人工智慧、大數據、黑色產業鏈

我們每天都在網上購物。每一筆交易的背後，都隱藏著一堆數據、機器，以及不可輕視的風險。「金融」兩個字，不再是遙遠的生詞，事關每個人的財產安全。希望通過這些職人的故事，一瞥金融科技的幕後戰場。

1、JIMI，機器人

口述 | 趙莉

最初它有點笨。如果JIMI是個人，它大概知道，此時應該沉默、微笑，等待客戶把話說完。但它是個機器人，它追蹤著客戶破碎的句子，殷勤地在每個斷句後都跟上了一串答案。

我在京東金融客戶服務中心的智能組工作，負責運營JIMI——一個以南非灰色鸚鵡面目示人的智能機器人。2015年初，我剛到這裡負責客戶投訴，那時候的客服還都是人工。如今，JIMI已經包攬了許多客服工作。

每天，我們部門五位同事都會抽檢JIMI和用戶的「聊天記錄」，我也經常翻看，就像翻看自己孩子的言行記錄，想知道它哪兒說話不得體，什麼事兒做錯了。2015年10月，JIMI在京東金融PC端上線，用戶多數素質高，邏輯思維強，提問也是完整的長句，JIMI抓取關鍵詞很方便。但2016年5月底，JIMI在移動端上線後，用戶對著手機屏幕，習慣了將一句話拆成三段說，這讓JIMI傻了眼。

對於手機聊天最常見的開啟句：「在嗎？」它有點不知所措。再看到用戶說：「我剛剛在商城買了個東西。」它立刻提取「商城」，給出了針對購物的常見問題索引。用戶繼續：「支付用的白條。」它又跳出了有關白條的問題。通常，用戶會加快速度敲擊鍵盤，「我話還沒說完呢！」直到第四句甚至第五句，用戶才問出真正的問題，「優惠券怎麼不能用了？」

JIMI在移動端上線前，我和同事開了幾十次會，加了幾個月的班，對用戶可能比較集中的問題作了許多預測，心中惶惑。因為在移動端訓練一個機器人，我們沒有歷史經驗。上線一周，JIMI的單日接單量比第一天增長了近10倍。同時，「沒等用戶把話說完」的事情經常發生，有的用戶評論，「不夠智能」。

好在JIMI和我們都會學習。至今，我們為JIMI做了起碼五次大的更新，增大它的知識庫，調整演算法，除了準確識別出用戶的需要，還要讓它識別出用戶的情緒。譬如，當用戶打出「哈哈哈」，說明他情緒頗為正面，這時候JIMI就可以跟他賣個萌，逗個樂；用戶打出「呵呵」，意味著情緒偏負。我們把許多客服同事的經驗和話術彙集起來，放進JIMI的知識庫，讓它知道如何去跟一個陌生人無傷大雅地開玩笑，如何安撫一個有點小情緒的人。運營近一年，JIMI的應答準確率達到92%，客戶也普遍表示滿意。

如果「呵呵」之外還有感嘆號甚至是連續的感嘆號，JIMI就能識別出用戶情緒已經非常負面，它會溫言款語地安撫，同時結合用戶的問題，判斷是不是要連接人工客服，讓用戶的情緒找到出口。

面對真正敏感的、專業的問題，譬如白條被盜用，JIMI就會引導客戶聯繫人工客服，進行資產核查和找回，及時止損。

到京東金融之後，我也想過是不是繼續招人，讓客服變成一片人海，但算算投入產出比，這不是最優選擇。人工智慧來了，它能同時接待幾萬人，7x24小時工作，分秒不倦怠，這是人比不上的。有時，盯著屏幕上顯現的有關JIMI的統計數據，我覺得，行業翻天覆地，人工智慧的成長空間是無限的，只要給它一些相應的語言，我能想到的，它都能做到。

但JIMI終究取代不了人。我聽說了最近阿爾法狗圍棋界無敵手的消息，也看過不少科幻電影，在對未來的想像里，我們不是跟外星人打仗就是跟人工智慧干架，但回到辦公室，便覺得大可不必擔心。人和人工智慧相輔相成，人工智慧向人學習，替代掉重複的勞動、基礎的人工，讓人力釋放出來，去做更複雜更像「人」的工作，提升人力的價值。

（趙莉，京東金融-客戶關懷部-客戶服務中心-智能組，機構負責人）

JIMI智能機器人對話頁面

2、人工智慧

口述 | 王書浩

我在讀中學時就對計算機特別感興趣，那時我的偶像是比爾·蓋茨，卧室里掛著他的照片。但是後來我讀了一些物理科普讀物，一下子又對宇宙、自然界非常痴迷，一心想當個物理學家，就學了物理，保送清華讀博時選擇了量子信息。博士第二年，我去加拿大一個非常有名的量子計算研究所，發現量子計算機可能需要再過十幾二十年才能全面實用化。我的想法就發生了轉變，開始想嘗試一些比較流行的實用化的領域，我想做可以直接影響和改變人類現實生活的事。

