人工智慧在金融科技領域有哪些應用？
比如：投資、保險、信貸等業務……是如何實現的？
本題已收錄知乎圓桌 ?金融科技浪潮 ，更多「金融科技」話題討論歡迎關注
「人工智慧」並不是新鮮玩意，它從上個世紀50年代提出後，一直在計算機科學中不斷探索進步。近年，隨著支持向量機、決策樹、神經網路、遺傳演算法等演算法的成熟，更重要的是AI在商業上的成功落地，人工智慧的熱潮再次來臨。
（AI在智能信貸中的應用技術）
為什麼是這幾年？一是數據的爆炸式增長。二是計算能力的提高。
隨著互聯網的發展，數據量上百倍、上千倍的翻，模型用到的變數也翻十倍、百倍，計算複雜度更是差乘地增長，但是現在，只要在十秒之內就能完成以前傳統銀行幾周幾十人完成的事。
一項報告顯示，到2020年，全球每年產生並採集的數據量預計將是2010年的50倍。以讀秒的部分數據源為例，其中很重要一部分數據來自於運營商數據、電商數據等。而這些數據很多是近幾年才出現、或者才能合法有效使用的。三年前，以前沒有聽說過互聯網公司利用通話記錄來做數據源，即便用戶授權你去查他的運營商通話記錄，也很難純粹用技術去完成操作——基本上每個運營商、每個省市，頁面都大相徑庭，技術很難去像人一樣去識別並查詢和錄入。而每個人通話記錄，所包含的數據量和有用信息都非常大。
如何同時做到模型能夠快速運行，保證用戶體驗和信息安全，卻又疏而不漏，成功篩選出黑名單用戶、可能存在通話地點頻繁更換等重要信息。這些記錄數據都要識別、歸納和分析，依靠人是不可能的，只能靠模型更聰明、去找更重要的變數，而只有當數據成本越來越低的時候，才可能大規模實現。
（數據在近年來急速增長，主要的數據維度可以被繼續分為無數分支）
數據量大增，利用數據的能力更是極速的提升。阿波羅登月用的計算機運算能力不如現在的手機，甚至不如現在的單片機。我查了一個數據說法，阿波羅上面用的導航計算機主頻2.048MHz,2048字的RAM,36864字的ROM,現在Casio計算器的主頻都有30MHz。太空梭上的飛控計算機處理速度只有0.4MIPS,不到Xbox處理速度的百分之一AI在數據、計算能力大增的情況下也四處開花，其核心能力，是將原本人工的、手動操作的業務，進行自動的、科學化的替代。
（AI在智能信貸中的基本模型流程）
以零售信貸業務為例。
傳統零售信貸的審批流程大約需要1周時間，走完銀行零售業務中的一系列流程：客戶先申請，跑很多機構遞交一些證明性紙質材料，比如住址證明、銀行流水等；再做錄入；運營部門再做複核；再做審批處理；再做盡職調查和最終審批。百年來都難以提高效率，因為每個步驟都需要去一步一步通過，所以不論怎麼優化，也難以再提高速度。但AI與大數據結合後，能夠很好地提升這一階段的效率，讀秒將這個時間縮短到了10秒，未來更快的速度也會被行業其他公司以及讀秒自身不斷突破。在信貸授信過程中，AI運用在全流程，包括風險定價、反欺詐、客戶行為預測、貸後管理等，而定價與反欺詐流程的AI滲透性最強。風險水平決定信貸定價——如果給低風險的人定價過高，那麼低風險者不會有借貸意願；如果給較高風險者定價過低，逾期可能不足以平衡損失和收益。AI能夠幫助預測最佳的用戶分層方式。（定價環節詳見圓桌知乎回復如何運用大數據進行信貸審批？ - 知乎）
AI 在反欺詐中也會有很強的應用。
以判定偽報用戶的AI手段為例。在審批授信過程中，AI會通過人臉識別與設備指紋來判定用戶是否偽報。人臉識別是部分場景的入門一級，當用戶進行人臉識別和活體測驗時，我們會設置一個通過度，比如只有相似度超過60%才可通過基本測試，不通過者AI會寫上相應標籤作為風險指標。
驗證設備指紋從反欺詐角度也是非常有用的。以前用戶在PC上或者說在填寫紙質的申請表上是沒有所謂的「設備指紋」的，也會錯過很多欺詐風險的識別方式。在fintech的智能信貸中，90%以上的客戶來自於移動端，每個手機都有自己獨一無二的標識、編號等，我們將這些稱為設備指紋。由此，AI可以監測到同一個設備發出的指令。同一設備有沒有當天來申請多筆？或者不同的申請人使用同一個設備申請？這些設備指紋信息可以作為額外的反欺詐標籤被捕捉。
