人工智能炙手可熱,資本和創(chuàng)業(yè)者蜂擁而來。

“金融業(yè)是人工智能最好得到應用的行業(yè)。”11月6日,紅杉資本全球執(zhí)行合伙人沈南鵬在“JDD-2017京東金融全球數(shù)據(jù)探索者大會”上如此表示。因為金融是高度數(shù)據(jù)化的行業(yè),人工智能技術(shù)可以在身份認證、風險控制和個性化運營方面為金融機構(gòu)提升效率、降低成本。

這一觀點被市場廣泛認同。以百度金融、京東金融為代表的金融科技公司紛紛重金布局人工智能,探索其在金融領域的應用。銀行等也已在智能客服、反欺詐、小額信貸等領域進行探索。近期,包括農(nóng)業(yè)銀行、招商銀行等上線的刷臉取款即是人工智能在金融領域的應用之一。

科技對人工的替代作用顯而易見。2000年時瑞士一交易所擠滿了600多位交易員,而現(xiàn)在,只需要4位,其他的交易操作都已被機器代替。

人工智能同樣可以大幅降低金融業(yè)務成本,提升業(yè)務效率。光大銀行電子銀行部總經(jīng)理楊兵兵在北京大學數(shù)字金融中心第二屆年會上也表示,人工智能在銀行業(yè)務中最早的應用便是智能客服。客服中心是銀行業(yè)務中勞動密集型部門的代表之一,一家中等規(guī)模以上的銀行動輒都有數(shù)千名員工接聽客戶電話,即便如此也還不能滿足很多客戶的需求。而在引入智能客服后,“最近三年每年呼入的話務量有10%的速度增長,但是三年來我們沒有增加一名客服。”目前光大銀行的話務中有近60%是模擬人工服務。

在上述京東金融全球數(shù)據(jù)探索者大會上,京東集團董事局主席兼首席執(zhí)行官劉強東介紹,京東金融風控體系是利用深度學習、圖計算、生物探針等人工智能技術(shù),實現(xiàn)無人工審核授信和放款,壞賬率和資損水平低于行業(yè)平均值50%以上。與京東金融合作的業(yè)務伙伴使用這些技術(shù),幫助銀行在信貸審核上效率提高了10倍以上,客單成本降低了70%以上。

人工智能在金融領域的應用還十分廣泛。國際人工智能聯(lián)合會理事會主席、香港科技大學計算機科學及工程學系主任楊強表示,金融領域的運營、投顧、風險管理等諸多場景可以運用人工智能技術(shù)提高經(jīng)濟效益。如與用戶溝通、用戶識別、借貸客戶風險水平分析等。當前基于大數(shù)據(jù)分析和人工智能的技術(shù)已經(jīng)在個人和企業(yè)征信中得到應用。

在養(yǎng)雞和喂豬時,甚至也可以通過人工智能技術(shù)的應用提升金融業(yè)務參與效率。

過去養(yǎng)殖戶養(yǎng)一只雞約需要12元飼料款,養(yǎng)殖周期兩個月左右。養(yǎng)殖戶一般在進雞苗時進行貸款,兩個月后還本付息。不過小雞在最初并不需要太多飼料,而且不同的雞需要的飼料量也不同。養(yǎng)殖戶承擔了很長時間內(nèi)不必要的利息支出。京東金融根據(jù)對養(yǎng)雞過程的了解,引入人工智能算法分析,將養(yǎng)雞的飼料使用精確至每天、每克,并據(jù)此匹配貸款資金。養(yǎng)殖戶根據(jù)需要借貸,按日計息,現(xiàn)在養(yǎng)雞戶養(yǎng)一只雞只需要支出6分錢利息,大幅降低利息支出成本。

楊強介紹,將人工智能的活體識別技術(shù)引入到喂豬過程中,通過豬臉識別可以獲得大量數(shù)據(jù)且不擔心隱私問題。這樣的商業(yè)場景應用可以幫助養(yǎng)殖戶鑒別每只不同的豬在養(yǎng)殖過程中的活動,其是否活躍、是否散養(yǎng),可以對其健康狀況進行判斷,為保險提供預測。此外也可以據(jù)此為消費者滿足個性化的需求。

不過,人工智能的應用還有很長的路要走。中國工程院院士、北京大學信息科學與工程科學部主任高文表示,從人工智能60年的發(fā)展歷程來說,以深度學習為代表的人工智能技術(shù)正處于第三個發(fā)展階段。由于資本和產(chǎn)業(yè)的熱情參與,催生了許多新企業(yè)和新機遇。但如果用人的一生來比喻,人工智能目前處于剛上小學或者還未上小學的程度。作為人類智能的計算機實現(xiàn),其挑戰(zhàn)人類智能的路還很長。此外,人工智能的趨同性也引起業(yè)界擔憂。

楊強指出,在一些大規(guī)模的機器學習系統(tǒng)后,存在“過擬合”的問題。例如在一些新聞APP中,當用戶點擊某類新聞后推薦的多是這一類的新聞。人工智能照顧到準確性需求的時候,沒有照顧到用戶多樣性的需求。這有賴于技術(shù)的進一步提升和革新。

近期,21世紀經(jīng)濟報道記者在多個金融科技研討場合也聽到市場人士擔憂,當人工智能技術(shù)在金融領域大規(guī)模應用后,可能帶來市場決策的趨同性,進而造成市場過度波動,“熔斷”時的市場表現(xiàn)就是代表之一。

微軟亞洲研究院副院長、首席研究員劉鐵巖在微軟亞洲研究院院友會上也表示,盡管從機器學習角度看金融的數(shù)字化程度很高,但實際應用中,還存在許多不確定信息甚至虛假信息,因此要先做數(shù)據(jù)清洗、風控、反欺詐,因為數(shù)據(jù)不可靠難以保障應用精度。此外,機器學習需要穩(wěn)定的系統(tǒng),但二級市場又會受到政策等非常多樣的變化因素影響。

【來源：21世紀經(jīng)濟報道】