在現(xiàn)代金融史上，沒(méi)有一項(xiàng)技術(shù)比人工智能這顆核彈輻射的范圍更廣，更能決定命運(yùn)了。

它看準(zhǔn)了金融行業(yè)數(shù)字化程度高、歷史數(shù)據(jù)準(zhǔn)確等特點(diǎn)，像熔漿一樣無(wú)孔不入的流進(jìn)金融的各個(gè)業(yè)務(wù)中，并給它們燙上了自己的烙印：智能投顧、智能風(fēng)控、智能營(yíng)銷(xiāo)、智能客服......

但同時(shí)，很多人也在質(zhì)問(wèn)它是否名副其實(shí)。國(guó)內(nèi)好的智能投顧產(chǎn)品幾乎為0，智能風(fēng)控的效果太過(guò)依賴樣本，智能營(yíng)銷(xiāo)推薦的商品讓人“摸不著頭腦”，智能客服遇到不會(huì)的問(wèn)題秒變“復(fù)讀機(jī)”。

人工智能到底給金融帶來(lái)了哪些改變？它是否真正產(chǎn)生了實(shí)實(shí)在在的經(jīng)濟(jì)價(jià)值？是雷聲大、雨點(diǎn)小，還是真正解決了金融業(yè)務(wù)中的諸多痛點(diǎn)？每個(gè)人選擇不同，答案不同。

AI金融“四處碰壁”

｜1000億美元投入“大海”，愣是沒(méi)砸出一個(gè)花來(lái)。

AI這條路，真的不好走。

即使是曾經(jīng)一度成為世界首富的孫正義，最近也在人工智能的投資上栽了跟頭。

作為人工智能的頭號(hào)粉絲，為了投資人工智能，過(guò)去的幾年中，他籌集了1000億美元的基金，其中大部分資金投資了以人工智能為中心的70多家公司，但戰(zhàn)績(jī)潦倒，僅2019年，軟銀便虧損了880億元，相當(dāng)于一年損失了兩艘“伊麗莎白女王”級(jí)航母。

其實(shí)，在現(xiàn)階段的大部分行業(yè)中，AI能顛覆的場(chǎng)景并不多。即使在數(shù)字化程度頗高的金融行業(yè)，AI也并非一帆風(fēng)順。

比如「AI風(fēng)控」，因?yàn)槭玛P(guān)財(cái)產(chǎn)安全，一直是銀行等金融機(jī)構(gòu)關(guān)注和投入的重點(diǎn)。

一直以來(lái)，銀行對(duì)「信用卡套現(xiàn)」等產(chǎn)業(yè)詐騙團(tuán)伙十分頭疼。一些不法分子利用漏洞，通過(guò)有組織的活動(dòng)，將信用卡的資金提現(xiàn)，用于投資、賭博。而「AI風(fēng)控」可以通過(guò)對(duì)個(gè)體騙貸行為的分析，找到某種聯(lián)系，識(shí)別出詐騙團(tuán)伙，進(jìn)而做出相應(yīng)的封卡措施，減少損失。

但是，AI風(fēng)控的效果的好壞十分依賴樣本，如果樣本的數(shù)量或者質(zhì)量不達(dá)標(biāo)，會(huì)嚴(yán)重影響風(fēng)控的效果。

在欺詐等場(chǎng)景中，樣本天然比較充足，效果也相對(duì)較好。

但是在信用卡盜刷、賬戶盜用等場(chǎng)景下，因?yàn)殂y行的防控力度比較強(qiáng)，發(fā)生的案件數(shù)量較少（能積累到的樣本較少），使得AI風(fēng)控的效果也是參差不齊。

邦盛科技副總裁王雷認(rèn)為：“樣本的質(zhì)量高低，很大程度上依賴于專家的經(jīng)驗(yàn)?！倍壳埃珹I專家人才緊缺，有經(jīng)驗(yàn)的科學(xué)家更是鳳毛麟角，這也使得AI風(fēng)控在行業(yè)整體效率上難以提升。

