211
機器人
人工智能給金融業帶來百萬倍增長，它們是如何結合發揮作用的？
活動來源：2017年8月5日，極客公園“迭代再造”奇點創新者峰會，焦可作為嘉賓，作了題為“智能如何重新定義金融的邊界”的演講。筆記俠做為合作方，經主辦方審核授權發布。
責編| 戈多
第1686篇深度好文：2867字 | 5 分鍾閱讀
全網首發·完整筆記·
筆記君說——
俠客，你好！新商業路上，筆記俠時刻與你相互守望，並肩作戰。
當人工智能運用進金融業，給業務帶來的是百萬倍的增長。互聯網金融正在進入下半場的革命，下半場真正最核心的就是內在技術（引擎革命）。
人工智能在最近的這段時間是不容忽視的一個話題，從餐館的服務員、到出租車司機都能聊兩句與人工智能相關的東西。
借用李開複老師的一句話來講，人工智能已經從一個科學、科技變成一種科幻，我們希望它不要變得魔幻。
所以，《智能如何重新定義金融的邊界》，這個標題中真正吸引我們的是什麼？不是隻有智能，還有智能和金融中間的化學反應。
接下來我就為大家介紹一下，我們是怎麼在金融這麼一個古老的行業裏，用一種最新的技術Rebuild的過程。
一、傳統金融的邊界在哪裏？
我們真正找到金融的邊界是花了很多成本的。在中國隻有15%左右的人，能夠被傳統金融機構所服務。然而在歐美一些發達國家，有70%的人可以被傳統金融機構所服務。
我們跟美國的很多信貸公司交流時得知，他們非常羨慕我們，因為覺得中國有一個巨大的市場。中國的傳統供給是不夠的，所以這才給了一些新技術發揮的空間。
我們在過去幾年興起的手機支付，在中國的普及程度遠遠超過了美國。在美國，用卡支付是一個非常普遍的手段，留給新技術的空間非常小。
我們必須要深入地想兩個問題：傳統金融的邊界為什麼在這裏？為什麼傳統金融沒有為剩下的巨大市場服務？
這在我們看來其實是一個傳統金融機構的審美問題。去銀行辦信用卡，或者辦貸款，基本上都會要求提供一些材料。
比如說，征信報告、社保、工資證明、工作證明，提供各種各樣的抵押品、資產證明等。當你不符合它的審美的時候，你就會被它拒掉。
中國是一個數據建設並沒有那麼完善的國家，有很多年輕人實際上是沒有自己的征信記錄的。很多私人企業發工資的方式是用現金，很多人沒有社保，也沒有車、房這樣的資產。這些人，就不符合傳統金融機構的審美。
傳統金融機構就像是使用了一個數據冰山水麵上的部分。水麵上的部分的好處是看得很清楚，壞處是它的覆蓋範圍很小。
如果能利用好水麵之下的這些數據，我們就能發明一種新的審美，不同於傳統金融機構的審美。傳統金融機構像是，它做一個篩子，用幾條規則，把這一堆蘋果裏麵的大蘋果篩出來，但漏掉的蘋果裏，一定還有一些好蘋果。
我們在做的事情，就是發明一杆秤，去測量這個蘋果是好是壞。
我們現在單月的信貸業務量已經突破了150萬筆。
這個數字對於傳統金融機構來講是個天文數字，因為一個銀行網點一般一個月的信貸業務量可能也隻有幾百筆、幾千筆。
這150萬筆背後還有一些更神奇的數字，我們現在做一筆信貸業務隻需要8秒的時間。全程是沒有任何人工介入的，我們不需要人，我們可以每天7×24小時的工作。
二、我們通過什麼技術實現上述成果？
我們在做的事情是在一堆用戶裏找到，哪些是傳統意義上會還錢的用戶，哪些人的誠信可能是有問題的。
我們不是像傳統金融機構一樣寫一個規則引擎。規則引擎是什麼？就是做一堆規則，If你的工資大於多少，and你有社保，and你的征信報告是什麼樣，你會被接受或被拒。
這種規則引擎總是會受到人的局限，特別是在傳統的人無法進行判斷的業務領域裏，局限就越發明顯。
我們是把一大堆人的特征扔到模型裏邊，讓模型告訴我們什麼是好的用戶，什麼是壞。
我們最核心的一個技術就是I、C、E。
