| English | 无障碍
当前位置:  首页 > 龙8国际娱乐城 > 科技纵览 > 正文
通过机器学习技术设计聪明的高维集成模型
海量数据里智测金融风险
发布时间:2018-02-13   来源:新民晚报


  公司初创,没有固定资产,海外名校毕业的创始人只拿基本生活费,通讯地址屡屡更换……这样的条件,对于习惯根据任职公司的规模、固定收入等条件来审核信用的银行传统风险评估体系来说,常常难以判定信用价值,影响信用卡申请批复。而当大数据与人工智能技术相遇,用户经“脱敏”处理后的运营商数据、互联网行为轨迹、设备信息、消费数据等数据都能够发挥价值,通过机器学习建模成为金融机构风险控制评估的有效参考。

  毕业于中国科学技术大学少年班,曾在雅虎、eBay搜索做了10年数据挖掘和机器学习工作的朱明杰发现,人工智能技术在金融领域落地,将发挥巨大效用。于是他在上海这座金融中心创立了人工智能公司——氪信科技,利用人工智能技术挖掘数据价值,为从未与金融机构发生借贷关系而缺乏金融数据的“白户”人群刻画金融画像,通过机器学习技术设计聪明的高维集成模型,为金融机构和企业提供个人金融风险预测和个人金融需求分析,帮助降低信贷审批成本的同时,满足更多人个性化金融需求服务。

  “唤醒”金融大数据

  今年34岁的朱明杰是微软亚洲研究院与中科大第一届联合培养的博士,曾在德国马克思普朗克研究院跟随数据库领域大师格哈特·威肯教授从事大规模语义图挖掘的博士后研究,后来又作为数据工程师为许多互联网公司服务。近几年,大数据和人工智能对各行业带来颠覆性的推动力,来找朱明杰咨询业务的人越来越多,其中金融机构的占比很高。

  金融机构本身就拥有巨大的数据量,但传统的手段受制于技术和人力成本,无法最大化发挥这部分数据的价值;而另一方面,互联网中海量看似与金融无关的弱金融数据,其实经过处理也可以支持或者辅助金融决策判断。朱明杰强烈感觉到,无论从数据的准备还是行业的特质等角度来看,金融领域可能是人工智能实现商业化最快落地的一个领域。

  “蛛丝马迹”可参考

  氪信将金融机构的基础数据,结合与互联网巨头合作获取的全域互联网行为、社交、LBS、高价值黑名单等加工数据,以及人行征信、工税法等外部数据,从声音、图像、文本等原始状态转化成数字化数据,再通过系统中的深度学习神经网络,把相互之间看起来没有关系的几千甚至几万个维度的原始数据组合加工,联合构建知识图谱,形成用户金融画像,再将这些数据关联到金融风险特征。“某个人在使用应用时的行为路径,如在页面之间的跳转和停留、鼠标在输入框中的停留时间、资料的反复修改频度等等,这些痕迹都可以通过人工智能从海量数据中找到、核实、解读。”朱明杰解释,“人工智能快速将金融上非结构化的数据通过各种算法和模型结构化,最后得出结果再实现指导与预测,等于告诉银行,这个申请者到底是‘好人’还是‘坏人’。”去年,氪信成为招商银行的战略合作伙伴,仅信用卡申请反欺诈能力升级一项合作,就通过数据甄别、特征工程、建模方法和系统支持等多维度的咨询和支持,达到业务处理量250万条/月,欺诈占比下降22%,每月减少损失约3.2亿元人民币。

  从2016年公司成立至今,氪信已经获3轮近亿融资,已累计服务数百家持牌金融机构。“有人以为深度学习能解决所有的疑难问题,这是一种高估。但如果不相信AI能够帮助企业增加收入,降低成本,这是一种低估。人工智能的下一个战场不是互联网行业,而是传统行业。只有当人工智能技术在中国真正普遍应用于传统行业,提升各行各业生产力水平时,其经济潜力才会充分彰显。”(记者 易蓉)