然而，相比智能投顧、智能營(yíng)銷(xiāo)、智能客服等AI在其他場(chǎng)景下的應(yīng)用，「AI風(fēng)控」取得的成果已殊為不易。

在“AI+投顧”的場(chǎng)景中，智能投顧企業(yè)遲遲未能解決獲客成本高、大多數(shù)投資人未能實(shí)現(xiàn)盈利的問(wèn)題。

虞愛(ài)是一家金融科技公司——悅?？萍嫉腃EO，他平時(shí)常常會(huì)接觸到做智能機(jī)器人的客戶，也喜歡體驗(yàn)新的產(chǎn)品和技術(shù)，在被問(wèn)及AI在哪些場(chǎng)景中落地并不理想時(shí)，他首先就提到了智能投顧。

他認(rèn)為NLP需要對(duì)語(yǔ)義有更精準(zhǔn)的理解，現(xiàn)階段NLP只能實(shí)現(xiàn)部分流程的替代，若不能實(shí)現(xiàn)進(jìn)一步突破，智能投顧公司與客戶之間始終會(huì)存在一條看不見(jiàn)的“天塹”，很難進(jìn)行有效且順暢的交流。

“此外，實(shí)現(xiàn)AI能力的基本要素在于數(shù)據(jù)的積累，而目前的情況是智能投顧公司積累的數(shù)據(jù)量普遍較少，這也阻礙了行業(yè)的進(jìn)一步發(fā)展?！庇輴?ài)說(shuō)道。

在非常火熱的“AI+營(yíng)銷(xiāo)”的場(chǎng)景中，消費(fèi)者多元化的需求和市場(chǎng)上產(chǎn)品的稀缺，形成了鮮明的對(duì)比，商品的推薦效果并不理想。

智能營(yíng)銷(xiāo)通過(guò)優(yōu)化AI算法，根據(jù)購(gòu)買(mǎi)商品的網(wǎng)絡(luò)痕跡等非常有限的信息，為每一個(gè)客戶構(gòu)建用戶畫(huà)像。構(gòu)建好畫(huà)像后，把用戶分層，然后和相應(yīng)的標(biāo)簽進(jìn)行匹配。

“然而，智能營(yíng)銷(xiāo)的模型做的效果再好，也很難通過(guò)少量的產(chǎn)品滿足消費(fèi)者的全部需要?！睂Ｗ⒂谥悄芙鹑谫惖赖幕郯步鹂艭EO黃鈴說(shuō)。

撬起AI金融的“支點(diǎn)”

AI金融不是一條坦途，人工智能在金融領(lǐng)域每一個(gè)業(yè)務(wù)的落地過(guò)程都充斥了“分歧”與“爭(zhēng)端”，想要更好地落地金融，需要共同的衡量標(biāo)準(zhǔn)和相對(duì)通用的技術(shù)指標(biāo)。

而這些標(biāo)準(zhǔn)，不僅能為技術(shù)提供方和使用方達(dá)成共識(shí)“牽橋搭線”，也撕開(kāi)了一道AI金融難以大規(guī)模落地的口子。

隨著與科技公司的合作愈發(fā)緊密，金融機(jī)構(gòu)逐漸摸索出一套比較通用的技術(shù)指標(biāo)，比如KS值、AUC、F-score，來(lái)鑒別哪家金融科技公司的AI實(shí)力更強(qiáng)。

KS值越大，表明正負(fù)樣本區(qū)分的程度越好，AI模型越好；「AUC」（Area Under Curve）可以分析在一條曲線下的面積到底有多大，如果曲線下的面積越大，這個(gè)模型效果越好，反之模型效果越差；「F-score」，用來(lái)判斷準(zhǔn)確率。

此外，模型覆蓋率也是考驗(yàn)AI產(chǎn)品是否有很好效果的指標(biāo)之一。

假設(shè)模型可以覆蓋1000萬(wàn)人，目標(biāo)是需要觸及客戶900萬(wàn)人。如果在測(cè)試時(shí)，模型覆蓋了1000人，觸及到的目標(biāo)客戶達(dá)到901人，達(dá)到了模型的測(cè)試標(biāo)準(zhǔn)，但是，因?yàn)闇y(cè)試的樣本量太少、測(cè)試的次數(shù)太少，不代表AI產(chǎn)品就達(dá)到了標(biāo)準(zhǔn)。

