6位頂尖專家，重新定義AI金融的6種未來丨CCF-GAIR 2019

編者按：7月12日-7月14日，2019第四屆全球人工智慧與機器人峰會（CCF-GAIR 2019）於深圳正式召開。峰會由中國計算機學會（CCF）主辦，雷鋒網、香港中文大學（深圳）承辦，深圳市人工智慧與機器人研究院協辦，得到了深圳市政府的大力指導，是國內人工智慧和機器人學術界、工業界及投資界三大領域的頂級交流博覽盛會，旨在打造國內人工智慧領域極具實力的跨界交流合作平台。

大會第二天上午，在聚焦金融行業AI技術應用的「AI金融」專場，六位頂尖AI金融技術與產品專家齊聚，為與會者帶來了一場別開生面的主題論壇。

微眾銀行楊強：用聯邦學習解決數據隱私難題

香港科技大學講席教授、微眾銀行首席AI官、IJCAI理事會主席楊強教授作為主會演講嘉賓及AI金融專場開場嘉賓。在AI金融專場，楊強教授為與會者帶來題為《聯邦學習的最新發展及應用》主題演講。

演講開始，他先介紹了微眾銀行兩年來所取得的成就。楊強教授表示，微眾銀行在金融業務的各個環節均已實現自動化。從貸前業務諮詢環節的企業畫像，到貸中身份核實、資料審核，再到放款操作環節。此外，微眾銀行在一些輔助環節，如智能客服、錄音質檢等也在應用智能自動化技術。目前，微眾銀行98%的客戶問題由智能客服機器人解答，其系統能夠進行多輪對話並進行情感分析。

有趣的是，在小微企業貸款方面，微眾銀行不僅做線上自動化，還做線下自動化。為了解決線下企業風險核查耗時耗力的問題，微眾開發了一款線下核驗頭盔機器人。申請人只需佩戴該頭盔設備周遊工作場地，即可自動識別風險。

與此同時，楊強教授也強調，在小微企業信貸過程中，出現了一些挑戰，業界需要尋求新的解決方案。

第一，如何對抗干擾信號。以金融領域為例，當申請人對面部信息作假時，如何應對？第二，如何在只有小數據的領域應用深度學習。

楊強教授談到，往往高質量、有標籤的數據都是小數據，且不能隨著時間的推移進行累積，因為每個階段的數據和上個階段都呈現不同的分布，甚至特徵都不盡相同。這一問題在金融、醫療、法律場景非常常見。這就意味著，要解決這一問題，需要多方數據打通，聯合建模。

但這其中又遇到了問題，那就是數據的隱私保護。2018年，歐盟提出史上最嚴數據保護法GDPR，足見數據隱私在人工智慧發展道路上的重要性。在這樣的大環境下，合併數據變得異常困難。

為應對這一問題，楊強教授倡導「聯邦學習」（Federated Learning），他以人們合作創作作品為例進行了解釋。在兩個人或多個人共同寫書的過程中，合作者的大腦並非物理地連結在一起，人們用語言交流，傳遞參數。在這一過程中，人類是有能力保護大腦中的隱私的。

聯邦學習參與各方先用本地數據建立模型，再將這個模型的關鍵參數加密，得到一個即使傳到雲端也無法解密的包。千萬個包用演算法加以聚合，得到高精度的模型，再將該模型下傳，供個體使用。整個過程中Server、雲端均接觸不到包內的實際內容。

楊強教授表示，聯邦學習技術已經在微眾銀行得以應用。微眾銀行的合作企業中包含互聯網企業、車企、保險企業等。這些合作方擁有用戶大量的不同維度行為信息。應用聯邦學習，微眾銀行能夠與合作方聯手，針對同一批用戶在不交換數據的前提下進行建模。實踐證實，AUC指標得以提升，不良率大為下降。

此外，楊強教授還介紹了聯邦學習在城市管理、語音識別等領域的應用。楊強教授表示，聯邦學習的發展需要建立生態，共同推進。與此同時，楊強教授也在積極推動相關國際標準與參考框架的建立。

京東數科&ZRobot喬楊：不僅要關注黑，更要服務好白

京東數科生態中心信用管理部總經理&ZRobot CEO喬楊在風控行業已有10餘年的經驗，他曾長期供職世界500強企業——Discover美國發現金融，兼備技術與金融的跨界實力與中美兩國的世界級金融科技視角。

現場，喬楊就「數字科技驅動的信貸反欺詐技術」同與會者進行了探討。ZRobot成立於2016年10月，旨在利用高維度數據資源，結合數據挖掘技術及模型演算法，藉助京東數科豐富的實踐應用場景，打磨自身技術實力並賦能合作夥伴。目前，ZRobot已與近300家銀行、保險、證券、信託、小貸公司、持牌機構、消金以及融資租賃公司展開合作，為客戶提供智能風控、智能營銷解決方案等各類產品支持。

