2018/11/23 17:43

从 AI+Finance 到 FinancedAI，氪信打造共生一体式智能金融

11 月 23 日下午，氪信科技携合作伙伴在北京举行「金融有界 AI 无疆」产品发布会。来自中国工商银行、招商银行、民生银行、平安银行、华夏银行等近 20 家金融机构，以及新华社、人民网、证券时报、机器之心、极客公园等近 30 家党政财经主流媒体和科技新媒体莅临现场，共同见证氪信 AI 2.0 产品——非或然引擎的发布。同时，作为氪信「AI+金融创新中心」首秀，氪信合作伙伴华为、讯飞、旷视等企业代表，也分别介绍了各自与氪信的智能金融联合解决方案。

建模软件化：从 6 个月到 2 周

AI 在金融领域的应用分为不同层面，风口浪尖的人脸识别等技术，是 AI 在感知和认知层面的应用；氪信基于深度学习构建的 AI 引擎和金融全域知识图谱，是从认知到决策的 AI 实践，是在与业务深度耦合的过程中打造智能金融的「大脑」。而本次发布的非或然引擎，即是这样一个无处不在又无迹可寻的「金融大脑」。

非或然引擎是特征工程引擎、智能执行引擎（实时）和建模平台（离线）的集大成者，其中特征工程引擎吸收了专家经验特征提取和基于 AI 的特征提取；智能执行引擎包含了从特征变量-规则引擎-监控报表-决策流引擎的全部功能；而基于机器学习和深度学习的 X-Modeler 建模平台，可实现离线自迭代。

氪信科技创始人&CEO 朱明杰做了开场发言，他提到，三年前创业时，有感于 BI 时代小数据解决小问题虽然符合人的思维，却不是 AI 的思维。当下传统产业+AI，实际上是需要用大数据去解决小问题，未来有一天，可能会实现用小数据解决大问题。

以金融行业为例，BI 时代的做法是由专家定义规则，通过机器计算，采用的都是低维特征；在氪信 AI 1.0 时代，结合机器学习高维 AI 引擎和专家挖掘金融场景数据，形成智能金融解决方案；而以非或然引擎的发布为肇始，氪信的智能金融解决方案迈入了 2.0 时代，将金融知识图谱内嵌，这意味着，相较于目前业内「数据分析-特征提取-专家建模-上线部署」的通行做法，非或然引擎将大部分前期工作内嵌入产品，成为一款可「即插即用」的软件。

「和氪信 1.0 版引擎比，非或然引擎实现了从知识挖掘到知识内嵌，建模过程软件化，和实现数据闭环，所以我们可以将原本耗时 3-6 个月的建模实践缩短到 2-4 周，建模过程实现了高度自动化和软件化」，朱明杰在发言中表示，「大数据的挑战最终是靠着 AI 解决，而在行业里的大数据问题要靠人工加智能，我们三年磨一剑，崭新的非或然引擎既是以往经验的厚积薄发，也会开启智能金融的全新图景。」

氪信首席产品官杨玢玢与首席数据科学家周春英，也分别从产品性能和技术特色角度，介绍了非或然引擎。

打造氪信「AI+金融」朋友圈

发布会上，氪信科技战略副总裁胡涵首次发布了氪信「AI+金融创新中心」战略规划，她表示，氪信在深耕金融场景方面不遗余力，除了在技术领域始终保持先进性，氪信还将通过 AI+金融创新中心，进一步促进银行等智能金融场景合作方，云计算等基础设施提供方，以及 AI 公司、科研机构等技术算法驱动者之间的合作，并以 AI 助力监管科技发展，共谋智能金融长远图景，最终实现随时、随地、随人、随需的理想智能金融形态。

