信息。
有“臉”出現(xiàn)的地方就是營銷的開始。也就是說，當(dāng)每個用戶出現(xiàn)在商業(yè)區(qū)或網(wǎng)點時，我們通過無感知VIP識別系統(tǒng)，就可在人流當(dāng)中快速定位出哪一個是VIP客戶，然后把信息通知到營銷人員，幫助營銷人員快速、準(zhǔn)確地進行銷售行為。
同時，用戶的臉出現(xiàn)以后，從宏觀層面來講，我們可以做更多事，比如去做客戶流量統(tǒng)計分析、網(wǎng)點運營分析，甚至掌握商業(yè)體當(dāng)中哪些客戶、哪些年齡段的客戶喜歡干什么，喜歡逛哪些店，把單個用戶的軌跡、興趣點進行抓取分析，既可以幫助我們提升效率，也能優(yōu)化運營，甚至找到更新的營銷思路，這就是人臉分析的價值。
除此之外，通過人臉識別技術(shù)識別出用戶的表情，同時對他的眼球運動視覺焦點進行跟蹤，以及他本身的行為軌跡追蹤。基于此快速找到客戶，分析出他的興趣點在哪，還可知道客戶本身的情緒。由此更好地以用戶為中心，提供他喜好的產(chǎn)品服務(wù)。
大家都知道，每個人的情緒感知不同，計算機根據(jù)用戶的表情和行為幫你分析，哪些人表現(xiàn)出對產(chǎn)品和服務(wù)的不耐煩，這時候就反饋給系統(tǒng)和工作人員，不用再去給他做過多的推銷。
如想獲得本文PPT，關(guān)注雷鋒網(wǎng)旗下只專注報道人工智能商業(yè)化的微信公眾號：AI掘金志，回復(fù)關(guān)鍵詞“云從科技” 即可。雷鋒網(wǎng)
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