喬楊現場分享了ZRobot在信貸反欺詐方面進行的嘗試與取得的成果。

喬楊表示，隨著移動互聯網的發展，欺詐分子應用的手段層出不窮，產品類型不斷迭代進化。現在欺詐已成為一門生意，欺詐分子和團伙多為非常勤奮且聰明的人。早期的欺詐手段往往是員工腐蝕機構，現在已經發展為潛入機構、自營騙貸等更有手段的欺詐方式。與此同時，金融機構對欺詐的防範往往處於滯後狀態，這為反欺詐工作的開展帶來了阻礙。

喬楊表示，雖然業內已經有很多成熟的可以利用的機制，比如建立良好的內控合規機制、客戶管理體系，但往往無法識別三方欺詐的風險。

要識別三方欺詐，第一步要做好交易對手的身份識別。喬楊介紹，當前一些移動APP可從前端抓取多達200餘個用戶標籤，在此之上進行特徵延伸擁有很大的空間。常用的做法包括抓取緯度信息，利用陀螺儀檢測設備仰角、滑動軌跡等，同時通過前端SDK進行淺層次的生物識別，已經能夠做到在用戶體驗不受影響且不需要額外硬體支持的情況下進行有效的反欺詐識別。

在中國，欺詐行業的群體作案呈現上升趨勢，欺詐團伙已經形成了非常完善的上下游產業鏈。因此，單單識別個人的欺詐風險是不夠的，需要由點及面，通過機器學習及複雜的網路技術對用戶及周圍群體的關聯關係進行判斷。ZRobot已經積累大量的前端數據用於資料庫關聯，具體包括設備關聯、地址關聯、通信關聯等。

喬楊認為「近朱者赤，近墨者黑」，與業界的通常做法不同的是，ZRobot不僅將關聯關係用在黑名單節點，在白名單上也有所應用。「我們提出的概念是不僅要關注黑，更要服務好白」，喬楊說。

宜信向江旭： 用AI實現「以客戶為中心」的財富管理

宜信公司高級副總裁、首席技術官向江旭先生一上台就向在場嘉賓透露了一個好消息，宜信旗下品牌，也是國內首家海外上市金融科技公司——宜人貸目前已完成品牌升級，將線上能力與線下資產結合，定名宜人金科。

宜信成立於2006年，是業內領先的財富管理公司。宜信在支付、網貸、眾籌、機器人投顧、智能保險、區塊鏈等前沿領域均有積極布局，並通過業務孵化和產業投資參與全球金融科技創新。

關於宜信在信貸行業地位，向江旭談到，經過13年的耕耘，宜信已經在業界取得了傲人的成績。「業內有這樣一個說法：一個用戶想申請貸款，如果他曾經從宜信拿到過貸款，那麼其他機構就不用審核了。」向江旭說。

然而在CCF-GAIR 2019 AI金融專場，向江旭不談信貸，轉而和與會人員聊起了智能化的財富管理。

向江旭表示，中國財富管理規模在6萬億，與美國的9萬億尚有一定差距。中國財富管理線上化滲透率為35%，與之相比，美國為40%。中國擁有50餘家財富管理公司，而美國擁有300多家。就財富科技的投資規模而言，中美幾乎持平。

總體來看，雖然在財富管理市場中美存在一定差距，但中國的增長率很高，產業投入也更高。這就意味著中國的財富管理潛力更大。2007-2016十年間，中國財富管理市場規模以年化20%的複利增長。2016-2018年增長率保持在12%，可預期的未來幾年時間內，增長速度仍將維持在雙位數。

財富管理行業的目標客戶為可投資產在1000萬人民幣以上的高凈值人群以及可投資產在100萬人民幣以上的大眾富裕階層。在中國，高凈值人群截至今年年底將達到220萬，未來幾年大眾富裕階層人群很快會達到3000萬的規模。

向江旭表示，這兩類人群對於智能財富管理均有非常強烈的期待。高凈值客群一般而言長期享受私人銀行家、理財師、金融顧問服務，但儘管如此，這類人群對線上實時獲取股票信息、資產狀況、財經資訊、投資理財教育內容仍有迫切需求。對於大眾富裕階層而言，很可能他們人生中的第一款投資理財產品就是在線上購買的，這類人群對線上的理財投資及智能化財富管理有天然的需求。

通過大數據技術，宜信能夠了解客戶對投資理財、家族傳承，對創富、守富、傳富的需求，也即財富管理行業的KYC。向江旭介紹，這些數據包括客戶的電商購物行為軌跡、線下財富管理講座活動的參與經歷等。獲得用戶畫像後再利用AI技術將客戶與產品進行精準匹配。

