2016GMIC全球金融创新峰会:当人工智能遇上金融

本篇文章6348字，读完约16分钟

2016年全球移动互联网会议在国家会议中心开幕。4月29日上午，gmic分论坛“全球金融创新峰会”召开。主办方邀请了艾瑞人工智能报告首席分析师刘赞女士。主持人:face++云产品副总裁、中信银行技术开发部主任为嘉宾，从各自业务角度就人工智能在金融领域的应用进行了圆桌对话，共同探讨了人工智能在金融领域面临的机遇和挑战

以下是对话的记录:

中信银行软件开发中心技术平台开发部主任陈海

吴，迪法恩科技云产品副总裁(face++版)

支持者:艾瑞咨询研究总监刘赞

以下是会议记录:

【主持人】:各位来宾，女士们，先生们，朋友们，早上好，欢迎来到2016全球金融创新峰会。今天，我们聚集在这里讨论互联网金融这个词。2014年互联网金融市场经历了迅猛的野蛮增长，2015年其风险日益暴露，也引起了监管部门的关注。因此，监管力度继续加大，这也导致了行业的不断风化。在整个行业继续发展的同时，它继续在监管下玩猫捉老鼠的游戏。在这个市场上，新的入侵者不断介入，巨无霸进入。今天，我们聚集在这里讨论新的金融市场。今天，我们直接进入主题。当人工智能与金融相遇时，这将是两个清华校友之间的对话，一个来自银行机构，陈海是中信银行软件开发中心技术平台开发部主任。吴文豪，微软著名创新产品云产品的前高级产品总监，现任face++云产品副总裁。今天，他们将讨论人工智能和金融之间的联系。本次活动的主持人将是艾瑞咨询的研究总监刘赞。请欢迎三个人。

[刘赞]:大家好，我叫刘赞，来自艾瑞。刚才，主人介绍了我们。让我再介绍一下陈总和吴总。事实上，吴总去年回来刷他的脸。陈和吴为了金融创新走到了一起，却发现他们不仅是清华的校友，而且是同一栋楼的兄弟。

[吴文豪]:20年后，来自同一栋建筑的兄弟们聚在一起擦脸。

[刘赞]:真巧。众所周知，陈总是来自中信银行，吴总是来自迪法恩科技。事实上，迪法恩斯科技有一个非常响亮的品牌，face++每个人都应该非常熟悉。现在显示的ppt中有很多曲线。自1995年第一家互联网公司成立以来，互联网信息技术已经发展了二十年。这二十年不仅改变了每个人的消费行为，也逐渐改变了企业的生产方式。为什么这条曲线有波峰和波谷？例如，第一个plam出现在2004年，直到2010年才迅速发展。在这个过程中有一个隐藏的规则。当行业热点与技术热点相匹配时，行业将出现繁荣，当它们脱离时，将进入瓶颈和低谷。2010年后，深度学习促进了人工智能的发展，比赛成为工业和技术的热点。我们可以预见，未来三到五年肯定是人工智能技术创新和应用的黄金时期，在此期间会有许多创新应用场景的想象。今天，让我们看看当人工智能遇到金融时会发生什么。

现在有一种说法，许多人非常爱钱。当然，有些人会站出来说我不太爱钱，这是可以理解的。但是每个人也看自己的脸，一个是爱美，另一个是看这个人是谁。例如，当每个人刚进入会场时，他们需要保安人员逐一验证他们的身份。如果有机器就方便多了。为什么刷你的脸这么热？让我们从申请的角度来听听陈先生的意见。

