金融科技与AI的关系是首先需要有问题

财经2020-09-29 21:56:49
导读金融科技与AI的关系是首先需要有问题,而这个问题是业务问题,场景往往决定了你会有什么问题;有了问题之后再构建能

金融科技与AI的关系是首先需要有问题,而这个问题是业务问题,场景往往决定了你会有什么问题;有了问题之后再构建能力,包括硬件能力、软件能力、AI能力、算法能力、工程能力等等;有了能力落地方案,然后通过方案解决业务问题。6月15日,亿欧金融在上海正式举办“2018智能+新商业峰会——智能+新金融峰会”,探析AI、区块链分布式技术和大数据带来的金融业智能化,展望新一代智能金融的基础设施和未来应用蓝图,推进智能金融的演进。此次峰会由上海市经济和信息化委员会、上海市商务委员会、上海市长宁区人民政府、上海市互联网金融行业协会指导,上海市长宁区青年联合会和亿欧公司联合主办。英凡研究院、星合资本、百融金服、融360、同盾科技、包银消费金融、新网银行、网商银行、快牛金科、拍拍贷、恒昌公司、光速中国、宜信新金融产业基金等单位出席本次峰会。

在智能+新金融峰会上,拍拍贷智慧金融研究院院长、CRO顾鸣博士发表了题为《人工智能在金融科技中的应用》的演讲。他提到:

1、AI是计算机科学的一个分支,是研究和开发用于模拟、延伸和扩展人的智能理论方法、技术及应用系统的一门技术科学,简单的说,所有能够系统化的、做人做的事情的都是AI;通过规则能够把人替代掉自动地做些事情就是AI。

2、TechFin最重要的是两件事情:一个是场景,一个是数据。

3、你的领域是哪一行的决定了你的场景,你的场景又决定了你能够拿到什么样的数据,数据决定了你能做什么样的模型、什么样的算法。

4、AI可以做两件事情:1、性能提升,即本来你只能做到60分的事情现在可以做到80分。2、效率提升,同样做到80分,但本来要用100人,现在是10人。

5、不应该为了AI而AI,而是更多地基于实际的问题来想什么样的技术手段能够把它解决,这是80%企业要做的事情。

6、剩下的20%要反过来看,因为不可能每次出现一个问题再来构建能力,有些能力是需要提前储备的,包括人工智能、大数据、区块链、云计算。

以下为顾鸣现场演讲全文(不改变原义的情况下有删改):

谢谢亿欧,谢谢长宁区,很高兴今天下午能过来。

拍拍贷是中国第一家网贷平台,2007年成立,2012、2014、2015年分别拿到A、B、C轮融资,2017年10月在纽交所上市。拍拍贷简称是“PPDAI”,我们天生注定是做数据和AI的,将“PPDAI”拆开就是“P2P Did AI”,在2007年没有人说AI的时候我们就决定了要做数据、要做AI。

我个人认为我们是一家科技公司,但正好做的领域是金融而已。

我们有7000多万用户,每个月会放贷两三百万笔,全流程没有一个审核,所有风险是不做任何审核的。端对端新客户从进来到最终拿到钱可能也就几分钟的时间,和传统金融机构是很不一样的一种方式,所以是非常高效的。我们平均单笔金额就3000块钱,但是日进件量是4大行的水平。

AI是什么?AI是计算机科学的一个分支,是研究和开发用于模拟、延伸和扩展人的智能理论方法、技术及应用系统的一门技术科学,简单的说,所有能够系统化的、做人做的事情的都是AI;通过规则能够把人替代掉自动地做些事情就是AI。

这个会是跟AI相关的,先简单说一下AI。

AI是1943年就有的,

为什么说这个呢?这张图是AI发展历史。有几个有意思的节点,AI概念是很早很早以前就有的,不是AlphaGo、Deep learning出来才有AI,其实在70年前就有AI了。2005、2006年是Deep learning最火的一段时间,之后就有了AlphaGo这些风口,但Deep learning只不过是所有AI分支里的一个而已,再往前看到1986年,实际上Deep learning用到的算法就已经被发明了,本质上2005年和1986年,唯一做的就是数据更多算力更强,算法上会有些变化但是差不了太多,但是1986年的问题只是跑不出来,因为当时电脑不够强、数据不够多,到了2005、2006年就可以搞定。神经网络是1969年就有了,当时是单个神经网络。整个神经网络分支是在60年代初“模糊式匹配”有的,再往前就是1954年根本性地说明什么是AI,做了定义。