向江旭認為，以前的財富管理是以產品為中心的，很多理財產品網站相當於一個理財超市，這並不是宜信希望看到的財富管理方式。宜信希望用大數據及人工智慧技術將以產品為中心的財富管理過渡到「以用戶為中心」的財富管理，真正做到千人千面的資產配置模式。

平安壽險沈劍平： 深挖應用場景，讓AI賦能壽險各業務線

平安壽險是保險行業AI落地的排頭兵。目前，AI已經在業務員面試、培訓、銷售，客戶客服、風控等環節落地應用。

本屆CCF-GAIR大會AI金融專場的第四位演講嘉賓即是這一系列產品背後的技術指揮官，平安壽險總部人工智慧研發團隊總經理沈劍平。現場，他就「AI技術在保險領域的應用實踐」同與會者進行了分享與探討，全面解析平安壽險在人工智慧領域的發展布局、應用成果及核心技術。

沈劍平表示，在科技迅速深入各行各業的大趨勢下，傳統保險業如何充分運用人工智慧等前沿技術，以尋求更高質量的發展方式，是一個非常關鍵的問題。

平安集團在2018《財富》世界500強中排名第29位，是全球市值、品牌第一的保險集團。作為集團旗下子公司和主要利潤貢獻者，去年平安壽險利潤超730億人民幣，有140餘萬代理人。面對如此龐大的業務規模，平安壽險積極探索科技與保險的深度融合，由傳統壽險公司向科技型壽險公司轉型。

沈劍平介紹，平安壽險在人工智慧領域，重點布局深度學習、自然語言處理、知識圖譜、智能推薦、計算機視覺等前沿技術，全面實現銷售、服務、管理三大賦能。

在銷售賦能方面，由於壽險業務人員眾多，業務員面試存在面試量大、人力投入多、篩選困難等痛點。平安壽險研發了AI面試官，背後打造了一個面向面試領域的特殊對話系統，除了重點運用FAQ問答、多輪對話、智能提問外，更結合擬人化面試交互的需求，自主研發了創新的智能短回應技術，實現人臉識別核身、多媒體展示、全流程語音交互、擬人化互動、專家經驗賦能和面試智能評價等功能。

為了給客戶提供更專業的保險服務，業務員需要經過個性化、全方位、多維度的培訓。平安壽險打造了遠程培訓+線上學習機制，利用圖像技術、推薦技術實現智能互動與秩序監督、千人千麵線上課程學習等。另一個亮點是一款用於一對一訓練和考評的AI陪練機器人，不僅能夠智能考試及評分，還能扮演客戶模擬實際業務場景的交互。

在銷售環節，平安壽險還推出了「個人銷售助理」機器人，幫助業務員在銷售過程中獲得專家級的保險知識顧問和銷售支持。

此外，沈劍平還分享了平安壽險在服務賦能和平台建設方面的成果。在服務賦能領域，重點打造了包括可在線辦理複雜業務和服務諮詢的智能客服、專家級智能保顧等在內的客戶金融生活助理服務。平台建設方面，重點打造了包括壽險人機交互平台、智能知識中心、智能營銷平台、深度學習平台等在內的核心平台支持。對於其中進行的關鍵技術問題，如低資源攻關、對話引導、知識驅動對話等，沈劍平也進行了針對性的分享。

阿博茨科技余宙： 創造金融數據的永動機

在金融科技領域，阿博茨科技聯合創始人余宙是一個神奇的存在。他是曾被邀請做客比爾蓋茨家的產品天才，是海豚瀏覽器的首席產品設計師。跨界AI金融後，這位極具天賦的產品人能夠為行業帶來哪些火花？現場，余宙為與會者帶來了題為《AI金融大腦驅動知識處理變革》的主題演講。

余宙介紹，阿博茨為金融行業提供四類機器人產品：摳數據、找數據、填數據、畫圖表。與風控、視覺等創業大方向不同的是，阿博茨的業務緊密圍繞著金融數據，這一思路來源於創始團隊一次拜訪瑞士銀行的經歷。

當時，接待余宙一行的是瑞士銀行一位頭髮花白的客戶經理。銀行方面介紹，這位資深客戶經理沉澱了30年的經驗，能夠回答客戶的任何問題。與此同時，銀行方面也表示，要培養一位像這樣經驗豐富的客戶經理，是需要非常大的代價的。談到這裡，余宙開始考慮，是否能夠利用計算機技術將金融領域的知識與經驗記錄與傳承？

在金融領域，有大量「表哥」、「表妹」存在，這些受過良好教育的有志青年整日處理數據和圖表。從事著重複的業務，不僅耗時耗力，而且出錯率高。此外，90後以及00後喜歡創新性工作，導致這類崗位的離職率非常高。

