雷鋒網(wǎng) AI 開發(fā)者按：作為技術(shù)驅(qū)動(dòng)型企業(yè)，冰鑒科技致力于為金融機(jī)構(gòu)提供獨(dú)立第三方智能風(fēng)控服務(wù)，鑒于其過往在信用評(píng)估領(lǐng)域的積累，今年 IJCAI 大會(huì)特別邀請(qǐng)了冰鑒科技CEO顧凌云在 Industry day 環(huán)節(jié)里作了題為《AI Meets Risk》的大會(huì)演講。

在演講開始前，雷鋒網(wǎng) AI 開發(fā)者有幸對(duì)CEO顧凌云進(jìn)行了專訪，向其請(qǐng)教幾個(gè)開發(fā)者們最關(guān)心的問題，其中包括金融征信領(lǐng)域的前景、企業(yè)技術(shù)實(shí)力的評(píng)判標(biāo)準(zhǔn)、冰鑒科技的人才觀等等。

以下為專訪全文。

技術(shù)！技術(shù)！

AI 開發(fā)者：我們都知道，冰鑒科技是一家技術(shù)驅(qū)動(dòng)型企業(yè)，作為中國(guó)金融風(fēng)控領(lǐng)域的佼佼者之一，可以向我們介紹一下智能風(fēng)控領(lǐng)域所涉及的技術(shù)內(nèi)容嗎？

顧凌云：我這里舉幾個(gè)例子：

• 在訓(xùn)練樣本有限的情況下，能不能把一個(gè)模型建好？

• 當(dāng)數(shù)據(jù)已經(jīng)足夠多的情況下，卻面臨背后物理含義不清晰時(shí)，你該如何對(duì)其特征變量進(jìn)行清洗？

• 當(dāng)所有變量都已經(jīng)出現(xiàn)時(shí)，你如何確保一些在傳統(tǒng)變量選擇中未被選中的弱變量，通過變量整合與特征工程，將之變成一個(gè)強(qiáng)變量。

• 一個(gè)單一模型一旦效果不佳，你應(yīng)該如何把模型給集連起來？

• 面對(duì)大量底層數(shù)據(jù)，該如何自動(dòng)篩選出模型中的變量？

• 當(dāng)你處理數(shù)據(jù)變得很慢時(shí)，該如何通過提高或者改變 cost function來提升收斂速度？

• 當(dāng)所有的結(jié)構(gòu)化數(shù)據(jù)都處理穩(wěn)妥時(shí)，該如何處理半結(jié)構(gòu)化數(shù)據(jù)或非結(jié)構(gòu)化數(shù)據(jù)？

• 當(dāng)所有數(shù)據(jù)都處理妥當(dāng)時(shí)，該如何去擴(kuò)展數(shù)據(jù)的更多邊界？

AI 開發(fā)者：在評(píng)價(jià)一個(gè)模型時(shí)，你們一般會(huì)使用哪些評(píng)判指標(biāo)？

顧凌云：一個(gè)建模做得好不好，是可以直接由客觀標(biāo)準(zhǔn)去判別的，比如借助AUC、Gini score、Precision、Recall、KS的數(shù)字去衡量模型的最終效果。

AI 開發(fā)者：在你看來，技術(shù)與數(shù)據(jù)之間是一種什么樣的關(guān)系？

顧凌云：如果給二者之間求極限，一定是數(shù)據(jù)勝出，因?yàn)闆]有數(shù)據(jù)，就什么都做不了。任一行業(yè)在早期發(fā)展時(shí)，都是從數(shù)據(jù)開始發(fā)展，然后慢慢演變成數(shù)據(jù)被濫用，侵犯了用戶隱私，然后監(jiān)管機(jī)構(gòu)開始進(jìn)入，數(shù)據(jù)的開源由此受到約束。

所幸，中國(guó)開始慢慢從數(shù)據(jù)為王階段，慢慢開始過度到技術(shù)為王階段。這是因?yàn)閿?shù)據(jù)越來越難被獲得，或者說可獲得的數(shù)據(jù)正在變得越來越公開化。