[陈海]:众所周知，传统的商业银行合规管理是我们工作的底线，但实际上，我们最大的价值是为客户服务。我们需要在合规管理和客户服务之间取得良好的平衡。我们总是有两个基本需求。一是客户在银行进行交易时完成安全可靠的认证。传统的方法是使用密码。第二个要求是我们的顾客来到我们的销售点，我们可以识别这个顾客。这两项要求是我们客户服务的基础。只有当我们完成了良好的安全认证手段，我们才能给我们的客户带来安全感，同时，我们也能识别我们客户的身份，从而为我们的客户提供更好的服务。但这种需求一直存在，但我们从未找到实现它的好方法。我们银行里还有很多这样的场景。例如，众所周知，当你来银行存钱时，银行有反洗钱的要求，监管机构对我们有强制性要求。我们必须知道顾客的身份。同时，在进行大额汇款，尤其是跨境汇款时，反洗钱需求更加明显。同时，我们内部也有一些操作风险防范场景。为了保证客户操作的安全，在大额存款额度，包括签约过程中，我们都希望客户自己操作。与此同时，当银行向每个人提供贷款服务时，第一步是要明确我们真正想服务的贷款人和担保人。同时，我们希望我们能改善我们的服务。当顾客来到我们的商店时，我们可以识别出这个顾客是谁，以及它对我们是否重要。这些要求是银行一直梦想的方法，我们可以在后台收集大量数据。去年，我们与face++合作引入了人脸识别技术。根据我行的实践，新技术仍然存在一些风险。当时，虽然Face ++说他们的识别率有多高，但我们还是很担心，不敢直接面对客户服务。因此，根据银行的实践，内部工作流程基于先内后外的原则。我们在柜台与客户打交道时首先介绍了相关流程，以后在我们的智能柜台，当客户到达网点时，他们会使用设备自助场景，也会使用刷脸场景。与此同时，在未来，银行将延长他们的信用卡，包括贷款存款。在最后一部分，我们将把这项技术应用到移动互联网上，体验一下在移动互联网上刷牙的感觉，这就是我们目前的情况。

[刘赞]:谢谢你，陈先生。吴先生，我很好奇为什么我的脸着火了，而且我的指纹以前没有着火。原因是什么？

[吴文豪]:这很简单。首先，人脸是一种非常自然的生物特征。首先，它便于携带，不易遗忘，也不要求人们积极配合。这是一种非合作、非侵入式的生物认证方法，具有非常好的用户体验。它还拥有官方和可靠的数据源，以满足银行风险控制和身份认证的要求。当你把所有这些放在一起，你会发现面子，尤其是在移动互联网上。从用户体验和收集的角度来看，人脸是一种非常好的生物认证方法。

[刘赞]:所以实际上刷牙并没有那么简单。

[吴文豪]:是的，现在有很多网络红人。

【刘赞】:从技术上讲，刷脸和阿尔法一样，背后有很深的学习算法。此外，它将解决一些实际问题。吴先生，请介绍一下。

【吴文豪】:既然你刚才提到了阿尔法戈，最近大家都很关心阿尔法戈和李石狮。许多人觉得困难的事情对机器来说是容易的。例如，你记得很多图像，但是很多人觉得容易的东西对机器来说很难，这给计算机识别带来了很多挑战。举几个例子，比如各种灯，银行生产环境中有各种灯。你可能会遇到反射，你可能会遇到背光，你也可能会遇到各种各样的相机。例如，聚焦不太好，这是光的一个困难。其次，一个人的生理特征也会发生变化，比如年龄，一个人以前的身份，这与他现在的照片会有很大的不同，或者他自己的生理特征，比如他的胡子，这也会给电脑造成很大的麻烦。最后，包括你的发型，你是否戴眼镜等等，这台机器需要很长时间才能理解。

【刘赞】:多给我讲讲深层次学习。

[吴文豪]:我刚才提到的所有这些困难提供了一个很好的方法。这种方法不需要人工设计这些参数和理解这些特征，只需要向神经网络提供大量的数据，使神经网络能够理解这些特征并通过训练生成规则。从根本上说，这是一种端到端的学习方法，非常适合解决机器很难解决的问题。近年来，机器学习和深度学习取得了很大的进步，这是与几件事情分不开的。一是当前的计算能力，特别是高性能计算、gpu使用以及最近的分布式大数据和云计算，提供了许多大数据源和以分布式方式处理大数据的能力。所有这些东西结合在一起，使得深度学习在最近几年取得了快速的进步。Alphago就是一个例子，face在银行环境中的应用也是一个很好的例子。顺便说一下，我忽略了技术。Face++四年前就看到了深度学习的发展趋势，我们四年前就开始规划了。今天，我们取得了良好的成绩。在深度学习的各个层面，从深度学习本身到高性能计算再到分布式计算，我们已经形成了一整套算法研发系统和相应的工程平台。我们被称为dotp，它被称为深度学习技术平台。这个深度学习技术平台与我们的云服务相结合，通过各种技术循环，可以实现人脸数据的自动训练和自动标注，最终改进自动算法和服务。