其次，我們還設計了一套風險安全體系，通過異地登陸、設備指紋、GPS、時點、IP地址一些指標，預測用戶風險。舉一個常見的例子，比如說上午還在北京，然而中午就到美國了，用戶是否存在異常的異地登錄？這種時候機器會讓你做一些額外的核實。雖然當用戶出現一些程度上的信息不符時，並不代表100%欺詐，但是它會預測出一個欺詐概率，比如「10%欺詐風險」 「60%欺詐風險」，由此對一些高危的行為進行一些管控，有利於預測並及時防範欺詐。
同時，當我們發現某個用戶表現一直比較好，比如用戶復貸率高且沒有任何違約的傾向，AI也會主動給他一些降費率、提額度等獎勵，或者通過對他的了解，給他推薦其他最適合的金融服務。
當然，AI也會出錯，可以說AI在金融的應用不可能永遠100%正確。比如，它預測出來50%的可能性會逾期，但是它實際可能只有40%，而最終表現甚至可能並沒有逾期。並不是說人工智慧的技術不好，只能說模型多少都會有偏差——AI對未來的預判就是想要不斷接近真實。
當年的計算能力將人送上了月球，我們用更高的計算能力不斷開發AI技術。應用AI，並不是為了做技術而做技術，而是為了解決實際的難題，找到技術的商業應用。
人工智慧涉及學科眾多，主要包括語言、心理、計算機等學科。目前，隨著計算機的快速發展，人工智慧與計算機聯繫越來越密切，並有著共同發展的趨勢。
基於計算機的人工智慧在金融領域中的應用，隨著國際巨頭公司將人工智慧技術滲透於產品的各個方面，國內金融行業也開始使用人工智慧技術，下面我們以阿里巴巴、交通銀行、平安集團等的應用情況進行分析。
阿里巴巴
阿里巴巴利用人工智慧技術，在客戶服務、徵信、智能投顧、保險、互聯網小貸等多個領域進行了創新和應用，下面我們根據阿里巴巴旗下的螞蟻金服所公布的數據進行分析，如表2所示。
平安集團
在人工智慧技術出現以後，平安集團旗下的平安科技人工智慧實驗室開始大規模的研發人工智慧的金融應用。如開展了人像識別，對指定銀行區域進行整體監控，進而對陌生人的行為進行識別，保證銀行物理區域安全性；開展智能客服，用戶撥打後直接說出服務需求，系統識別客戶語音內容後，即可轉接相應模塊，節省了客戶選擇菜單的時間
我們可以發現人工智慧技術在金融行業廣泛應用後，有效的節省了解決客戶問題的時間，技術難度較低，有利於商業價值的迅速實現。雖然就目前來說，人工智慧在絕大部分領域還不能替代人力，但是能起到較大的輔助作用。而在金融行業中，則可以嘗試在多個領域運用相關技術，不管是提升客戶體驗還是風險防範中，都可以進行較多的探索和嘗試。
我個人認為，，在不久的將來，人工智慧將會滲透我們的生活，影響我們的點點滴滴，人工智慧、大數據、雲計算、物聯網、智能家居，將是我們必須要接受的，建議大家，可以看下相關的智能科訊平台，比如，多智時代：http://duozhishidai.com ，引領智能變革！，雷峰網——讀懂智能未來等等，讓我們一起迎接人工智慧時代的社會、經濟與文化變革，擁抱智能，暢享未來！
智能信貸絕對是最普適的應用。
基於人工智慧技術和計算機應用技術建立銀行信用貨款的評價和決策系統，用於在相應情況下，判定銀行是否應該發放貨款，該系統的建立時銀行信用管理和風險預測具有指導意義，為銀行信貨業務的拓展提供參考和依據。
在信貸業務實施過程中．從受理、調查、審批直到放貸，各環節都是十分重要的，是存在一定信用風險的。而信用風險一般是指借款人違約行為而造成的損失。對於銀行業來說，信用風險是指借款人不履行債務或投資交易對手不做交割等情況導致金融機構遭受損失的可能性。
