“AI＋金融”是“半成品”未能邁過數據和監管的坎

文/本刊記者 史 詩

“AI＋金融”是“半成品”未能邁過數據和監管的坎

文/本刊記者 史 詩

“你會做什么呀？”

“唱歌跳舞我最6，刷臉貸款防騙局”。

“投資買房可以嗎？”

“房子是用來住的，不是用來炒的”。

近日，首席智能官“融八牛”正式亮相，融360聯合創始人兼CEO葉大清對其進行了“終極考核”，“融八牛”現場對答如流、妙語連珠。

作為大數據和深度學習技術在金融領域的創新性應用，“融八牛”憑借先進的人臉識別技術和金融產品大數據庫，可以為用戶快速提供信用貸款額度測試；也可根據用戶的個人需求，依靠大數據算法進行智能分析和匹配，提供適合的信用卡、貸款類產品智能推薦；同時，融八牛還可通過“大腦”中實時聯網更新的金融詐騙案例和知識庫，用語音交互的方式與用戶實時互動，精準識別各類詐騙手段，進行金融知識教育和智能風險預警。

AI賦能金融行業時不時就冒出個花樣來，看好這項技術給企業帶來競爭優勢的高管越來越多。雖然它在征信和風控領域的應用有了良好的開始，但從現階段來看，人工智能追求的是大概率的獲勝，博取最大的“浮動收益”，至少在之前不少人拍手叫好的智能投顧領域，它還沒能戰勝中國式投資……

再加上人工智能自身的種種問題，不得不說，野心和執行之間，還有很多落差。

人工智能“瞄準”錢袋子

難道人工智能真的要“騎”在我們的脖子上，贏了棋后又“瞄準”人類的錢袋子嗎？

中央財經大學中國互聯網經濟研究院副院長歐陽日輝對《中國科技財富》記者表示，首先，金融業自有特征屬性是AI快速滲透內在原因。金融業具有極強的“數字性”特則，數據處理、信用征集和風險防控一直是制約金融業發展的頑疾，如何更加快速的進行數據處理、更加準確的進行信用征集、更加安全的進行風險防范是金融業發展中核心所在；其次，大量金融資本的推動是AI快速滲透的外在原因。對于資本快速增殖的追求，促使了金融業對于人工智能技術的引進與應用，進而推動AI在金融領域的滲透。

“一些金融行業的目標非常明確，痛點比較強，便于發揮機器學習、模型與變量提取、再應用于高效判斷的AI核心價值。”開鑫金服總經理周治翰舉例說，過去需要人工分析客戶的消費習慣、歷史賬單，去篩選哪些用戶是分期付款的潛在用戶或較容易接受信用卡分期建議。現在，基于在歷史數據中隱含的有效規則，AI可以更快、更準確地篩選出目標客戶。

不僅如此，深度學習技術和計算機視覺研究，也逐漸滲透到金融行業，提供在線身份驗證、大數據反欺詐、征信應用平臺等多場景綜合解決方案。對此，借貸寶子公司Linkface CEO黃碩分析稱：“原來圖像和音頻數據只能讓后臺的審核人員來進行解讀，由于效率低、成本高，一直無法大規模應用。隨著深度學習技術的成熟，圖像和音頻數據被大量應用于身份驗證、資產標的識別、反欺詐等環節，極大的提升了借貸的效率和體驗。”

人工智能目前僅是“小學徒”

在復盤2016年初AlphaGo對戰李世石、2017年化名Master連斬中日韓三國棋手的諸多文章里，常會引用一個數據：“機器深度學習了3000萬個圍棋對弈”。

沒有大數據加持，再好的人工智能好像也搞不出新花樣。越來越多的證據表明，當前的計算能力、算法與聯網設備所產生的數據量已經構成了人工智能真正崛起的基礎。

“如果說人工智能想要在金融行業內邁過大數據的坎，要么打破如今市場上數據孤島的局面，實現數據共享；要么就只有慢慢積累數據，讓時間推動數據的沉淀來突破局限。”快牛金科CTO胡亮表示。

其實，即便目前的AI技術和深度學習已經非常成功了，但這種成功只有在AI被要求解決具有具象特征的問題時才會顯得“神乎其神”。業內人士指出，AI的設計是基于完好定義的目標的，而金融行業的目標通常是多變且復雜的。

“人工智能雖然對于結構化數據和可量化數據的收集和處理已經達到了一定的程度，但是對于非結構數據量化程度不夠，尤其是關于人類行為與心理數據的量化尚未達到理想化的程度，非結構化的數據就是目前人工智能無法邁過的坎。”歐陽日輝分析，解決這一問題，一方面要依賴基礎技術以及人工智能等技術的發展和人工智能在金融領域滲透的進一步深化；另一方面要依賴于統計建模技術的發展，推動非結構化數據量化處理，進而推進金融數據收集和整理的進一步完善。

對此，周治翰也認為，金融行業的數據與AI要更好地結合并發揮作用，還需要解決幾個痛點。一是歷史上大量的金融交易可能記錄在書面上，沒有實現電子化，如果能將這部分歷史資料數據化，可以更好地助推金融AI的發展。二是金融領域是高速變化的行業，隨著市場、業態、不同新領域的發展，很多因素都會使得上面說的內在規律在發生逐步的變化，這種持續的但是或多或少的變化就要求對數據和AI進行持續的調整和優化，才能保持一個穩定良好的產出效果。三是金融的領域非常多，一些復雜的金融交易，會受到宏觀政策、微觀環境、市場行情、甚至個人情緒的影響，以當前的AI發展程度，在這些領域可能還不能很好地應用。

應建立人工智能監護系統

金融的本質功能是降低交易成本和資產定價，金融資產定價基于對資本資產風險的評估。不得不說，人工智能在金融行業的應用，優化了金融風險的評估體系，大數據、云計算等技術使金融機構對于金融市場信息、客戶信用信息、宏觀經濟信息等各類經濟信息的收集和整理能力呈現爆發式增長，準確性和效率性也有明顯提升。

但業內人士認為，較強的消費粘性、較重的資本投入和數據的先發優勢為傳統金融機構提供了一定保護。歐陽日輝也表示，傳統金融機構在大宗金融業務方面仍然具有相當大的優勢。

不過他也指出，“AI+金融”是金融發展的趨勢和方向，傳統金融如果一味固步自封、不求改變，必然會在未來的金融市場競爭中處于弱勢地位。

此外，相較于傳統金融模式，“AI+金融”的商業模式最大的風險仍是技術風險，更具有隱蔽性強、傳染性強和危害性大等特點。

“人工智能作為一項技術可能會存在技術風險，并且這種技術風險在被攻擊前很難被發現，一旦被攻擊又會造成極大的傳染性，給整個金融體系造成巨大沖擊，甚至引發金融危機。”歐陽日輝說。

專家建議，加強防范AI技術風險，建立AI監護系統尤為重要。歐陽日輝認為，AI監護者應當是一個立體的治理體系，在這個體系中企業、行業協會、政府和社會應當“四位一體”共同監護AI。