[刘赞]:陈先生，您认为与迪斯科技合作的关键因素是什么？

[陈海]:深度学习技术是一项非常先进和困难的技术，但它的应用仍然相对简单。首先，第一个重点是发动机的选择，我们确实在发动机的选择上做了很大的努力。事实上，人与人之间仍然有很大的差异。我们在选择引擎时注意几个全面性。一是年龄覆盖面要全面，二是地理覆盖面要全面。中国的特点和不同地区的人的皮肤还是不同的。其次，我们必须能够处理不同的场景，我们必须考虑室内和室外，包括与客户的不同界面。第二，收集链接，这是我们在实现中花费最多的精力。例如，藐视技术有一个更好的技术，即活体检测技术，当我们在移动终端上使用它时必须使用它。这是一种反攻击策略，以防止外部不良分子访问人脸识别技术。智能柜台项目启动时我们也想采用这种技术，但最后我们发现最大的问题是客户体验不好，因为在移动环境中，它可以在私人环境中使用，但是在开放环境中，面对公共环境，你要求客户根据你的要求做一些动作，客户的理解和反应效果不是很好。因此，我们后来与视觉技术合作，考虑使用一些新技术，如3D相机或其他技术来改善体验，这是非常重要的。最后，它是集成，要与银行系统应用程序集成。更重要的是，根据不同的风险特征和应用场景，我们需要设置人脸识别的评分阈值。在更安全的情况下，我们可以降低门槛，这可以改善客户的感知，提高客户的通过率，降低客户签发其他证书的可能性。但是，在一些高风险的场景中，比如互联网，我们需要提高抵御风险的门槛，主要是在这些方面。

[刘赞]:谢谢你，陈先生。吴先生和陈先生刚刚抛出了问题。除了刷牙，你还需要在金融领域应用其他技术。还有什么其他技术可以应用？

[吴文豪]:我再举两个例子。一是银行业关注风险控制。大数据不是一种特定的技术，而是指在海量结构化和非结构化数据中发现规则。从这个意义上说，深度学习实际上是大数据的一种好方法，其背后的规则是通过在各种海量数据中进行神经网络训练而找到的。我认为在这方面，深度学习和神经网络应该在银行风险控制和寻找准确的金融模型方面发挥很好的作用。此外，银行非常关心的另一个问题是如何提高其生产效率。让我在这里再举一个例子。例如，银行将面临各种相关文件和票据，包括相应的合同。首先，所有这些东西的电子化是一个问题，如果你手工输入，效率会很低。基于深度学习的识别实际上可以非常准确地判断许多肉眼无法区分的困难文档。这对提高银行的生产效率也具有重要意义。

[刘赞]:谢谢吴校长。陈先生，听了吴先生的介绍，包括中信以前对这些技术的应用，除了一些服务的优化之外，肯定会有一些难以突破或创新的想法。在这个过程中，你有什么好的经验可以和我们分享吗？

【陈海】:再举几个例子，我们正在做的和已经做的，比如呼叫中心的智能语音导航，现在呼叫中心不再像原来的按钮，你可以输入关键词，系统可以通过智能识别将你的需求转化为银行内部的处理流程。微信服务也是如此。当人们通过中信银行微信提问时，我们也有机器人在后台提供回应服务。其次，海外金融是著名品牌中信银行的独家代理。现在我们的网站背后有很多收集和分析。我们将在我们的网站和应用程序上分析客户的交易行为。这种交易行为不仅是后台交易行为，也是前端操作。我们会发现在前端操作中有一些客户疑虑，例如，他没有在页面处理过程中离开。或者在某个环节上浪费大量时间。我们可以通过分析和财务模型找到这些疑点，这样我们就可以和我们的前端设计人员讨论是否可以优化这些相关的流程，减少一些环节。第三个例子是我们现在正在做的商业交易+平台。我行在供应链金融和企业业务方面有很大优势，但最近除了传统的线下营销外，我们也在考虑在线合作。我们都与公共企业进行网上金融合作，但是当我们合作时，我们发现实际上我们的金融客户也有很多不同的需求，我们也需要分析他们的数据，包括交易，不仅是金融数据，还有交易数据。在这些情况下，我们为客户提供服务。另一个例子是我们的应用。我们有一个叫薪水金宝的品牌。最近，我们推出了智能投资业务，可以清楚地看到我们产品的历史回报率，包括我们的分析。这些技术也体现了深度学习技术和大数据技术。

