融360剛入職的首席智能官“融八牛”，以全球首位金融AI大使身份正式公開亮相北京金融街，刷臉就能算出貸款額。

　　在京東大廈內的米源自動售貨機旁，使用者通過掃描人臉即完成了支付過程。目前，這一京東金融人臉識別技術已完成內部測試。 經濟日報記者 錢箐旎攝

　　辦理信貸時，在電話里傳出了審核員悅耳動聽的聲音，你也許會猜測電話那頭是一位美麗的姑娘，但很遺憾，那可能只是一臺機器。

　　當然，人工智能的出現，給金融行業帶來的改變遠不止如此。如今，無論是傳統金融機構還是新金融機構，都在快速應用人工智能技術，包括信貸業務審核、風險防控等多個核心領域

　　一個業內共識是，與其他行業相比，人工智能與金融業更能迸發出激烈火花。在國務院印發的《新一代人工智能發展規劃》（以下簡稱《規劃》）中提出，建立金融大數據系統，提升金融多媒體數據處理與理解能力。創新智能金融產品和服務，發展金融新業態。鼓勵金融行業應用智能客服、智能監控等技術和裝備。建立金融風險智能預警與防控系統。

　　未來，人工智能在金融業還有哪些應用？對我們的生活又將帶來怎樣的改變？

　　高效賦能金融業

　　金融行業數據全、規模大、維度多、可數據化的程度高，這為人工智能與金融的結合提供了有利條件，兩者極易迸發出火花

　　一個傳統的貸款業務可能需要2至3天來審批，而一個基于人工智能模型的自動審批方案可能只需要幾秒鐘就可以完成。如今，越來越多的金融科技公司開始將人工智能技術廣泛用于風險防控、審核等金融核心領域，取得了很好的效果。

　　如樂信集團首席風控官劉華年表示，樂信自主研發的“鷹眼”智能風控引擎，擁有6000多個風控模型數據變量，做到了98%的訂單“零人工”干預，最快3秒反饋結果；日均處理30萬筆訂單，相當于1500名審核員的工作量。未來，通過智能呼叫系統，樂信的人工審核量將進一步壓縮。

　　為何人工智能可以高效賦能金融業？在業內看來，近年來，人工智能在金融行業的應用越來越多，核心原理是人工智能的發展和應用離不開大量數據以及機器學習與應用規則的支撐，而金融行業數據全、規模大、維度多、可數據化的程度高，這為人工智能與金融的結合提供了有利條件。

　　不僅如此，開鑫金服總經理周治翰表示，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人工智能核心價值。比如，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，人工智能可以更快、更準確地篩選出目標客戶。“因此，數據化程度較高、更容易建立判斷規則、場景較為單一的金融業務，更容易與人工智能結合，例如客戶信用分析、反欺詐、客戶營銷、智能投顧操作等。”

　　以反欺詐為例，《經濟日報》記者了解到，京東金融基于大規模圖計算的涉黑群體挖掘技術，是一項已經申請專利的技術。基于該技術，京東金融可以通過一個突破點延伸，抓住很多隱蔽在后面的欺詐行為，提前預防并攔截在體系之外。“目前，這項算法已經在交易欺詐、營銷欺詐、保險欺詐各個方面開始應用，我們可以把它理解成整體業務的安全防火墻。”京東金融風險管理部總經理沈曉春說。

　　可降低交易成本

　　目前，人工智能可以替代一部分人工，降低人力成本，延長交易時間，提升交易效率，進而降低交易成本

　　借助人工智能，金融業取得了多項突破，其中最為引人關注的，是在交易成本上的成果。專家表示，人工智能的發展，已經可以替代一部分人工，從而降低人力成本，延長交易時間，提升交易效率，進而降低交易成本。

　　“傳統金融機構主要依靠線下門店人工審核客戶風險，成本隨業務量線性增長。大多數互聯網金融企業雖然引入了規則引擎、風控模型，但傳統技術手段往往只能對客戶的某幾個特征進行判別。很多信息仍然需要人工分析、判斷，成本難以降低。”小雨點網貸CRO（首席風險官）陳紹林表示，充分利用人工智能技術和大數據，搭建具有全流程360度自動判別的風控體系，可以極大減少人工成本。

