人工智能在风控中的应用|热闻

(相关资料图)

一、新一代生产力工具：人工智能

深度学习作为机器学习的重要分支，通过学习给定数据存在的内部规律，实现对文字、语音、图像等内容的感知、识别和控制。近年来，借助深度学习，研究人员在自然语言理解、数据挖掘、个性化推荐等领域取得了显著成果，而基于深度学习的大模型也成为实现高维人工智能的主流选择。在金融领域中，通过指令，生成不同风格的文字、语音、视频，以及生成一种类似于金融资产标的内容，是它最基本的应用。生成文字、传播文案、语音、图像、视频等，可以用在智能营销、广告等业务场景中，还能够用在客户服务、用户交互、售后服务中。生成式人工智能在金融业务落地层面有一定的直接价值，从生成过程和结果角度来讲，带有创造性质。

二、人工智能和机器学习的下一个前沿领域：因果推断

在金融行业中，因果模型是智能营销的关键手段，能促成最大化全局营销效率。但金融数据是非常复杂的，如果想要因果的研究方式能真正发现很多我们不知道的可靠信息，一定需要对金融数据的性质有一个很深入的认识。再将目前的分析方法做一定的调试修改，才可以把系统背后的因果性找出来。因果推断领域当前最需要进行深入研究和拓展的两个方向，一个是因果表征学习，需要让机器能从各种数据里面找出背后有意义的表征。机器必须走到这一步，人类才能信任他，才能做到所谓的可解释AI。这是从人工智能的角度来思考，如何能得出一个特征提取的方法，或者是如何表述数据的方法，使得人可以信任机器的处理方式。第二个则是针对一个具体的实际重要问题，如何能把这个问题解得更好，需要开发专门的因果表征学习或者因果发现的方法，能把这个问题真正地解决好，这将对科学和人类社会进步有帮助。

三、人工智能决策优化路径：多模态情感计算

在金融场景中，情感计算有助于了解客户的真实情感表达，可以收集客户情感信息、识别客户情感变化，并作出相应的决策指导，对于提升金融企业的服务质量和效率，起到了重要的辅助作用，长期应用在客户服务、催收等场景中。银行催收必须符合监管要求，识别用户情绪非常重要，例如当用户情绪非常激动的时候，（机器）应停止催收动作，否则会出现高投诉率。情感计算承担了辅助测谎功能，综合用户语音的分析，提炼出语速、语气的变化，分析说话者的情绪、是否犹豫等，判断有无明显说谎特征，通过多因子综合判断说话者说谎的概率。例如有一些用户还款逾期，情感计算可以作为一种说谎判断辅助手段，如果可以判断没有太明显说谎特征，逾期还款的理由是比较真实的，金融机构可以给用户延长时限，提供一个更有温度、更温情的服务。

四、技术+场景两手抓：图计算

在金融行业的实战应用：图计算技术最清晰的应用效果是智能信审、资金流向查询和金融数据可视化。金融行业每天都有海量、关联的、动态时序数据产生，利用图技术，业务人员可以毫秒级得到查询结果。利用图计算技术，可以在金融场景中实现实时地找到最完整的路径。在数字支付、数字服务、数字金融等核心金融业务中，可以显著提升风险行为的实时识别和调查分析效率。