這就是數(shù)據(jù)和技術(shù)二者之間的關(guān)系。

信用評(píng)估領(lǐng)域的水多深？

AI 開發(fā)者：冰鑒科技經(jīng)常強(qiáng)調(diào)自己的“第三方”屬性，這個(gè)該如何理解？

顧凌云：我在美國(guó)生活這么些年，逐漸曉得“征信”與“增信”其實(shí)是兩碼事，前者屬于國(guó)家范疇，需要持有牌照且被嚴(yán)格監(jiān)管；后者則應(yīng)該以技術(shù)為主，讓更多科技企業(yè)參與進(jìn)來。在過去這些年，相信并沒有太多企業(yè)能將兩者區(qū)分清楚。數(shù)據(jù)固然好，但我希望只把它當(dāng)作建模的原材料，而不是去獲取、存儲(chǔ)這些原材料。

“第三方”這三個(gè)字的定位其實(shí)是非常清晰的，所以在過去幾年中，我們有三件事絕對(duì)不做：

• 買賣數(shù)據(jù)

• 碰業(yè)務(wù)端（借貸）

• 發(fā)數(shù)字貨幣

即使上述事情對(duì)我們來說其實(shí)游刃有余。

AI 開發(fā)者：你認(rèn)為當(dāng)下的中國(guó)征信領(lǐng)域面臨著哪些轉(zhuǎn)變趨勢(shì)？

顧凌云：在我看來，中國(guó)現(xiàn)在的這幾個(gè)趨勢(shì)是不會(huì)改變的：

第一、獨(dú)有數(shù)據(jù)今后只有兩條路，第一條由于灰色且非法，最后一定會(huì)被關(guān)停；第二條由于允許數(shù)據(jù)曝光在在陽光底下，這也意味著最后一定全部變成市場(chǎng)化、透明化。

第二、從借貸角度來講，所有機(jī)構(gòu)最后一定會(huì)變得兩極化，一方是以流量為側(cè)重點(diǎn)的借貸機(jī)構(gòu)；另一方則依然以銀行體系內(nèi)自有資金作為優(yōu)勢(shì)來取得競(jìng)爭(zhēng)優(yōu)勢(shì)。

第三、獨(dú)立第三方技術(shù)平臺(tái)會(huì)變得越來越有優(yōu)勢(shì)，各自的定位將變得越來越清晰——做流量的專心做流量、主攻資金成本也會(huì)變成一件極其專注的事情。

怎樣才算優(yōu)秀的技術(shù)企業(yè)/人才

AI 開發(fā)者：您認(rèn)為優(yōu)秀的技術(shù)公司應(yīng)該具有哪些特點(diǎn)？

顧凌云：要想判斷是否是真正的技術(shù)企業(yè)，只要看這幾個(gè)指標(biāo)，就可以判斷得出來：

• 算法是不是自己原創(chuàng)的？所謂原創(chuàng)，不是說一定要做一個(gè)跟教科書上完全不同的算法，而是能不能從底層開源開始，就自己寫代碼，然后可以任意調(diào)整其中的收斂函數(shù)、cost function，以及對(duì)于數(shù)據(jù)變量的處理等。

• 公司有沒有足夠比例的科技人員？一家說自己是高科技公司的企業(yè)，結(jié)果銷售占了員工總數(shù)的80%，而研發(fā)人員只占10%，研發(fā)經(jīng)費(fèi)連3%都不到，那就肯定不是一家真正的技術(shù)公司。

• 能否在任一技術(shù)領(lǐng)域做到“常戰(zhàn)常新”。也就是說在戰(zhàn)斗過程中，保持對(duì)于科研第一線的敏銳觸覺。今天別人正在做的事情并不重要，重要的是現(xiàn)在正在被研發(fā)，處于萌芽階段的算法，你能否第一時(shí)間快速地了解，并應(yīng)用到自己的工程當(dāng)中。

只有滿足這些條件，我才覺得這是一家真正意義上的科技公司。

放眼中國(guó)來看，稱得上“科技公司”的企業(yè)其實(shí)是不多的。

AI 開發(fā)者：您認(rèn)為一家技術(shù)公司有沒有可能存在技術(shù)上的絕對(duì)壁壘？

顧凌云：其實(shí)上，每隔十年，能有一個(gè)算法思路取得突破性進(jìn)展，就已經(jīng)相當(dāng)不錯(cuò)了。回到征信領(lǐng)域，能在保證隱私獲得保護(hù)、數(shù)據(jù)使用得當(dāng)?shù)那疤嵯?，在反欺詐、貸前貸中貸后的客戶沉睡 & 喚醒以及在前端精準(zhǔn)營(yíng)銷等幾個(gè)方向上都做好，其實(shí)已經(jīng)是一件相當(dāng)不容易的事情。

