品鈦CEO李惠科：AI、大數據是金融數字化轉型的重要驅動力

近年來，隨著AI、大數據等技術的深度擴展和應用，金融服務效率得到顯著提升。品鈦作為領先的金融科技解決方案服務商，依托AI、大數據技術等技術優勢和豐富的數字化金融業務全流程經驗，全面助力金融機構和商業機構進行數字化轉型，取得了良好成效。日前，品鈦CEO李惠科接受媒體采訪時談及了他對AI、大數據技術在金融科技領域應用的看法。

AI在金融科技領域的應用尚處于初期

雖然近幾年人工智能的話題較為火熱，但從技術角度來看，李惠科博士認為AI在金融科技領域中的應用還停留在初期階段。一方面，AI出現了80多年，在人類文明史上一個技術經歷八十多年的發展史還相對是一個比較新的技術。另一方面，金融是一個強監管的行業，要求技術有非常高的透明度和可解釋性，對新技術的使用偏保守。

他表示，人工智能的發展會經歷以下三個階段：第一階段，人工智能算法對數據有識別、處理、判斷的能力，目前大部分人工智能算法停留在這個階段。第二階段，機器有了更強的自主學習、自主判斷的能力，可以主動的發現哪些數據更有效，做一些模型上的優化。第三階段，機器有更高的智能度，可以對整個模型、整套方法進行提高。

數據質量決定了機器學習的上限

數據和算法是人工智能兩個非常關鍵的要素。在李惠科看來，數據質量決定了機器學習的上限，決定了最后的判斷效果，算法更多是從效率上的一種提高。品鈦在訓練人工智能模型時，會使用另類數據對傳統數據進行補充，即通過征信數據、財務數據、消費數據、運營商數據等來綜合判斷一個客戶的還款能力和意愿。

同時，李惠科也表示，AI不是一蹴而就，從一開始積累足夠的數據，到成熟穩定之后，還需不斷的監控，不斷根據回歸測試來調整模型以適應風控的要求。以品鈦的智能信貸引擎為例，在做主流場景風控時，會基于不同的數據組合模式和不同的人群特點，歷經一萬多個風控模型的迭代才穩定下來。

技術灰盒可提高透明度和解釋性

機器學習模型通常被認為是“黑盒”，具有內部不可知的特性。因此這些模型在應用時，往往需要首先獲取人們的信任、明確其誤差的具體含義、明確其預測的可靠性。如何讓客戶理解AI技術具體是如何運用和奏效的，李惠科表示，品鈦通常的做法是把 AI算法的黑盒增加透明度，做成灰盒，用可視化的簡單指標解釋技術和模型狀態。

以品鈦的智能財富管理解決方案為例，該解決方案中的“AI智能調倉”便是基于AI的算法規則進行設計。品鈦在設計該產品時，增加了一個直觀的調倉指數—告訴客戶，通過品鈦的智能投顧算法，基于ABCD等因素，進行調倉的可能性有多少個百分比，讓客戶感知在該產中AI正在工作、如何工作、基于什么在工作等，而且讓客戶感覺到算法是可控的，而不是天馬行空的在后臺運作。

“AI+HI”讓決策更精準

AI可以幫助人類去做一些專業性的任務，面對需要分析決策的環節，則需要人類的智力，AI+HI(人工智能+人類智能)非常重要。以反欺詐舉例，反欺詐是風控環節中最重要的一個環節，會面臨各種情況，比如有時候借款人的數據全是真實的，但借款行為是虛構的，這種情況在下沉市場，年輕人市場更為普遍。李惠科表示，欺詐的手段每年也在變化，目前對欺詐行為的識別還不能完全依賴機器學習，機器自主去判斷新的欺詐手段的能力還不夠，還需要人工主動去調整。

AI、大數據等新技術驅動了金融科技行業的快速發展，同時也面臨著新的機遇與挑戰。如何更好地發揮新技術的優勢，李惠科表示，第一，更高效的挖掘更廣泛的數據進行信貸決策支持將是一個持續的挑戰。第二，社會信用機制的建立。在不互信的團體之間，如何合規、脫敏、加密地進行數據交換，通過聯邦學習和加密機制等方式，凝造更開放的數據交換環境。第三，在算法上，機器要主動具備自我學習、優化、進化的能力，同時保證透明、合規且做到可解釋。

免責聲明：市場有風險，選擇需謹慎!此文僅供參考，不作買賣依據。

關鍵詞：