同盾科技副总裁  李伟东
 

以下为现场发言实录：

尊敬的各位嘉宾，大家下午好！

如同潘院士一开始在致辞中提到，人工智能已经深度渗透到金融领域的核心场景中，这样也使得银行可以重新革新对于客户价值的认知，同时也创新了服务的流程，风险控制的成本也在下降，整个对于助力普惠金融的落地来讲，拓展了整个金融服务的变现。

下面我跟大家分享一下同盾科技在过去几年的时间里，在人工智能对于整个金融领域的助力人工智能转型过程中的实践。

过去经过六十多年技术的洗礼，你会发现可以感受到人工智能现在进入到了繁荣发展的临界点。回顾六十多年的历史，我们可以看到人工智能经历了三个阶段，第一阶段是萌芽期，1980到2000年进入了产业化，在这个阶段出现了三种流派，一种是符号学派，一种叫控制，还有一个系统学派。在这个阶段里，也有一些标志性的事件，比如1997年IBM设计的深蓝打败了国际象棋的世界冠军，这里面也出现了一些新的算法，像神经网络、多层级神经网络、反向传播算法等等。

从2016年到现在，因为深度学习的迅猛发展，我们发现因为深度学习的突破，语音和图像的识别率大幅度提高，这里也有一些标志性的事件，例如基于深度学习开发出来的AlphaGo打败了围棋的世界冠军李世石。

对于整个金融行业来讲，人工智能在数据的处理和再处理的能力与效率上是大幅度提升的。最重要的一点，人工智能令金融服务主动化、个性化和智能化变成可能。

还有提升风险控制的效能，因为金融是经营风险的机构，我们对于风险始终保持敬畏。

普惠金融政策上升到国家的层面，所以人工智能也令普惠金融的服务落地能够变成可能。在普惠金融的大背景下，响应国家的号召，内部从客群的下沉，从银行来讲，你都会面临新的客群和新的业务。在新客群、新场景、新业务的过程当中，你会发现我们看到的，从年龄上来讲，85后、90后已经成为了消费的主力军。而且90后有一个很重要的标签是提前消费。

所以95后、90后的人群成为了主要的消费主力军之后，整个推动消费信贷市场的快速发展。我们也看到从学历，从地域的分布来讲，我们也看到了普惠化的特征。比如京东白条，我们看到50%以下的使用京东白条的人的月收入是5000以下，70%的使用京东白条学历是大专和本科，地域的分布是在三四线城市。我们可以看到这些变化，因为智能手机移动支付整个的普及和推广，所以应用到银行，你会发现你的业务也发生了变化，以前是低频的房屋、汽车、婚庆向高频分散的场景去发展，所以在这些都得益于人工智能本身技术带来变成可能。

在人工智能所带来的变革和变化，比如在获客，比如在身份验证以及整个智能风控的运营成本降低。

作为国内首家定位在智能风控的服务商，人工智能是同盾三大基础体系当中最重要的一环，因为大数据云计算的技术发展，应用到算力的瓶颈逐步突破。大数据响应的速度已经达到毫秒级。

过去我们经常都会谈基础设施即服务或者说平台即服务、软件即服务。同盾科技在2017年底提出智能分析即服务，我们可以根据金融机构具体的需求，再包括营销、风控、投资、运营，我们可以提供智能分析的模型，然后提供给金融机构去赋能。

我们在智能金融领域推出了四大分析，商业分析、信用分析、风险分析服务。

人工智能在整个金融领域的核心业务里，一个是营销，一个是反欺诈，一个是风控。

下面就反欺诈跟大家来进行分享，这是客户的认知，我们过去更多是基于CRM，因为人工智能的技术发展，我们不仅仅对于这种结构化的数据以及非结构化的数据，以及一些行为特征的行外行为特征数据。比如电商的交易数据、运营商的数据等等数据，我们可以对客户更精准地了解，识别他的需求，提供对应的产品以及相应的服务。

我们可以利用到行内的数据再结合行外的数据，再加上智能分析的技术，通过机器学习、神经网络、知识图谱、语义识别，我们可以更精准地识别到用户的需求，给予他想要的产品和服务。

这个案例是我们基于行内数据和行外数据结合，我们做了精准的数据建模。我们发现整个提升的比例非常不错，转化率提高了3倍。

除了营销还有反欺诈，我们看到现在中国的网民已经有8亿，有4亿会使用网银，有6亿会使用网购。这个数据也催生了中国的黑产，中国的黑产非常的猖獗，而且攻防也非常激烈。我们测算下来，2017年黑产产值已经突破一千亿，各位可以看到，你会发现你的信息会泄漏，因为倒卖遗失等原因游离在市场上的身份证约一千万张，在市场上卖到一百块到上千块不等。