出席发布会现场的华为、讯飞、旷视等合作伙伴代表，即是氪信构建 AI+金融创新中心的重要合作伙伴。华为-氪信智能金融解决方案中，氪信金融知识引擎和智能算法模型与华为 RTD 大规模计算平台集成，提供完整的从大数据平台到精准决策的一体化金融智能解决方案。讯飞-氪信智能金融解决方案中，将结合讯飞的语音识别引擎、语音合成引擎、声纹识别引擎，和氪信的深度语义解决技术、金融知识图谱以及 X-AI 执行引擎，共同构建精准智能的金融客服解决方案。旷视-氪信智能金融解决方案中，一方面将结合旷视的图像特征技术和氪信的金融知识图谱以及行为数据处理集成模型技术，联合构建风险数据云服务。另一方面则是结合旷视 FaceID 和氪信非或然引擎，形成智能金融风控整体方案。

胡涵还在发布会上透露，AI+金融创新中心将携手上海交通大学高金学院，共建高金-氪信创新实验室，重点培养金融-科技交叉人才和相关项目孵化。

智能金融正当其时

近日举行的第 9 届财新峰会上，中国金融学会会长、中国人民银行前行长周小川谈及传统银行与 IT 技术之间的关系时指出，传统银行与保险业做的一半左右事情是 IT 所做的事情。

氪信作为国内人工智能驱动金融业务升级的领跑者，自 2015 年底成立起，就致力于运用氪信 AI 引擎和全域知识图谱，助力金融机构业务升级，实现用户价值放大、风险控制强化和经营效率提升。这一过程中，氪信也逐渐累积了丰富的场景应用实战经验。

在朱明杰看来，中国已经是世界上最大的互联网市场，未来也必然是最大的金融市场，伴随移动互联网为中国带来的发展机遇，中国的金融业态，尤其是在技术方面的探索和实践，绝不逊于国际，甚至在有些人工智能金融应用领域已遥遥领先。

这也是氪信深耕「AI+金融」场景的原动力。目前，氪信已与数百家金融机构展开业务层面的深度合作，解决方案在工商银行、招商银行、民生银行、平安证券、东亚银行、招联消费金融、中银消费金融等标杆客户成功落地，在金融业务全领域提供包括智能风控、智能客服、智能营销、智能投研等 AI 升级服务。

产业金融智能金融氪信科技

相关技术

大数据技术

深度学习技术

深度学习（deep learning）是机器学习的分支，是一种试图使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的算法。深度学习是机器学习中一种基于对数据进行表征学习的算法，至今已有数种深度学习框架，如卷积神经网络和深度置信网络和递归神经网络等已被应用在计算机视觉、语音识别、自然语言处理、音频识别与生物信息学等领域并获取了极好的效果。

来源：LeCun, Y., Bengio, Y., & Hinton, G. (2015). Deep learning. nature, 521(7553), 436.

数据分析技术

数据分析是一类统计方法，其主要特点是多维性和描述性。有些几何方法有助于揭示不同的数据之间存在的关系，并绘制出统计信息图，以更简洁的解释这些数据中包含的主要信息。其他一些用于收集数据，以便弄清哪些是同质的，从而更好地了解数据。数据分析可以处理大量数据，并确定这些数据最有用的部分。

来源：维基百科

机器学习技术

机器学习是人工智能的一个分支，是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。因为学习算法中涉及了大量的统计学理论，机器学习与推断统计学联系尤为密切，也被称为统计学习理论。算法设计方面，机器学习理论关注可以实现的，行之有效的学习算法。

来源：Mitchell, T. (1997). Machine Learning. McGraw Hill.

感知技术

知觉或感知是外界刺激作用于感官时，脑对外界的整体的看法和理解，为我们对外界的感官信息进行组织和解释。在认知科学中，也可看作一组程序，包括获取信息、理解信息、筛选信息、组织信息。与感觉不同，知觉反映的是由对象的各样属性及关系构成的整体。

来源：维基百科

人工智能技术

在学术研究领域，人工智能通常指能够感知周围环境并采取行动以实现最优的可能结果的智能体（intelligent agent）

来源：Russell, S., & Norvig, P. (2003). Artificial Intelligence: A Modern Approach.

