Auto Byte

专注未来出行及智能汽车科技

微信扫一扫获取更多资讯

Science AI

关注人工智能与其他前沿技术、基础学科的交叉研究与融合发展

微信扫一扫获取更多资讯

360金融苏绥:以量变谋质变 触达金融科技“无人区”

在360金融大数据总监苏绥看来,金融科技的本质是让更多人受益,技术杠杆的运用大幅降低了金融服务的准入门槛,同时依托于算法、数据的风险模型建立也将更多的风险防患于未然。

苏绥,360金融大数据总监,拥有十余年数据安全、数据智能、自然语言处理算法经验。2017年加入360金融,参与知识图谱、智能机器人等多个项目的搭建、运营,在计算机科学和语言学交叉的NLP领域,取得了突出成绩。

360金融苏绥:以量变谋质变 触达金融科技“无人区”

360金融大数据总监苏绥

2019年是金融科技的变革之年。大数据、云计算、人工智能、区块链等技术与金融服务的深度融合,进一步改变了传统金融信息采集来源、风险定价模型、投资决策过程、信用中介角色,在大幅提升传统金融效率的同时也解决了传统金融服务的痛点。

在此之前很长一段时间,普惠与风控在金融服务行业处于此消彼长的对立位置。而大数据加AI赋能的风控模型,无疑加码了金融科技企业的普惠能力。

在360金融大数据总监苏绥看来,金融科技的本质是让更多人受益,技术杠杆的运用大幅降低了金融服务的准入门槛,同时依托于算法、数据的风险模型建立也将更多的风险防患于未然。

2020年,深度优化AI和大数据在金融服务各个环节的应用,以量变谋质变以触达金融科技的“无人区”是360金融算法团队目前的探索方向,这也将为科技服务金融带来更多的可能。苏绥表示,AI+大数据双引擎将加速金融普惠发展动力。


“普惠”VS“风控”


互联网、大数据和计算能力,是金融科技创新的基石,也是践行普惠、构建智能风控体系的核心要素。依托于大数据这一生产资料,金融的普惠成为可能,优秀的风险管理也成为了可能。

——“科技向善”是360金融践行金融普惠的准则,请问普惠和风控之间的关系是如何平衡的?

苏绥:金融是有门槛的,以目前的技术水平来看,尚无法实现100%的普惠,我们工作最大的价值是降低金融服务门槛。传统金融机构服务的用户层级有限,而我们的服务范围辐射了白领、蓝领、小微企业、城市基层服务人员以及偏远地区的农村,从这方面讲,已经在传统金融基础上取得了很大的突破。

普惠与风控是正相关的两个概念。在技术与金融服务融合度不高的情况下,降低批核率是控制风险的最佳解决方案,但是如果对用户风险的区分能力比较强,便可以在稳风控的前提下进行普惠。

——如何对用户风险进行精细化的识别?

苏绥:知识图谱等技术的出现减少了传统反欺诈手段对人工审核的依赖。基于知识图谱技术,360金融在贷前、贷中、贷后等环节构建了用户画像,从而实现更精细化的反欺诈。同时,基于知识图谱技术,我们还在工具层面引入了复杂关系网络,由此可以通过和名单客户连接,提取相应指标,综合了解客户的风险大小。

另一个应用较为成熟的黑科技是AI因子库。AI因子库有大量的子模型,包括评估模型、子人群模型、利率敏感度模型、还款积极度模型等,基于这些模型,可以快速的进行风控迭代,而且我们的策略更新迭代速度更频繁、更快,可以更早的预知并控制风险。

——今年知识图谱达到了爆发的顶点, 360金融有哪些独特的地方?

苏绥:我们的策略更新迭代速度更频繁、更快。一般情况下,我们会同时支持几十组实验并行运行,我们称之为全量策略。在这种情况下,模型在一直进化,而且进化速度更快。另外,公司对风控团队的人员投入也非常大,这使得我们有能力对模型进行精细化处理,对用户做更多画像,由此更精细、更精准的去预测用户的行为。在此基础上,针对不同用户的行为选择,就可以对这些人做差异化的经营。

360金融苏绥:以量变谋质变 触达金融科技“无人区”


“千面”金融科技

金融是AI技术短期内最被看好的应用领域,数据驱动下的风险定价能力也越来越成为金融行业发展的关键问题。科技赋能金融,数据算法、图像及声音识别等技术已在防欺诈等场景中进行应用,并在不断进行优化。

——金融对技术有哪些独特的要求?

苏绥:相较于无人驾驶、搜索、电商等行业,金融最大的特点是反馈滞后。一个模型应用数月之后才能评估其效果,这也是金融科技的难点所在。对于算法团队来说,验证模型效果的成本很高。同时,金融行业受到宏观因素、监管、市场的影响,存在更多的不确定性,以上任何一个环节或要素出现变动,都需要对相应的系统、模型进行更改。此外,金融是周期性的,而AI技术是从已有的东西、已有的事实去学习和归纳推理,也就是说是基于历史数据去预测未来,但是金融非常难预测。

正因以上难点,金融科技对技术综合能力的要求更高。对从业技术人员来说,我们的工作不仅仅涉及到技术,也要涉足业务。刚刚提到的监管问题其实也是技术问题,因为监管与业务深度绑定,而技术是在为业务服务。虽然其他行业也在强调这个问题,但是金融行业对技术人员对业务的了解和理解的要求更高。如果不懂业务的话,技术就很难落地。

——技术是如何赋能金融服务的?