我覺得這個技術肯定能在幾年內改變人的生活。事實上，人工智慧已經在潛移默化中融入我們的生活了。

「深度學習」現在非常火，它可以在一定程度上面讓人們從傳統繁瑣的數據挖掘過程中解放出來：原本，機器在做判斷時，首先需要人進行這一領域的學習後，去告訴機器，哪個特徵才是影響判斷準確率的關鍵，這個步驟叫做特徵提取。而深度學習在很多時候可以模擬人的大腦進行特徵提取這一階段的學習。後續的研究表明深度學習需要大量樣本作為「燃料」，也就是說，有了大數據的支撐，深度學習就能發揮遠超出傳統機器學習的效力。現在大多數公司都會投入大量精力來研究深度學習。

後來，我面臨畢業求職。加入創業公司可能獲得很多股權上的激勵，但我覺得自己還年輕，並不急著掙錢。我更希望到一個有龐大數據和多樣需求的更大平台去做一些有實際影響的工作，積攢技能和經驗。我向很多公司投遞了簡歷，居然全部通過了。京東金融就是其中一家。我想，京東金融有著大量數據和足夠多需求，正符合我的期望，就果斷選擇來到這裡。

我現在在京東金融的風險管理部。我們現在做的一項重要工作是，判斷用戶在進行一筆交易時，是否存在交易欺詐。這就非常適合用深度學習來完成。因為人在進行交易的過程中產生的動作是非常多的，數據量極其龐大，人工難以進行監測。運用深度學習，我們會採集一系列數據，當有足夠數據時，模型系統的效果就會越來越好。

能實踐深度學習真的讓我覺得非常滿足。你想，一萬筆訂單裡面可能只有一筆有問題，相當於大海撈針，結果出來的時候，我真的特別高興。

我對人工智慧非常著迷，這幾個月來我在很多平台免費開設了公開課《人工智慧之旅》，希望能普及相關知識，降低大家進入這個行業的准入門檻。即使下班回家，我也會聽一些大牛的講座，看相關論文和書。我的目標就是把最前沿的學術研究引入到生產過程中來。

我的生活里，除了深度學習，幾乎沒有其他東西了。

（王書浩，京東金融-風險管理部-風險決策分析部-數據挖掘部）

白條閃付功能上線

3、創業一條龍

口述 | 王育賓

我是個會計男。在來京東金融之前，我在某電信集團負責預算。之所以轉型，一方面因為，預算的事情年復一年就那些，另外在國企，個人發揮的能量非常有限度。另一方面，眾籌作為當時全新的行業，我也比較嚮往，就想跳出來，到互聯網公司，也是為個人尋求突破和發展。

2015年3月31號，京東金融發布東家平台和眾創生態。我投簡歷來了京東金融，在眾創生態這個部門。

一開始只是有個方向，要幫助創業者和創業企業，大家都在摸著石頭過河。但是，京東的這些資源怎麼才能讓創業者能用上？這是一個很難的問題。京東的資源有很多，但是創業者額體量太小，其實很難對接上。很多服務創業者也用不上、對接不了。所以，我們的思路一直在演進。

比如一開始通過眾創學院服務創業者。後來發現，我們投資的企業越來越大，我們京東金融眾創基金投的企業越來越多，跟別的機構相比，我們在投後上更有作為，我們就轉向後服務。到2016年，我們發現只給投後企業服務，那就做小了，於是便有了現在的「創業服務」平台，把大量的服務商引入之後，大家可以在上面自由地尋找。我們先要明白創業者的需求，之後我們再去做需求的分發，再進行交易。這樣一步一步地。但有個大方向沒變，就是幫助創業者降低成本，提高效率，改善收入情況，讓他們的成功率更高一點。

2014年，「三個爸爸空氣凈化器」作為第一個過千萬級的項目啟動。2015 7月份又上了京東東家，然後又我們眾創學院，跟很多明星導師包括一些優秀的創業者，拓展了很多人脈。

「三個爸爸」這個團隊草創的時候，只有6個人。它有自己的優勢，其中3個是媒體出身，最擅長的就是如何動用媒體的資源幫它發聲。這是它的優勢。另外，它也在通過京東眾籌的創業服務平台對接服務商。我們是在它剛開始做第一代產品，一直到它的股權融資，到開發二代產品，然後再到準備上新三板，我們一直在，算是一個非常好的標杆案例。

京東眾籌的優勢，最重要的，第一個，就是確實在幫助這些企業增加收入。收入如果跟不上來，它就變不了現。不論是產品眾籌、商城，還是渠道，這是一個有銷售基因的平台最大的優勢。第二個，就是幫它節約一些成本，降低尋找服務商和合作夥伴的成本。第三個，幫助創業者樹立品牌，讓好多對他感興趣的人，通過我們的眾籌頁面就去聯繫他了。

（王育賓，京東金融-眾籌業務部-眾創生態部-眾創平台部）

4、貓和老鼠

口述 | 程建波

對風險沒有足夠認知和敬畏，你都不知道壞人有這麼多花樣。

他們要把你的錢弄走，有各種各樣的欺詐手段。做風控的人必須要非常懂這些，就像老司機一樣，一看到某個伎倆，就能看透背後可能會有什麼樣的問題。我們就像在與一股邪惡勢力做鬥爭，尤其是對付黑產。