规则引擎技术

与基于规则的专家系统（rule-based expert system）涵义类似，通常是依据设定好的规则作出决策的引擎。在计算机科学中，基于规则的系统被用作存储和操纵知识的一种方式，以有用的方式解释信息，它们经常用于人工智能应用和研究。

来源：Wikipedia

数据科学技术

数据科学，又称资料科学，是一门利用数据学习知识的学科，其目标是通过从数据中提取出有价值的部分来生产数据产品。它结合了诸多领域中的理论和技术，包括应用数学、统计、模式识别、机器学习、数据可视化、数据仓库以及高性能计算。数据科学通过运用各种相关的数据来帮助非专业人士理解问题。

来源：维基百科

人脸识别技术

广义的人脸识别实际包括构建人脸识别系统的一系列相关技术，包括人脸图像采集、人脸定位、人脸识别预处理、身份确认以及身份查找等；而狭义的人脸识别特指通过人脸进行身份确认或者身份查找的技术或系统。人脸识别是一项热门的计算机技术研究领域，它属于生物特征识别技术，是对生物体（一般特指人）本身的生物特征来区分生物体个体。

来源：维基百科

规划技术

人工智能领域的「规划」通常是指智能体执行的任务/动作的自动规划和调度，其目的是进行资源的优化。常见的规划方法包括经典规划（Classical Planning）、分层任务网络（HTN）和 logistics 规划。

来源：机器之心

语音合成技术

语音合成，又称文语转换（Text to Speech）技术，是将人类语音用人工的方式所产生，能将任意文字信息实时转化为标准流畅的语音朗读出来，相当于给机器装上了人工嘴巴。它涉及声学、语言学、数字信号处理、计算机科学等多个学科技术，是信息处理领域的一项前沿技术，解决的主要问题就是如何将文字信息转化为可听的声音信息，也即让机器像人一样开口说话。

来源：张斌,全昌勤,任福继. 语音合成方法和发展综述

知识图谱技术

知识图谱本质上是语义网络，是一种基于图的数据结构，由节点(Point)和边(Edge)组成。在知识图谱里，每个节点表示现实世界中存在的“实体”，每条边为实体与实体之间的“关系”。知识图谱是关系的最有效的表示方式。通俗地讲，知识图谱就是把所有不同种类的信息（Heterogeneous Information）连接在一起而得到的一个关系网络。知识图谱提供了从“关系”的角度去分析问题的能力。知识图谱这个概念最早由Google提出，主要是用来优化现有的搜索引擎。不同于基于关键词搜索的传统搜索引擎，知识图谱可用来更好地查询复杂的关联信息，从语义层面理解用户意图，改进搜索质量。比如在Google的搜索框里输入Bill Gates的时候，搜索结果页面的右侧还会出现Bill Gates相关的信息比如出生年月，家庭情况等等。

来源：机器之心

特征工程技术

特征工程是利用数据所在领域的相关知识来构建特征，使得机器学习算法发挥其最佳的过程。它是机器学习中的一个基本应用，实现难度大且代价高。采用自动特征工程方法可以省去采用人工特征工程的需求。Andrew Ng 说“挖掘特征是困难、费时且需要专业知识的事，应用机器学习其实基本上是在做特征工程。”

来源：Wikipedia

云计算技术

云计算（英语：cloud computing），是一种基于互联网的计算方式，通过这种方式，共享的软硬件资源和信息可以按需求提供给计算机各种终端和其他设备。

来源：Cloud Computing

大数据技术技术

大数据，又称为巨量资料，指的是传统数据处理应用软件不足以处理它们的大或复杂的数据集的术语。

来源：维基百科

语音识别技术

自动语音识别是一种将口头语音转换为实时可读文本的技术。自动语音识别也称为语音识别(Speech Recognition)或计算机语音识别(Computer Speech Recognition)。自动语音识别是一个多学科交叉的领域，它与声学、语音学、语言学、数字信号处理理论、信息论、计算机科学等众多学科紧密相连。由于语音信号的多样性和复杂性，目前的语音识别系统只能在一定的限制条件下获得满意的性能，或者说只能应用于某些特定的场合。自动语音识别在人工智能领域占据着极其重要的位置。

来源：What is Automatic Speech Recognition?