貸款是銀行的主要活動，貸款活動需要銀行對借款人的信用水平做出判斷，但由於這些判斷並非總是正確的，而且借款人的信用水平也可能會因為各種原因而下降，因此，銀行主要風險就是信用風險或交易對象無力履約的風險，這會造成嚴重的銀行問題。基於人工智慧技術和大數據應用技術建立銀行信用貸款的評價和決策系統，用於在相應情況下，判定銀行是否應該發放貸款，該系統的建立對銀行信用管理和風險預測具有指導意義，為銀行信貸業務的拓展提供參考和依據
一、系統框架的開發的主要內容為：
( l ）進行決策分析．系統應採用的是結構化分析方法，對商業銀行貸款業務的各項決策要素進行具體的定義和分析，繪製結構化分析圖；
( 2 ）編製系統說明，包括確定系統所做出的建議、用戶介面、知識結構和推理過程等；
( 3 ）編製系統關聯圖，對知識庫模型進行描述；
( 4 ）編寫系統決策表，顯示系統規則集的推理關係；
( 5 ）設計和建立知識庫：
( 6 ）編寫程序，實施系統。在充分分析銀行貸款業務功能的基礎上，研究了系統的整體結構，從而得出了系統總體結構框架。
基於系統總體框架，建立貸款總體編程思想，主要包括貸款審批、貸後審查和總體貸款分析三部分。以貸款審批為例，評價為「優」、「良」、「一般」、「及」、「差』 , 至此，系統分析己經健全，下面將進行系統建立。
系統建立的知識庫採用人工智慧專家系統開發工具語言來編寫本系統的知識庫，它包含兩部分：
( 1 ）系統向用戶提出的各種問題；
( 2 ）系統用作反向鏈推理的所有規則。
知識庫中的問題與系統所有關聯圖中所規定的人機對話內容相吻合．知識庫中的產生式規則的編號以及決策內容與系統關聯圖的有關部分相匹配。產生式規則的條件與結論嚴格遵從系統決策表的要求。
——————————我是華麗的分割線————————————
下面說說我的私人團隊研發的紅狗AI系統（平時我會習慣性的叫它Koko）中的基於進化人工智慧的技術。
學術語是：基於功能行為集成的進化控制體系結構
基於功能行為集成的體系結構的思想基礎
基於傳統 認知模型的移動機器人控制結構缺乏實用性和必要的靈活性與普適性以基於行為的控制體系結構提高了系統的響應速度和自主性，但同樣存在著缺乏必要的理性和受到諸如設計者預見能力限制等缺點。基於功能行為集成的進化控制體系結構的思想基礎是實現這兩類結構優勢互補，同時在結構中融入進化控 制的思想，使該結構既能提高系統的反應速度 又使系統具備較高理性和學習適應能力 。
進化控制思想在科學與工程技術中很重要的一種方法是對自然界現象進行模擬與仿生研究在千百萬年的演化過程中 大多數動物對其所處環境的變化均能作出準確與迅速的反應。這裡表現的最大特徵是動物行為的適應性，動物能通過感受環境的變化不斷對自身進行調整以滿足生存的需要。 表現出一種自主的學習與自適應能力在人工自主系統中 學習與自適應能力同等重要因此採用合適的理論與方法賦與系統主動的學習與適應能力是人工自主系統研究與設計中的關鍵問題。
自主式移動機器人的實際應用環境必然是非常複雜非結構化和時變的，而且存在著通訊和反應時滯信息不全等問題，傳統的基於結構化環境的定量化精確化的感知規劃和控制已不能滿足實際應用的需要。而傳統的智能控制方法在實現機器人的自主性和學習能力等方面存在著一定的局限性，因此有必要引入新的理論和工具 。
將進化計算理論與反饋控制理論相結合形成了一個新的智能控制方法)進化控制它能很好地解決移動機器人的學習與適應能力方面的問題。進化計算在求解複雜問題優化解時具有獨到的優越性，它提供了使機器人在複雜的環境中尋找一種具有竟爭力的優化結構和控制策略的方法。使移動機器人根據環境的特點和自身的目標自主地產生各種行為能力模塊並調整模塊間的約束關係。從而展現適應複雜環境的自主性進化控制的意義在於它在對待機器智能的問題上較傳統智能控制方法實現了認識與思考方法上的飛躍。傳統意義上的機器智能是人賦予的 但這種按預先固定的程式來解決問題的模式很難說機器是智能的。這裡體現的智 能應歸功於設計者進化控制則不然，它的目標是要探索導致自主智能產生的機制和本質過程，一種真正意義上的機器智能在進化控制中進化計算已不僅僅局限於作為一種尋找優化解的工具而已，成為了一種探索自適應性原理和開發智能系統的方法 。