I.C.E實際上是三個英文單詞首字母的縮寫，就是Identification（辨識）、Calculation（計算）、Evaluation（決策、評估）。
1.辨識。找到這個事件、業務裏的特征。比如說對於智能駕駛裏麵，就要找到識別這個路上的物體都是什麼東西。
2.計算。因為要處理大量的人工無法處理的特征。
3.決策、評估。你究竟該左轉、右轉、踩刹車還是油門。
這是人工智能的三個環節。
在金融領域裏，同樣也有這樣的幾個環節：
第一，柯南特征工程。
從大量的數據裏麵找到那些真正跟客戶逾期率相關的特征。對於傳統金融來講，他們看到的可能是那幾項、十幾項特征，但是對於我們來講，我們看到的是一個用戶1200個以上特征，而這個特征是跟逾期率相關的。
我們在特征領域可以發覺到遠遠比人的經驗更深入的一些特征，而且絕大多數的特征都是人的計算力無法去計算的。
有了這些特征之後，為什麼我們能夠知道這些特征是跟逾期率相關的？是有賴於我們接下來的模塊。
第二，D-AI機器學習模型。
我們單月的業務量突破150萬筆意味著什麼？意味著每天就有5-6萬的用戶在使用我們的信貸服務。這5-6萬個用戶下個月實際的表現就會告訴我們，用戶是好用戶還是壞用戶。
相對而言，跟人的經驗比起來，我們更相信的是實際的數據。
我們每個月機器學習的次數是上百次的，傳統金融可能半年、一年會迭代一次模型，但是我們的模型每個月、每天都在發生大量的變化。
我們線上的模型也不止是一個，實際上每天線上放出這麼幾萬筆貸款的時候，背後的模型是有幾百個，這是我們跟傳統金融很不一樣的地方。
為了支撐這麼大的計算量，我們自己搭了一個大數據計算的架構，每天處理的數據量已經超過了5T。我們對特征進行全量樣本的迭代速度隻需要15分鍾。
這一切對傳統金融來講都是一種新的變革。
三、金融和人工智能天生合適
我們發現金融天然就是跟數字打交道的，金融天然是正負樣本非常清楚的業務，還或者是不還，股票的漲跌，保險賠還是不賠。這都是被實際迭代出來的樣本、學習的對象。
機器會比人更擅長處理大量數據的定量計算，機器比人的學習速度要快很多，而且機器沒有偏見，機器不會疲勞，機器沒有道德風險。
機器通過對用戶特征點的分析，很容易評價一個用戶的信用。
所以我們最核心的就是在打造一個基於人工智能的，應用在金融領域的引擎。
我們把自己定義成特斯拉，特斯拉之所以不同於其他的汽車，不在於它的外形炫酷，而在於它內在的引擎是不同的，它是一個電力引擎。
在不同的行業裏麵，往往都會有這麼一個過程，引用柳傳誌先生在討論聯想時的觀點，他認為聯想經曆了一個“貿、工、技”的過程。
貿，先把這個東西拿出來賣，做渠道、流通。
工，通過一些技術的手段加強這個行業的效率。
技，要通過一種新的技術去改變一個行業內在的實質。
互聯網的很多領域都會經曆這樣的過程。最開始我們隻是把信息搬到線上，但是後來發現通過搜索技術可以加強信息搜索的速度，提高它效率。我們又發現可以提高信息產生內在的技術。
互聯網金融在過去的幾年集中在貿和工的領域，所以很多公司實際上是把傳統的金融資產搬到線上來賣，來做銷售環節，然後通過一些在線的申請、審批提高這個業務的效率。
互聯網金融正在進入下半場的革命，下半場真正最核心的就是內在技術（引擎革命）。
傳統的金融引擎燃燒的是專家的經驗、人力，新能源下的金融模式引擎燒的是數據、算法、工程師。真正的價值來自於新的引擎。
在新的能源金融模式下，我們需要先找到人。通過技術去評估，通過I.C.E去判斷一個用戶具有的風險，然後為他提供一個適合他的金融產品以及金融能力。
智慧和金融的碰撞，就是一個Rebuild的過程，而這種Rebuild實際上可以給一個傳統的行業帶來一個嶄新的空間。
謝謝大家！
最後更新：2017-08-25 09:28:34