余宙非常認同《原則》一書中Ray Dalio提出的觀點：人應該成為機器的一部分，而不是機器來幫助人。他認為，人有感情、有情緒、會累，不能24小時工作。那麼如何製造一個系統，讓人成為機器的一部分，將是徹底提高效率的一種方式。

為此，阿博茨構建了ABC金融大腦，將自然語言處理、機器學習、深度學習等技術運用在金融領域的日常數據處理工作中。構建一條生產線，人就像大廚，只負責炒菜。買菜、洗菜、切菜、準備原材料等過程全部由機器完成。

余宙表示，AI分做幾個不同的層次。機器能夠讀懂圖、表、文件的認知引擎層；能夠看到、聽到、接收信號的感知層；以及機器對人類進行信息回饋的可視化層。ABC金融大腦是這三層的結合，就像一個超級實習生或者超級分析師助理，能夠幫助分析師對公開市場上的數據進行獲取。同時若進行私有化部署，還將有能力挖掘自家的數據。

在ABC金融大腦之外，阿博茨還構建了RPA機器人。與ABC金融大腦不同的是，RPA主要解決兩個問題——流程上的斷點和阻塞點。通過AI技術，將RPA流程打通，形成永動機一樣的系統。

余宙表示，ABC金融大腦和RPA機器人在券商、銀行、財務等多種金融場景均可應用。

CMU王強博士： 面對金融交易場景，遠未成熟的三維人臉識別的剛性需求，將走向何方？

作為AI金融專場的收官嘉賓，原大數金融CTO兼首席科學家、前美國Fiserv東亞及東南亞總裁、IEEE Fellow王強博士帶來了題為《3D人臉識別與開放金融平台》的主題演講。

現場，王強博士報告了自己團隊在三維人臉識別方面的最新演算法以及在金融交易場景的剛性應用。圍繞中國人工智慧四十年主題，開場王強博士回顧了計算機視覺奠基人David Marr三層理論，即將計算機視覺分為三個階層：二維基數圖（2-D Sketch）、2.5維要素圖以及三維模型表徵（3-D model representation）。

王強博士指出，David Marr在計算機視角三層開創性理論不僅僅是計算機視角的基石，同時也給認知科學（Cognitive Science）帶來了及其深遠的影響。王強博士指出未來計算機視角研究要從客觀感覺和主觀感知兩個方向共同入手，加強在圖像認知層面的理論與研究突破。

計算機視覺發展40年，進度一直受限。王強認為其主要原因一是感測器的能力，二是面對高維算力，三是3-D攝像機大規模應用，四是柔性姿態的估計能力以及合成圖像細粒度與泛化能力衝突問題。

三維視覺最高端的場景之一是三維人臉識別，這一領域當然也面臨著很多挑戰。一是柔性姿態的變化大幅降低識別率，二是樣本庫問題難以實現離線大規模學習，三是終端晶元的算力不夠，這些挑戰也為三維人臉識別在金融交易領域的剛性應用帶來了阻礙。在金融交易這樣高標準嚴要求的行業，人臉識別的準確率必須高於99.9%，而現在的技術尚未能達到這樣的要求。

近期，王強博士團隊提出的SimGAN（S+U模擬融合無監督學習）最新演算法，在 GANs細粒度合成圖像、少量樣本庫無標註離線學習、GANs對抗補償、懲罰學習差異、區域對抗補償、細粒度區域學習到全局泛化、柔性姿態修正等方面帶來重大突破，基於機構光攻克了三維人臉的多項重大技術難點，基於結構光綜合場景下平均識別率達到99.9%，其合成圖像的視覺圖靈測試接近1：1通過率， MPIIGaze測試比目前最好演算法高出24.9個點。並在金融身份識別、反欺詐、開戶和支付等場景中，可以啟到交互應用和輔助決策的作用。

未來，王強博士團隊將結合結構光、TOF和雙目三個光源特徵進行三維人臉識別研究，繼續提升綜合場景下識別率。

一場國際化的AI金融交流會

本次「AI金融專場」，吸引了中國及歐美地區的眾多AI金融專家到場。其中加拿大工程院院士、Citadel首席人工智慧官鄧力博士，加拿大工程院院士凌曉峰教授等多位重量級人物也來到現場學習交流，共同促進AI金融的產學融合與商業應用。

我們將會在本次峰會後，在雷鋒網「AI投研邦」上線CCF GAIR 2019峰會完整視頻與各大主題專場白皮書，包括機器人前沿專場、智能交通專場、智慧城市專場、AI晶元專場、AI金融專場、AI醫療專場、智慧教育專場等。雷鋒網「AI投研邦」會員們可免費觀看全年峰會視頻與研報內容，掃碼進入會員頁面了解更多。峰會期間專享立減399元福利，可進入頁面直接領取，或私信助教小慕（微信：moocmm）諮詢。（最後一天50個名額，速搶。）

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！