我们如果要去做攻防对抗，必须要有一个闭环的反欺诈，我们也必须要有一个梯次防御的机制来拦截风险的欺诈。

所以我们必须要从事前开始，我们要有欺诈的情报，加上设备指纹，加上数据服务，在事中你要有你的规则、引擎、模型，同时到事后我们还能够去集中监控，还有事后风险质量的补救，反补事前的名单。

我们可以做到在这个环节里把好人和坏人区分出来，数据显示，我们在这个环节里已经拦截70%到80%的欺诈比例。除了刚才提到要有一个智能反欺诈的体系之外，我们还需要更早地提前了解到欺诈的情报，我们会应用到AI实体识别语义分析的技术，我们通过情报的主体，到风险的行为、范围、规模的预估进行防范。

包括各种的QQ群、网站，微表情也是捕捉潜在欺诈表情的应用技术。这里我重点提一下设备指纹的技术，第一你要识别异常的环境，第二要对设备有唯一可识别的能力，第三有海量的可碰撞数据，我们到目前为止是唯一一家通过了公安部三所验证的设备指纹技术。

因为目前整个的黑产其实是专业化的，其实是团伙化的，其实是流程化的。你必须要有一个前提的视角来去识别欺诈的团伙，目前我们的复杂网络在SaaS的部分里，我们已经有60亿的节点，180亿的边。而且我们每天更新的节点超过三千万。所以我们识别出来的疑似欺诈团伙超过600万。

你会发现欺诈手段、手法在不断地变化，因为整个黑产在利用人工智能等前沿技术上是毫不吝啬的，因为他们的回报率非常高。所以，如果是专家规则不能覆盖的，这时你就需要用AI的模型，不断的自我学习和迭代，同时不断地调整每一个变量的权重，最后能够有效地识别这种风险。

这是我们一家直销银行的反欺诈案例，通过我们的服务，我们把注册端的拒绝率提升35%到40%，再结合欺诈模型+反欺诈分+复杂网络，可以拦截80%的欺诈行为。

最后回到你的智能风控，你的端到端的流程是什么样的，从贷前到贷中到贷后，我们利用自己的智能风控技术，无论从设备指纹还是图像识别、知识图谱、复杂网络，包括智能语音，再结合我们应用到整个金融信贷的贷前、贷中、贷后提供端到端的全流程解决方案。

人脸识别前面的嘉宾和专家都讲过很多，我们就不再做赘述。

智能信审这方面我们跟浦发银行做过合作，当时浦发银行信用中心提出，我们共同开发一个人工审核环节里，我们通过问卷让申请人可以提供更多信息，然后通过客户真实信息去做真实性的评估，最终给到人工审核提供一个非常有利的建议。这个项目已经在浦发上线，而且效果还不错。

我们现在云端部署了超过一万个模型，各位想象一下，一万个模型，我们一天的调用量超过1亿，峰值超过2亿，我们服务了一万多家企业，在这样的调用量里，服务那么多的企业，而且我们的响应速度必须是在毫秒级的。

在这时，机器学习平台就变得很重要，透过我们自己研发的机器学习平台，更新到能实现数据的处理，到模型的训练，到模型的部署，到模型的监控，到模型的演化整个的闭环。

最后如果出现不良的话，我们一定要进入到资产的保全，我们一定会有催收处理。最近大家都有留意到催收行业一片安宁，因为我们催收行业里国家对这方面的监管越来越严格，不能有暴力催收，而且本来在人工催收领域里，本身就面临很多的挑战。所以，我们也定制了在催收领域里开发相应的工具。我们根据基础的信息到语言的信息，到专业的信息，我们通过机器学习平台，我们研发了自己的同盾智能机器人，我们进行全场景的人机交互，而且是千人千面多轮对话，我们依靠的是背后的大数据，这样我们在整个客户的风险等级划分以及更了解客户在行外的表现，更加能够定制有效的催收策略。

下面分享我们的股份制银行案例，这是一家股份制银行，日均催收进件量600笔，我们第八个连续工作日的首催案件，利用人工智能的催收T+5累积回收率平均56.04%，历史最高62.6%，已经跟人工催缴的水平相当，但是成本却是大幅度降低。

最后我们一起来展望未来人工智能的发展，我觉得未来趋势我们可以预见的是平台开源化，专用的智能往通用智能方向发展，另外是智能的感知往智能认知方向的迈进。

但是在金融领域里来讲，AI和整个业务的结合展望，我们认为流程一定是缩短的，壁垒会被打破，业务是被整合的，而且智能决策的能力会日渐成熟。

刚才张博士也谈到一定要是深入到场景的具体应用，最重要的都是回归到客户的体验、效率的提升以及更好的能够落实金融的普惠性，我们能更好地服务到大众，谢谢大家。