AI模型也是有時(shí)效性的，隨著時(shí)間的變化，它的性能是否會(huì)大幅下降？AI模型在更新的過(guò)程中，是否需要大量時(shí)間和金錢(qián)？AI模型和銀行的核心系統(tǒng)在對(duì)接的過(guò)程當(dāng)中是否簡(jiǎn)易？AI模型本身是否做的很標(biāo)準(zhǔn)化？

這些都是在技術(shù)指標(biāo)之外，銀行使用AI產(chǎn)品時(shí)，必須要考量的標(biāo)準(zhǔn)。

冰鑒科技CEO顧凌云說(shuō)到：“部分金融機(jī)構(gòu)，會(huì)執(zhí)行一套客觀的指標(biāo)來(lái)考察AI企業(yè)的產(chǎn)品質(zhì)量。以24小時(shí)、7天或者30天為一個(gè)期限，他們會(huì)時(shí)時(shí)刻刻監(jiān)控模型的效果，一旦模型的效果超出規(guī)定范圍，馬上就會(huì)根據(jù)期限調(diào)整產(chǎn)品。即使你本身的模型效果很穩(wěn)定，他也會(huì)每3個(gè)月做一次測(cè)評(píng)，每6個(gè)月做一次測(cè)評(píng)，每一年對(duì)供應(yīng)商進(jìn)行一次重新的測(cè)評(píng)和調(diào)換?！?/strong>

通過(guò)這種方法，金融機(jī)構(gòu)可以保證他們使用的產(chǎn)品，一直由最佳技術(shù)實(shí)力的公司提供，而反過(guò)來(lái)，也不斷磨礪和推動(dòng)科技公司在技術(shù)上的不斷創(chuàng)新與發(fā)展。

｜給我一個(gè)支點(diǎn)，我能撬起整個(gè)地球。

作為第一個(gè)掌握杠桿原理的科學(xué)家，阿基米德認(rèn)為只要找到事物的內(nèi)在規(guī)律，即使撬動(dòng)地球也是一件自然而然的事情。

但是，想要撬起「AI金融」這座大山卻殊為不易，需要找到許多支點(diǎn)，除了推進(jìn)金融科技公司和金融機(jī)構(gòu)“達(dá)成共識(shí)”外，怎樣驅(qū)動(dòng)人工智能更加“智能化”和怎樣促進(jìn)監(jiān)管與科技之間的“協(xié)同發(fā)展”，也是我們需要思考的問(wèn)題。

人工在前，智能在后

｜人工與智能，孰好？

這是一個(gè)自AI創(chuàng)立以來(lái)，人們就津津樂(lè)道的話題，也是每一個(gè)AI企業(yè)家都需要思考和抉擇的問(wèn)題。

慧安金科CEO黃鈴認(rèn)為，人工和智能是互為補(bǔ)充的，具有完全不一樣的屬性。

人工，可以在自己已有經(jīng)驗(yàn)基礎(chǔ)上做非常復(fù)雜的推理，能夠根據(jù)一些蛛絲馬跡做復(fù)雜的關(guān)聯(lián)和分析，挖掘出潛伏非常深、偽裝特別像的風(fēng)險(xiǎn) 。

但是，人工也有幾方面的問(wèn)題。

第一，要成為一個(gè)非常有經(jīng)驗(yàn)的專家，需要長(zhǎng)時(shí)間的積累和沉淀。

第二，「人工」處理數(shù)據(jù)的“帶寬”非常有限，一天只能處理幾十個(gè)案件，發(fā)現(xiàn)很少的問(wèn)題。

而對(duì)于機(jī)器智能來(lái)說(shuō)，「人工」的劣勢(shì)，恰恰是它的優(yōu)勢(shì)。它有足夠的帶寬處理海量的數(shù)據(jù)，還可以按照一些推理規(guī)則或者機(jī)器學(xué)習(xí)模型，幫助人們減少工作。

黃鈴說(shuō)：“我們可以通過(guò)準(zhǔn)確率、覆蓋率這兩個(gè)量化指標(biāo)，對(duì)人工智能產(chǎn)出的效果進(jìn)行全面評(píng)估。通過(guò)ROI來(lái)判斷這個(gè)人工智能項(xiàng)目是否取得了良好的效果?！?/p>