你永遠不要質疑一個人缺錢的需求。

有這樣一群人，他們活絡於網路上，在各種QQ群、微信群、論壇討論有什麼新「口子」，如何弄到錢。同時有一群網路中介，他們自稱為金融服務中介，掌握各種信用卡、網貸、貸款等申請技術。有缺錢需求的人和能提供貸款技術服務的中介碰到一起，對所有金融機構都是挑戰。他們廢寢忘食，不斷嘗試，直至成功把機構信貸資金套走。當利益足夠大，就有人鋌而走險，發現一個漏洞，就拚命攻擊。

有人統計過，中國互聯網上從事信息買賣、賬號竊取、撞庫攻擊、黑中介、電信詐騙等黑色產業鏈人員數百萬人，每年造成的資金損失超過千億。他們離我們一點都不遠，透過電腦或手機屏幕就在你的身邊。因此，如何防控那些搞欺詐的、惡意申請的，是我們在風險管理上的第一個功課，同時也關乎業務的存亡。

總體而言，這就像貓跟老鼠一樣。如今，互聯網上的欺詐，技術手段是非常的高。所以，我們這些風險從業人員，必須要有足夠的敬畏心理，能透過表象看本質。

有時候我們就像警察一樣，要跟這些壞人去鬥爭。

這些搞黑產的，是什麼人呢？他們的心態是什麼樣的？可能各種各樣，但有一點是共通的，他們需要錢。這麼講吧，金融本身，就是給別人提供一個便利，一個資金，說到最後，所有的問題都是由人性引申開的。

隔著屏幕，看到他們的這些行為模式，你能感覺到背後這群人的存在，而且你知道他們不是一票人，是N票人。

但僅有防守是不夠的，除了心細，還要膽大。

金融行業的本質是對風險的有效經營和管理，風險並不是控制得越低越好，終極目標是風險調整後的凈收益最大化，形成風險定價的能力，在業務發展和風險管理之間維繫合理的平衡。

現在，在我們這個領域，模型工具是風險控制的利刃。互聯網模式下，信貸業務的主流模式是「在線實時秒批」，這已經和傳統金融（比如銀行）的風險控制模式有了很大區別。實時、自動化，就意味著我們在做風險決策時，必須準確、穩定性，必須依賴準確的模型、有效的風險決策、高性能的系統實現。

互聯網提供了海量的數據，但大數據也意味著信息噪音，另外還有信息稀疏、碎片化等問題。如何在海量數據里提煉價值，就需要有大數據計算能力和對數據提煉的演算法升級。

兩年多前，我們積極引入機器學習、深度學習等演算法技術，率先在金融信用風險評估、欺詐風險識別、量化營銷等領域進行實踐，形成四大發明模型體系，涵蓋數百個各類模型。

但是，光有模型工具這個尖端武器，還不能完全殺敵，還需要有運用武器的一套劍法，也就是基於業務目標實現的應用策略體系。

狹義的風險是等業務上門，一夫當關萬夫莫開。但新形勢下的風險管理，已外延至場景、用戶需求、產品設計等環節。在業務設計之初，我們已經提前考慮了風險，保證一個產品誕生之初不會形成逆選擇——也就是說，不能出現正常用戶不響應，響應的都不正常。

所以現在來看，技術化，已經是我們這行必須具備的素質。計算機、數學、統計類背景的人才，已經取代了經濟類、金融類專業人才，成為標配。如果你不會編程處理數據、操作數據，那麼日常工作很難進行，很多思路只能停留在空想層面。

當然，技術和演算法有一定的門檻，所得非易，故技術人員容易走偏，迷失在技術和演算法的迷宮裡。所以光有技術是不夠的，還需要對業務有深刻的理解和洞察，需要歷練與經歷，形成經驗。

我常說，我們既是科學家，也是藝術家。因為風險管理是一門在實踐中、錯誤中學習的工作（在實踐中總結，在錯誤中反思）。我們最後要形成風險直覺，而直覺是沒有固定標準的，它有藝術的成分。

風險是什麼，是一種不確定性。通俗地講，如果你把錢借出去，你要怎麼樣去控制和管理這個風險。我們就像是問題的終結者，但總會有新的問題冒出來。說實話，我們似乎永遠處在一個非常緊繃，不能放鬆的狀態，同時還不能被他們嚇破膽。因為你的對手，他們以這個為生，而且永遠不會停下來。

（程建波，京東金融-消費者金融部-風險管理部，機構負責人）

走沒走過的路 看沒看過的風景」——京東金融CEO陳生強

笨鳥文摘(bnwz2012)我們是新榜2016年500強之一。先飛之笨鳥，文摘之精華。選文交給我們，時間節省給你。我們是覆蓋人群超過5000萬的微信自媒體第一聯盟「WeMedia」成員，合作QQ：56306838，微信：855003792