苏绥:对于金融科技企业而言,数据智能部门主要作用在于决策,其本质是赋能金融服务的大脑。随着AI技术本身的提升,AI的能力会越来越强,或者说AI技术上行越来越高的情况下,它在金融服务各环节渗透的深度也会越来越深。

从具体落地的赋能措施看,第一,技术的应用提高了金融服务的效率和便利性,这主要体现在服务的在线化和用户体验。另外,从大数据风控的角度出发,AI做的越好,我们的业务便越普惠,整个链条是相通的。效率越高,成本越低,用户的体验也会更好。

——金融+AI今后的发展趋势是怎样的?

苏绥:从行业角度看,整个金融行业正在表现出去人工化、在线化和智能化趋势,这进一步解决了金融服务的广度、深度和满意度的问题。从技术的角度出发,所有的数据都将被电子化和结构化,尤其是联邦学习、共享学习等技术的探索,用户隐私保护也将取得长足进步。此外,大型企业都在积极构建强大的数据及算法中台,中小公司则在加速云端化,这将解决信息孤岛、数据融合等问题,打通所有业务闭环。

以信用卡办理业务为例,以前需要亲自前往银行柜台,而现在一半以上的申请都可以在线上完成;再比如理财业务,现在很多金融机构会自动推荐适合不同用户的产品。从大的方向来看,金融服务未来的发展趋势必将聚焦于个性化和定制化。

另外,虽然我们目前的各个工作环节中都有AI渗透,但是未来渗透的程度会逐步加强。当然,这需要我们一步一步的去深入研究和挖掘。

360金融苏绥:以量变谋质变 触达金融科技“无人区”


AI的深度应用

目前,金融领域已经被充分的数据化,为AI的应用提供了充分的数据基础。随着人工智能的发展,深度学习被逐渐应用于语音识别和图像识别,以及用户的行为习惯分析。但是随着场景的复杂化,技术的天花板如何突破,已成为技术工作者的下一个工作方向。

——你和你的团队在进行怎样的技术革新?

苏绥:首先是质检系统,我们会加大人工智能助手的使用强度。在电销过程中,人工智能助手会实时为工作人员提供回复建议、答复思路及参考答案,以帮助工作人员进行业务引导和转化。严格意义上来说,这并不是新技术,只是AI渗透深度方面需要进一步加深而已。

另外,从趋势上来说,如何缩小智能机器人与人工之间的差异,让机器的反应更人性化、让用户在感知层面做到无差别的体验是我们下一阶段的工作目标。不过技术不是没有天花板的,现在还不能说能够做到和真人完全一样的效果,我们能做的是不断的、无限的接近。

AI的介入主要还是用于降本增效。而降本增效到一定程度上后就会引发质变,即性能被一点点的优化,优化到一定程度后,会发现原来没有办法做的事情现在可以做了。

——现在能预测今后哪些事情可以实现吗?

苏绥:这个很难预测。比方说保险业务,之前深度依赖人工服务,但是现在线上用户的触达、用户保险意识的养成已经达到一定程度了。我们现在便可以通过AI,通过线上操作降低保险业的成本同时提升效率,这也使得越来越多的用户成为互联网保险的用户。举个很简单的例子,之前每年需要交纳6000元的保费,AI的介入可以将成本降低到2000元,这样一来保险业的发展会是另一个天地。量变一定会引发质变,但适用哪些行业目前很难讲。

——新的一年,您和您的团队的工作规划是怎样的?

苏绥:从技术层面来说,我们会围绕AI来进行更多业务上的规划,主要包括语音、语义、数据挖掘、知识图谱等领域,继续进行纵深投入。

AI在语音和语义的应用有非常大的提升空间。下一阶段我们需要和真实的用户场景及方言进行结合。现在市面上很多语音产品的提供者都是在一线城市工作生活,接触的都是普通话,所以机器的识别准确度比较高。但是如果服务三四线城市的话,服务的对象说方言比较多,准确率就下降了。此外,语义的特征和语音还不一样,很多时候我们不知道用户所处的场景,所以很难做到通用化的语义。目前市场上尚没有一款产品能解决这些问题,因此,接下来我们会往这个方向进行研究,通过更智能的语音识别提高语义识别,再利用迭代模型的设计将语义通用到所有的场景。

360金融苏绥:以量变谋质变 触达金融科技“无人区”

360金融技术委员会委员


360金融
360金融

打通金融智能全链路,破局金融科技新十年

理论金融科技模型数据算法AI360
暂无评论
暂无评论~