很多人會(huì)問，既然你是一家科技公司，那有沒有可能做到降維打擊，僅憑一個(gè)算法就輕松擊敗其他企業(yè)？這是一件不可能的事情。

我一直強(qiáng)調(diào)，這是一個(gè)自由競(jìng)爭(zhēng)的社會(huì)，它的流動(dòng)性是很明顯的。人員的流動(dòng)、思想的碰撞、學(xué)術(shù)交流，最后會(huì)慢慢把你科技中的領(lǐng)先部分慢慢給抹平。

AI 開發(fā)者：既然您強(qiáng)調(diào)“常戰(zhàn)常新”，那么在研發(fā)與產(chǎn)業(yè)的結(jié)合方面往往會(huì)存在一個(gè)矛盾點(diǎn)，你們是通過什么樣的一個(gè)機(jī)制去平衡這件事情的？

顧凌云：我們有一個(gè)AI實(shí)驗(yàn)室，主要起到一個(gè)承前啟后的作用。我要求里面供職的必須全是博士，而且在選人過程中還有相應(yīng)標(biāo)準(zhǔn)：

第一、留美畢業(yè)的博士。

第二、我們希望不要博士一畢業(yè)就直接就回到中國(guó)來，最好在美國(guó)能有一到兩年的工作經(jīng)驗(yàn)，但也不要時(shí)間過長(zhǎng)。

第三，最好從美國(guó)有過一兩年工作經(jīng)驗(yàn)后回到中國(guó)，還能在其他家公司干過半年到一年時(shí)間，再到我們這里來。

這其實(shí)是一種理想狀態(tài)，但招到的人基本上都會(huì)符合其中的幾點(diǎn)標(biāo)準(zhǔn)。然后我們會(huì)要求他們：

第一，需要能夠聽懂大型頂會(huì)的內(nèi)容，而且能自己發(fā)文章。

第二，對(duì)于每一場(chǎng)頂會(huì)中的best paper，我們會(huì)有專門的人員去對(duì)文章做出復(fù)述——我們所謂的復(fù)述，是需要對(duì)算法進(jìn)行復(fù)現(xiàn)的，來判斷在我們自己的領(lǐng)域中這個(gè)算法的效果。

只有把這些全部做完后，我們才會(huì)讓工程團(tuán)隊(duì)進(jìn)駐，進(jìn)而判斷這些算法可以被運(yùn)用在在哪些場(chǎng)景里頭。

AI 開發(fā)者：冰鑒科技目前一共有多少技術(shù)人員？

顧凌云：我們300人不到，科技人員大概占到240-250人左右的比例。

AI 開發(fā)者：冰鑒科技目前主要缺哪一方面的人才？

顧凌云：我們的數(shù)據(jù)科學(xué)家崗位全年都在招人，而且這個(gè)位置是不設(shè)限的。只要是對(duì)我們公司或者所處行業(yè)感興趣的數(shù)據(jù)科學(xué)家們，我們都?xì)g迎。尤其是對(duì)于算法相對(duì)比較了解，或者對(duì)于Python、R這些數(shù)據(jù)處理工具使用得比較熟練的。

第二是BusinessAnalyst的人才，主要涉及模型的后續(xù)的分析。比如模型出來以后，他要分析具體怎么去應(yīng)用。比如我的cut-off放在什么地方？我的季節(jié)性分析應(yīng)該是怎么樣的？定額定價(jià)模型具體應(yīng)該怎么做等等。這部分崗位對(duì)專業(yè)不做限制，我們更看重Brain power，只要你聰明，同時(shí)對(duì)于新領(lǐng)域能夠保持足夠的觸覺就可以。

第三是純粹的IT，包括對(duì)于大數(shù)據(jù)平臺(tái)、Java、C、Spark等這些相對(duì)來說比較熟悉的人。

這些都是我們正在尋找的人才。

雷鋒網(wǎng) AI 開發(fā)者雷鋒網(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。