[刘赞]:所以，实际上，深度学习和大数据技术的应用场景还是相当广泛的。吴先生，您愿意和我们分享一下擦脸技术吗？或者，除了金融领域，大数据的深度学习技术还可以应用到哪些领域呢？

[吴文豪]:欢迎您参观我们的展位，并举例说明。一个是金融业。去年与支付宝的合作以及今年与中信银行的合作，我们的云服务总共为全球1亿多人做了面对面的交流，这是一个值得一提的里程碑。此外，还有两种情况，一是共享经济。最近，我们与优步合作推出了擦脸服务，为中国人提供更安全的旅行。对于优步来说，他需要解决的是验证司机的身份，不管司机是不是自己开车，包括司机可能会刷牙的风险，这可以通过人脸识别技术来验证。包括智能建筑、智能公园和智能社区，例如，社区中的门禁系统可以使用包括智能监控系统在内的人脸识别技术，通过人脸智能将这些技术串联在一起，从而节省了大量的人工成本，使用户体验更好。

[刘赞]:谢谢吴校长。我们能做什么，我们在未来有什么创新，请从技术方面与我们分享，比如未来的金融创新或其他创新应用，以及在技术创新方面我们能提供什么服务或我们能做什么其他事情。

[吴文豪]:今天我不会过多谈论金融创新。让我举一些其他行业可能创新的例子。例如，有很多人在谈论智能汽车和无人驾驶。对路况的理解和分析，包括路线规划，都离不开人工智能和深度学习。最近另一个热门的例子是虚拟现实和智能眼镜。最近，我看到诺基亚推出了一款360度全景相机，售价数万美元。facebook最近也推出了同样的产品。你可以想象，360度摄影实际上是不够的。例如，我们今天有一台照相机，它可以捕捉今天所有的开会地点。如果你得到这张照片，你可能需要智能技术来判断哪个地方在舞台上，哪个地方在舞台下面，哪个地方是桌子，哪个地方是椅子，哪个地方是客人。过一会儿，客人会离开，会场将变成空.如何通过深度学习，智能地理解和分析所有信息，是我们在热门领域应该关注的问题。

[刘赞]:谢谢吴校长。陈先生，听完吴先生的介绍，基于大数据和深度学习给行业带来的可能变化，您认为我们在金融领域应该做些什么？

【陈海】:近年来，我们感觉科技的变化趋势越来越明显。事实上，传统金融业已经感受到了这种压力，这是因为我们可能只做一些应用实现，强调安全性和信用。但是现在，随着我们的竞争对手越来越多，我们需要在许多方面提前布局。一方面，在技术方面，我们需要保留一些技术，但事实上，这更多的是关于想法。今天，我们来到这里代表这一理念。我们还需要与更多更好的合作伙伴合作，这样才能提高我们的银行服务能力。这是最重要的事情。在金融创新方面，我们更注重客户最需要的一些服务，我们可能会有所发展，主要是在一些投资领域，这是我们的零售客户最需要的。第二个领域是公众客户最需要的一些基金管理领域。我们将在这些方面进行一些投资，提高服务质量。

[刘赞]:好的，谢谢陈先生和吴先生。刚才陈先生和吴先生通过案例详细介绍了大数据和深度学习在我们整个金融领域的创新应用，包括擦脸。事实上，它包括人工智能的一些未来发展，这不仅会对金融业产生一定的影响，还会给所有行业带来变化或颠覆性的影响。就长期发展而言，人工智能最终将通过程序取代人类智能。当然，这只是其中的一部分。结合刚才两位CEO的介绍，未来的数据金融包括更多的应用场景和更大、更海量的数据计算，可能会给生产方式带来改变，给我们带来真正的智能生活。在短期内，基于产品、计算能力、数据收集和整个算法等的应用可能会更多。在更多的应用场景中。作为一个普通人，我可以期待在金融、证券等领域享受到更便捷的服务。这就是我们今天分享的内容。谢谢你。