總之，進化控制思想的提出是綜合考察了幾種典型智能控制方法的思想起源組成結構。
AI風潮下，美國銀行藉助人工智慧做了這些改變！
隨著人工智慧的發展，人工智慧的觸角正在慢慢滲透到專業門檻極高的投資領域，AI與投資領域的結合正悄悄來臨。一些國際大行與金融機構已經紛紛開始大力布局AI智能投資業務，人工智慧正在逐漸取代一些金融投資行業的基礎工作，比如基本投資，美國最大的證券零售商和投資銀行之一的美國銀行(Bank of America Co., BAC)更是走在最前沿的代表之一。
那麼，在金融業可能也備受衝擊的AI大潮下，美國銀行到底藉助人工智慧做了哪些改變？
Merrill Edge Guided Investing在線服務計劃
美國銀行的折扣經紀子公司Merrill Edge正在轉變成為一家進軍機器人投資顧問行業的公司。早在2016年10月，美國銀行就介紹並計劃推出Merrill Edge Guided Investing服務，這項新的機器人顧問服務旨在把Merrill Edge的在線經紀平台與美林(Merrill Lynch)人工顧問的理財技能結合起來，通過向用戶詢問有關其年齡，風險承受能力，投資目標和時間範圍的問題，然後，通過使用人類的投資決策，而不僅僅是演算法，提出投資建議。該服務旨在幫助較小的投資者投入少量資金，例如舊的退休計劃賬戶或IRA。投資者可以從$ 5,000.00開始，管理資產的年費用為0.45％。
美林銀行負責人Aron Levine 表示：「我們認識到並不是所有的投資者都是一樣的，我們的客戶都在考慮如何、何時、何地尋求指導，有些喜歡獨立做事，還有人喜歡工作顧問，其他人尋求兩者的結合。」這個新平台旨在將美林在線平台的能力與其投資顧問的專業知識結合起來，滿足當前客戶對自動化投資建議的興趣，為客戶提供更人性化的機器人顧問服務。
推出投資顧問機器人「Erica」
2017年2月，美國銀行正式對外推出了機器人投資顧問服務。
其實，早在2016年10月拉斯維加斯舉行的Money20/20金融業大會上，美銀Merrill Edge首次公布亮相了其計劃向客戶提供的機器人投資顧問工具，一個名叫Erica的「虛擬助手」，它將使用人工智慧為客戶提出改進財務的建議，客戶將能夠在手機上通過文字和聲音和「她」進行交談。
美國銀行數字銀行負責人米歇爾?摩爾（Michelle Moore）在接受採訪時表示，埃里卡將會比機器人更聰明，因為她將使用預測分析來提出自己的話題，而不是僅僅回答客戶提出的問題。Erica將使用人工智慧，預測分析和認知消息來幫助客戶執行付款，支票餘額，節省資金和償還債務等。她還會引導人們查看他們的FICO分數，通過埃里卡，美國銀行希望將一般個人服務的一些優點和通常保留給頂級客戶的建議擴大到普通公眾。
米歇爾?摩爾（Michelle Moore）表示，埃里卡希望能夠幫助消費者創造更好的理財習慣。例如，埃里卡可能會向某人發送一個預測性文字：「米歇爾，我找到了一個很好的機會，減少你的債務並節省300美元。」或者，Erica可能會建議您採取措施來解除「她」注意到的下滑信用評級，「她」可能也會建議客戶在信用卡餘額很多的情況下支付更多，以減少利息支出。
美銀美林公司擁有14,416名財務顧問，其金融中心擁有2,000名財務解決顧問，以及1,000位提供支持（主要是通過電話）的金融解決方案顧問在線經紀客戶。但是摩爾說到，埃里卡的目的是簡化銀行流程，而不是取代工作，因為這種類型的技術還很年輕，相應地限制了「她」所能做的。隨著時間的推移，美國銀行的程序員將添加新功能，並使Erica「更聰明」。