　　簡單來說，隨著大數據風控能力的提升和普及，金融機構可以搜集更多維度、更加垂直精細的大數據，從而構建立體完整的用戶畫像。“大數據既包括傳統金融征信體系的基本征信信息、司法執行數據，也包括第三方信用數據、用戶社交數據、出行數據、通訊數據、電商平臺數據等互聯網數據。”美利金融風險管理中心風險運營總經理喬木表示，通過人工智能手段，能夠將掌握的各種維度數據進行整合、篩選、計算，從而挖掘出有效的特征。

　　同樣以“鷹眼”引擎為例，作為一套區別于傳統“人海審核戰術”的大數據智能風控系統，可以有效應對線上貸款單數多、單筆金額小、全天候等特征。當用戶在樂信的分期樂商城下單后，其互聯網電商行為數據、人臉識別、機器指紋驗證及外部征信數據等都會自動進入到“鷹眼”引擎中。有了這些大數據，運用機器學習手段，“鷹眼”引擎就能夠對該用戶的還款能力、還款意愿、負債信息、穩定性等作出評估，并自動完成即時預警、攔截以及分析部署等功能。

　　更重要的是，用人工智能審核用戶和訂單，不僅能夠提高效率，也能提高審核的準確率。劉華年表示，原因在于，一方面，機器可以處理海量數據，不受感情影響，也不會感到疲勞，能夠降低人為造成的審核失誤；另一方面，機器能發現審核專家可能都無法發現的高危情況。舉例來說，當一個正常用戶下單時，其瀏覽頁面時長、下單間隔等會呈現出不規則特點；而如果一個用戶下單時出現“離群特征”（比如規律性下單），這部分用戶就屬于“高危用戶”。這種“離群特征”憑借審核員肉眼往往很難發現，只有通過機器學習，經過大量的計算分析才能做到。

　　風險防控是未來

　　為確保每一位用戶的賬戶安全，保護所有客戶資金的安全，風險防控被看作未來金融業應用人工智能的一個核心落腳點

　　在不少業內人士看來，風險防控將是未來金融業應用人工智能的一個核心落腳點。“從登錄環節開始，京東金融就開始見微知著。”沈曉春以賬戶登錄場景的風險管理為例介紹，為確保每一位用戶的賬戶安全，京東金融建立了包括設備識別、人機識別、生物識別3大技術以及異常登錄模型和賬戶等級模型在內的全方位賬戶安全體系，用于判斷當前登錄是否產生風險、判斷當前用戶行為偏好等。

　　以設備識別為例，“我們在這項技術的應用上，會有前后兩個模塊同時推進。比如，在最前端的客戶登錄中，我們就能夠精確識別客戶的設備，通過相應技術手段來采集客戶的設備環境，幫助生成客戶識別的ID；在后端則通過機器學習等計算方法實現設備精準核算和判定，從而達到更好的風險控制和體驗的增強。”沈曉春表示。

　　從人機識別角度上也是類似的邏輯，在賬戶登錄的場景下，一般會遇到大批量的外部攻擊。攻擊過程中，如何做到在第一時間對它進行截斷，并且保護所有客戶的資金安全呢？沈曉春表示，對此，京東金融自主研發了整體的人機識別體系，它從6個維度對一次實際登錄行為進行不同維度的判定。比如在手機端，通過手摁在屏幕上的力度來判定是不是本人；在PC端，則通過評估鼠標的軌跡是否規整，來判斷是否真正遇到惡意攻擊。

　　談到異常登錄模型，沈曉春表示，京東金融的賬戶安全模型是由多層架構組成，異常登錄模型就是接近于頂層架構的分類模型。據介紹，京東金融異常登錄模型結合了前端收集的設備特征編碼、生物信息ID與歷史數據規律，在京東金融在線算法系統支持下，可以在毫秒級時間內就完成數百項數據的特征加工與模型計算，是用于保護用戶安全的核心模型。

　　可見，借助人工智能，金融行業的發展日新月異。但作為一個新興學科，人工智能的應用領域有限，在金融領域的應用也處于起步階段。“金融人工智能在跨學科復合型人才、研發實力、資金投入、數據積累等方面要求都比較高，能夠熟練應用相關技術的企業還不是很多。”周治翰表示，不過，一項技術都有一個從起步到推廣，再到成熟、普及的過程，隨著技術的成熟，應用成本可能也會逐步降低。相信人工智能未來在金融領域會有更廣泛的應用。