按照目前的發(fā)展來(lái)看，AI在人臉識(shí)別、文本識(shí)別以及風(fēng)控、合規(guī)和監(jiān)管等場(chǎng)景，效果都非常好。有些領(lǐng)域，AI的水平和能力甚至超過(guò)人類，比如風(fēng)控合規(guī)監(jiān)管，機(jī)器可以達(dá)到人類97%或者98%的水平。

但是相比人類，特別是非常資深的專家，AI的推理能力還是遠(yuǎn)遠(yuǎn)不夠。

“AI其實(shí)像一個(gè)被高考機(jī)器慣出來(lái)的孩子?！蔽浵伡瘓F(tuán)首席AI科學(xué)家漆遠(yuǎn)這樣形容AI目前發(fā)展“偏科”的情況，好比一位有著特別強(qiáng)大記憶體的學(xué)生，能通過(guò)題海戰(zhàn)術(shù)學(xué)習(xí)了大量知識(shí)點(diǎn)之后，做題效率極高，卻不懂怎么推理。

比如在智能風(fēng)控領(lǐng)域，存在大量的欺詐分子，他們隱蔽身份的手法千變?nèi)f化，機(jī)器也難以察覺(jué)。如何使用數(shù)據(jù)、對(duì)數(shù)據(jù)特征分析以及如何把特征組合起來(lái)，產(chǎn)生一個(gè)準(zhǔn)確高效的信貸風(fēng)控模型，十分具有挑戰(zhàn)性，需要有經(jīng)驗(yàn)的AI人才。

監(jiān)管與科技

｜科技可向善，也可為惡。

避惡揚(yáng)善，是一個(gè)永恒的話題。

邦盛科技的王雷認(rèn)為：“機(jī)器學(xué)習(xí)等技術(shù)，最大的一個(gè)問(wèn)題是不透明、不可解釋?！倍@一特征給監(jiān)管帶來(lái)了許多困擾。

人工智能應(yīng)用往往通過(guò)采用神經(jīng)網(wǎng)絡(luò)，使用算法產(chǎn)生結(jié)果，其復(fù)雜程度只有計(jì)算機(jī)可以理解，有時(shí)候連金融科技公司也不清楚人工智能是如何決策的。這種情形下，相關(guān)部門(mén)是否監(jiān)管、如何監(jiān)管科技公司成了一大難題。

隨著技術(shù)與產(chǎn)業(yè)的進(jìn)一步融合，人工智能的決策可能涉及數(shù)百萬(wàn)美元——甚至是關(guān)系到人類的健康和安全，在金融等受到高度監(jiān)管的行業(yè)中，不能解釋人工智能的決策，對(duì)于企業(yè)和個(gè)體而言，都面臨著極大的風(fēng)險(xiǎn)，這也給監(jiān)管部門(mén)提出了更高的要求。

人們往往認(rèn)為監(jiān)管與科技的關(guān)系是，先有人工智能等科技，后有監(jiān)管，監(jiān)管部門(mén)的技術(shù)與理念永遠(yuǎn)落后于科技公司，實(shí)則不是。

品鈦副總裁李惠科說(shuō)到：“政府監(jiān)管部門(mén)跟業(yè)界之間的討論是非常頻繁的，一些高級(jí)別的監(jiān)管官員會(huì)直接在群里，提各種各樣的問(wèn)題和業(yè)內(nèi)的公司管理者們一起進(jìn)行思考?！笨萍计髽I(yè)在迅猛發(fā)展的時(shí)候，監(jiān)管也在與時(shí)俱進(jìn)，并參與和推動(dòng)整個(gè)生態(tài)的發(fā)展。

如果非要形容科技公司與監(jiān)管之間的關(guān)系，科技公司就是非常前沿、時(shí)尚的法拉利跑車(chē)，而「監(jiān)管」是在整個(gè)道路上面設(shè)計(jì)紅綠燈、限速、停車(chē)等各種標(biāo)志的交通規(guī)則。

跑得再快的法拉利，受到交通規(guī)則的管制，到了路口，也要停下來(lái)；而紅綠燈的設(shè)置，保證了科技公司這輛飛車(chē)不至于“超速行駛”或者“跑得太慢”。雷鋒網(wǎng)雷鋒網(wǎng)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(jiàn)轉(zhuǎn)載須知。