對於美國銀行投了很多錢，花了大力氣推出的機器人在線投資顧問服務，外界反應不一，有看好的，美國企業洞察高級分析師肖恩·麥克德莫特（Sean McDermott）指出：「現在，美國銀行推出這個產品有很大的戰略意義。」同時，財富管理行業面臨財富轉移下一代的問題，「這一數字諮詢服務會使美國銀行更有力地吸引和留住年輕客戶。」但也有不少質疑聲，來自Forrester的研究報告指出，「機器人還沒有準備好成為銀行家」，銀行現在應該避免使用聊天機器人，因為「它們現在提供的客戶體驗通常很差或者不均衡」。機器人的一個大問題就是：大多數都只是簡單的、笨拙的、緩慢的回應，只能理解用確切的措辭提出的問題。如果你告訴機器人移動你的錢，這可能是災難性的。在許多情況下，通過機器人訂購服務不一定比通過傳統方法訂購更容易或更愉快：訪問公司自己的網站或移動應用程序，或撥打電話。
除了推出Erica機器人投資顧問，美國銀行在人工智慧領域還做了更多的嘗試。
完全自動化的「robo分行」
像許多其他美國的銀行近幾年一樣，美國銀行也一直在削減整體分支機構，以降低成本。
美國銀行正在試驗完全自動化的分支機構，佔地面積更小，沒有現場員工。美國銀行已經在明尼阿波利斯開設了所謂的「robo分行」之一，另外兩家在丹佛開了。美國銀行的傳統分支機構運行約5000平方英尺。新的robo分支機型大約是這個規模的四分之一。「robo分行」旨在出售抵押貸款，信用卡和汽車貸款，而不是簡單的交易，例如兌現支票。
自動分支機構僅限於ATM和視頻會議室。與Apple Genius Bar類似，客戶可以通過銀行的手機應用程序預約。一旦你預先安排了你的會議，你可以在robo分行，並與一個遠程工作的銀行僱員進行一對一的視頻對話。作為安全措施，視頻會議室只能使用美國銀行ATM或借記卡進行訪問。
人工智慧應收賬款解決方案：HighRadius
擁有大量客戶的大公司通常會收到沒有相關上下文信息的付款，比如來自哪個客戶或債務人，或者確切地說是什麼付款，這使得公司的賬簿平衡，即對賬，是一個漫長而資源密集的任務。據美銀美林（BAML）透露，「它正在實施企業軟體fintech HighRadius的人工智慧（AI）解決方案，以加快銀行大型業務客戶的應收賬款對賬。」
美林銀行全球交易服務全球應收賬款負責人羅德尼?加德納（Rodney Gardner）解釋說，不完整的匯款信息通常會導致艱巨而昂貴的對賬流程。 Gardner補充說：「我們的解決方案彙集了AI，機器學習和光學字元識別（OCR），為應收賬款對賬和支付匹配設定了一個新的條件。 「我們很高興與領先的fintech供應商HighRadius合作，將智能應收帳款添加到我們的解決方案套件中。」
智能應收賬款由FinTech企業軟體即服務（SaaS）公司HighRadius提供支持，採用人工智慧，機器學習，和光學字元識別來確認付款人，將付款人與非上下文付款相對照匹配，同時將其與應收賬款相對照匹配。通過四個步驟實現了直接對賬：
識別付款人並將其付款聯繫到單獨收到的匯款。
從電子郵件，電子郵件附件，電子數據交換（EDI）和付款人門戶網站提取匯款數據。
使用豐富的匯款數據來支付開立應收賬款。
創建客戶端上傳到其ERP系統的應收賬款過帳文件。
此外，它還讓公司可以向那些債務未償還的客戶發送自動提示。通過利用此解決方案，BAML旨在降低其大型業務客戶的成本。
未來
人工智慧還遠未撬動金融行業的根本性變革，美國銀行對人工智慧的運用，目前也主要集中在智能投顧、無人「robo分行」、智能對賬等幾個業務上。在不遠的未來，美國銀行還會藉助人工智慧技術推出什麼更智能化、更自動化的投資服務、金融服務，誰也不知道，因為誰也不能預料人工智慧的發展會走到哪一步，只是如果人工智慧真地能幹掉金融服務人員、交易人員，那麼還需要專業金融機構扮演什麼角色呢？這或許是在布局人工智慧時，需要一起去布局的問題。
推薦閱讀：