【推荐】同盾科技蒋韬人工智能在特定场景下优势明显
人工智能与人类竞技的比赛让更多人关注到这个领域，目前，人工智能的热度一直未退，并逐渐下沉到一些应用场景中。那么，人工智能技术在金融领域的应用程度如何？还有哪些地方待改善？未来的情景如何？对此，《中国经营报(,)》记者专访了同盾创始人、董事长蒋韬。
基于算法建模
《中国经营报》：目前国内人工智能体系的发展如何？有哪些地方仍面临挑战？
蒋韬：如果说通用型的人工智能，那么从整体的人工智能与人类相比较而言，我觉得人工智能还处于早期阶段。但是人工智能在特定的应用场景下可以起到提升效能，降低成本的作用，还能做一些替换人类的工作，比如客服、催收、智能投顾等，在特定的场景是做得非常不错的。至于提升，目前在阿尔法、语义上的理解等方面，人工智能还面临着非常大的挑战。
《中国经营报》：人工智能在风控领域具体有哪些应用场景？
蒋韬：金融市场上有很多风险类型，包括信用类、操作类风险等。我主要从这两方面来谈，操作类的风险，即可以通过人工智能的算法发现用户的操作是否有异常。操作上的异常，可以是用户内部的，用户操作是否合规；也可以是用户外部的操作风险，比如操作议程、网络欺诈，被别人盗用等，这些都会大量用到人工智能技术。此外，通过人工智能去分析用户采购不同金融产品的可能性，提高用户的交叉销售率，可以大面积提升金融机构客户的活跃度，有很多的应用场景。
《中国经营报》：人工智能的上述应用是基于大数据的场景还是其他？
蒋韬：算法当然很重要，所以需要有很多的样本数据和表现数据，告诉这些机器哪些是对的，哪些是错的。当然，现在也有一些算法，在没有大量数据的情况下，也可以发现一些异常。但智能机器发现异常，也会难以辨别对错。如果是有样本，就可以学习这是什么东西，那是什么东西，然后再做相应的判断。总体而言，数据越多越全，肯定越好。
《中国经营报》：如何把握用户数据隐私的边界？相比以前的人工风控有哪些优点及待改进的地方？
蒋韬：对于风控模型或系统而言，维度越多，效果越好。为金融机构做风控服务，需要有非常严格的用户数据保护的流程。员工在做分析模型时，要非常严格遵守公司的一整套数据安全、数据保护等运营流程。再者，这些用户数据也需要进行一些脱敏性的操作，个人没有机会在线下接触这些数据。
在欧洲、，也有很多这种分析公司，都是在云端服务于机构。因为一些比较大的电商机构或金融机构等，都会把它们内部的管理，或一些分析工作放到云端来进行。这时，就需要拿到个人的授权协议。
《中国经营报》：人工智能相比人工风控有哪些优势？
蒋韬：主要是效果和效率的提升。一方面，在特定的环境下，机器比人的效果会更好。目前可以通过机器模拟人的方式去跟人交互，给它设定的人群、频次，那么它会按照设定去操作。如果是真人去做，可能由于业绩的压力，会采取更情绪化的方式，比如语言暴力等。不过，目前机器只能在特定场景下做到简单的交互，还不能完全和人类通畅无阻地交流。但即便如此，总体而言它的作业效果也比人更好。
《中国经营报》：怎么看待人工智能应用的未来？
蒋韬：在金融风控领域中，目前的人工智能技术已经能够很好地帮助金融机构，去发现账户交易风险等问题。举了个例子， 蒋韬：在金融风控领域中，目前的人工智能技术已经能够很好地帮助金融机构，去发现账户交易风险等问题。举了个例子，比如在信贷审核场景中使用人工智能技术，可以将人工信审复杂化、机械化、无标准化的弊端，变得简单化、流程化和标准化，大大提高了效率。人工智能对金融效率和成本结构的影响将会非常深远，特别是对银行的营销等各环节的提升将发挥重要作用。
需差异化设计
《中国经营报》：同盾科技在第三方智能风险管理服务方面，如何将人工智能与风险管理进行了结合？
蒋韬：主要有四个应用，智能信审、逾期管家、机器学习平台、流计算平台。智能信审主要面向贷前的信用审查和风险评测。用人工智能技术将人工信审复杂化、机械化、无标准化的弊端，变得简单化、流程化和标准化，提高了效率和信审员的审核效率，延伸了他们的能力，使得传统信审工作在精准性、高效性和体验性上得以大幅提升。
逾期管家是基于智能决策和智能语音的机器催收平台，背后以数据生态系统作为支撑，适用于银行、电商、新金融和等各类场景，将贷后催收的各个标准化业务进行全面的智能化改造。
机器学习平台，主要建立标准化的模型全生命周期管理，包括数据读取、数据处理、特征工程、模型训练、模型测试、模型部署、模型运行和监控，降低建模进入门槛，减少大量人工操作出错的可能，大幅提升模型上线效率。
内置模型平台，支持一键部署，模型开发完成后，可以一键部署到线上生产环境。可视化的建模平台，内置多种常用机器学习算法，包括监督型、无监督型、半监督型，通过简单的拖拉拽及参数配置，就能完成模型的开发，即使初级的建模人员也能快速开发出高质量的机器学习模型。
流计算平台，可以实现事件驱动，实时处理和计算，无需等待数据积累到一定程度；非阻塞型的异步处理机制，支持毫秒级处理，支持千亿/日级别的并发请求量处理；同盾的流计算平台也支持水平扩展，可以支持上千万/秒的吞吐量。
《中国经营报》：目前同盾的服务线已经覆盖了很多领域，在垂直领域中如何对机构提供差异化的服务？
蒋韬： 方法论和工具本质上都相同，但用一套模型去服务所有的客户，还是不太容易，所以还是会做差异化设计。因为，即使同一家银行，它们自己的业务类型也有不一样的；即使只是针对它们要做，或者做消费金融场景，具体服务的客群和风险都是不一致的；所以在为客户提供服务时，公司会去讨论银行的业务，push到我们的模型，根据具体情况去定做。
《中国经营报》：除了应用于风控外，人工智能在为b端用户提供c端用户产品的推荐方面如何应用？
蒋韬：其实本质上，同盾还是一直为b端用户提供服务。只是提供的产品，从最早的反欺诈体系，到后来的风控系统，到现在也会做一些风控的激活、交叉销售模型的分析，最终目的是通过数据分析机构的活跃度和留存度。
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容， 请发送邮件至 931614094@qq.com 举报，一经查实，本站将立刻删除。