大家可以看到AI是很早很早就有的,最近才突然之间火起来,虽然突然之间火起来但还是有很多很多分支。

拍拍贷作为一家TechFin公司认为最重要的是两件事情:一个是场景,一个是数据。

这张图的意思是说人工智能并不是一门非常新的科学。你的领域是哪一行的决定了你的场景,你的场景又决定了你能够拿到什么样的数据,数据决定了你能做什么样的模型、什么样的算法。

“FinTech”在往“TechFin”在转。

为什么BAT巨头这么厉害?因为他们有所有的场景和非常非常多的数据,这个才是真正意义上的壁垒。吹牛可以吹下面的语音识别、深度网络等东西,但是真正的壁垒是没法动的、是最上面的。并且你会逐渐发现所有当中的这些领域能力、算法能力都是可以买的,有很多公司会卖,巨头趋势上也慢慢在卖(这些能力),所以这并不是核心竞争力。

所以应用的场景和数据是最重要的。举几个例子,第一个是风控,可能风控大家会比较熟悉,风控是最直接最早在AlphaGo之前拍拍贷就尝试用不一样的方法来做风控,因为当时核心需要解决的问题是用户大多数没有银行征信,最终是招了一大批互联网的人才来做金融的事情。

这其中更细分的是反欺诈,反欺诈是一个非常大的问题,我们的经验告诉我们基本上最终坏账有三分之一是欺诈,所以如果你能够把欺诈搞定天生你坏账就降三分之一。反欺诈一般怎么做呢?通过关联、通过人跟人之间的关系来做,有一个说法是“物以类聚,人以群分”,这个应用在反欺诈当中非常明显,你需要找到坏人跟坏人之间的联系才能把一波坏人抓出来,对我们来说中介的团案是影响最大的。所以我们会通过真正意义上的复杂网络来做这件事情。

AI能给我们做什么呢?可以做两件事情:1、性能提升,即本来你只能做到60分的事情现在可以做到80分。2、效率提升,同样做到80分,但本来要用100人,现在是10人。

这两类对企业都有很大帮助。对复杂网络来说更多是要从不及格的分做到80分,当中数据是最大的壁垒。但有了数据也要有算法,所以我们会有一系列基于7000万用户、71万个团案、10年的业务经验做出一系列的团案模型,逐渐精确地在用户进来的时候,告诉系统这个人是不是团体欺诈。分越高是团案的可能性就越高,所以如果分数在0.5%以上90%就是团案,团案的逾期率会比正常高4倍到5倍,如果这种情况下分在0.5分以上就拒绝了。

这是非常大的算力、以及AI、深度学习、复杂网络有之前是做不了的,不是算法的形式而是算力的形式做不出来。

某种情况下大家感谢的应该是英伟达、英特尔这些做硬盘、做CPU、GPU的人,那些人是真正的贡献者,没有他们后面都没有太多意义。

第二个例子,刚才有位同学说到了客服,前面说到的(风控)是你要把一个东西从不及格做到80分,这里更多是说本来已经做的挺好,但用的人更多,所以要把效率提升上去。本来有500人想砍到只有50人、100人就通过智能机器人的方式,2、3年前就开始这样做了,正式上线通过聊天机器人的方式打掉85%到90%的问题,很多问题就是很简单地问余额多少?怎么充值?怎么贷款?怎么还款?这都可以用标准化的自然语言处理方式处理掉并且给到答案的,这可以做非常多自动化的工作,并且好处首先是很标准的,其次是7*24小时的。拍拍贷是半夜三点可以借钱的,原则上半夜三点遇到问题也可以找客服,但回答你的会是机器人。这对我们的业务影响非常大,每天回答基本上是百万级的量。后面还会有相应的多轮对话、情绪识别,有的时候用户问客服问题情绪比较差较需要转人工客服,因为情绪差的时候比较容易产生投诉,这些都是通过技术手段自动来做的。

不应该为了AI而AI,而是更多地基于实际的问题来想什么样的技术手段能够把它解决,这是80%企业要做的事情。

金融科技与AI的关系是首先需要有问题,而这个问题是业务问题,场景往往决定了你会有什么问题;有了问题之后再构建能力,包括硬件能力、软件能力、AI能力、算法能力、工程能力等等;有了能力落地方案,然后通过方案解决业务问题,逐渐组成正向的循环。

我个人还没有看到一定要用区块链才能解决的问题,

剩下的20%要反过来看,因为不可能每次出现一个问题再来构建能力,有些能力是需要提前储备的,包括人工智能、大数据、区块链、云计算。很多传统的方法也可以解决、区块链也可以解决,甚至区块链还不一定是效率最高的。拍拍贷在今年2月份成立了“智慧金融研究院”的,做的就是这方面的技术积累以及对外的合作输出。

免责声明:本文由用户上传,如有侵权请联系删除!