2018年5月的一天夜里，徐国强不停地刷新着电脑网页，他在等待一个大洋彼岸的比赛结果。
晚上10时，结果准时又突然地出现在了电脑屏幕上——1st，徐国强用力眨了眨眼，这才确信他和他的团队拿到了这场国际比赛的第一名。
徐国强和他的团队来自于平安金融壹账通旗下的Gamma Lab，也叫人工智能研究院。他们参加的，是一场名为OMG（One Minute Gradual Emotion Challenge）的国际微表情识别竞赛。而这次，仅仅是他们第一次参赛。
没有聚光灯的比赛
“说起参赛的初衷，其实蛮有意思的。”徐国强扶了扶眼镜，“先是有外国媒体报道我们公司的微表情识别技术在金融领域的应用，然后公司领导觉得，我们是不是也要去国际上证明一下自己？怎么证明？参加比赛啊。”
于是，徐国强被委以重任，组织团队参加这场国际权威的微表情识别大赛。
虽然说是国际比赛，但它的场面可能和常人想象的比赛不大一样。这场比赛没有聚光灯，没有舞台，没有观众，甚至选手们都不用集聚在一起，也不用在同一时刻交锋。
徐国强介绍，整个比赛更像是一场智力与时间的分配游戏。主办方会先提供一组微表情数据，参赛者利用自身的技术对于这些数据进行处理建模，通常会持续一到几个月时间，最后在规定日期到比赛服务器上进行最后演算，谁处理得精准，谁就是最后的获胜者。
“说是比赛，其实就是在规定时间内完成一个AI项目，更考验团队的磨合，有时候我觉得自己更像是一个项目经理。”就这样，徐国强带着团队在一起奋战了一个月。
“现在回忆起来，这些辛苦都是值得的。不过真是没想到，第一次参赛就拿下了第一名的成绩。每个人有些激动和兴奋，一个月的努力没有白费，同时也证明了我们的技术水平在国际上排得上号。”徐国强笑着说。
之后，徐国强和他的团队成为了比赛的常胜将军。近两年，Gamma Lab这支中国力量连续在国际多项自然语言处理竞赛中获奖。“通过这些比赛，我们打响了品牌，也锻炼了团队，还能和国际上先进的技术团队交流分享。”可徐国强却认真地表示，“也许有些矫情，但其实我一直觉得，比赛就是比赛，名次在比赛之外，并不代表什么。”
不只是技术的现实
“我之所以这么说，是因为比赛环境和现实环境差别很大。比赛的数据简单、干净、规范，但离实际很远，现实中的数据往往更加复杂多变。所以，竞赛的结果，不应该成为衡量公司水平的指标。”徐国强说。
那什么才是衡量公司水平的标准？徐国强的答案是，能否把技术应用于现实，解决真正的问题。
徐国强入职的Gamma Lab由平安金融壹账通在三年多前创立，致力于推动大数据、人工智能等前沿技术在金融领域的深度应用。目前，Gamma Lab拥有超过350位精专于大数据、人工智能等领域的专家，累计申请专利技术上千项，发表论文10余篇。而这个研究院特别的地方在于，他们并不仅仅限于书卷中的研究，而是要负责把这些研究的技术与现实中的金融场景真正结合起来，完成落地。同时，平安集团作为国内最大的金融集团之一，更是为研究院提供了一堆真实的业务场景。徐国强仿佛找到了一大块试验田，等着播上AI的种子。
“真正工作了以后才发现，做技术的如果沉浸在技术的世界，看问题就会有一些偏颇。想要把技术真正落地，离不开对金融业务层面的真正理解。”正因为如此，徐国强每天的工作除了钻研AI技术，更要考虑金融业务。金融壹账通人工智能产品总监赵云松介绍，Gamma Lab每一个产品落地，都要经过原型、工程、产品和商用4个阶段，这是一个技术融合业务的过程。以图形识别技术为例，原型阶段更多停留在纯技术开发，可能就是找特别规范的照片和视频来识别。但到了工程阶段，就要考虑现实中人的影像可能会被遮挡，可能会有光线的变化，可能会有各种变形，这就涉及到进一步改进算法。到了产品阶段，又要开始考虑技术落地的可能性，要与应用企业的真实业务场景相融合。
比如他们推出的“微表情识别技术”，可以识别人类开心、愤怒、厌恶、恐惧、伤心、惊讶和面无表情这7大类情绪，总计54种情绪识别能力、39种面部动作单元，认得出90%以上的表情变化。而这样的技术与金融结合，可以大量运用在贷款面审环节中，帮助面审人员提示骗贷风险。
还有他们的图像识别技术，已被成功运用于保险业的车险定损中。现在只要车主拍几张照片，保险公司即可对受损车辆进行智能识别，比如自动判断受损的车辆型号，识别损坏的机盖、叶子板等15个外观部件，以及23种不同车辆损失程度。基于图像识别的结果，匹配后端大数据库，可帮助保险公司完成自动定价，实现“秒级”定损。通过对千万级历史数据的机器学习，目前适用案件的定损准确率已超过90%，对于简单案件的处理，已经可以代替传统的现场查勘与人工审核。
“技术能运用在真实世界中，解决真正的问题，这才是最牛的。”徐国强如是说。
愈发务实的金融AI
利用技术解决真正的问题，听起来很符合逻辑，但并不是每家企业都会这么做。
徐国强感慨，过去，不少金融机构都在盲目跟风AI，需求并不精准，或者设计的产品都是从技术角度出发，和需求不匹配。这些看起来很美，但根本不解决问题，甚至增加了工作量。
让徐国强高兴的是，经过了一波为了AI而AI的跟风泡沫，现在整个金融行业的AI应用状况正逐渐变好，又懂AI又懂金融的人也越来越多。“大家都变得更加务实了，采用一项AI技术，首先都基于自己需要解决的实际问题。”
的确，相对于过往“炫技”的投入，金融机构近年来的动作，显得更加“接地气”。不少机构推出的AI功能，都试图解决自身的“痛点”。
国泰君安的君弘灵犀就是一个例子，他们推出这一基于人工智能的证券服务体系的目的就在于，更好地服务客户。
“目前市面上智能投顾的定位，要么仅仅是工具，只能起到有限的辅助作用，发挥不出AI的能量；要么是‘神’，直接给使用者投资建议，过度夸大AI的作用。而我们的定位就是‘人’，君弘灵犀只提供投资决策的服务，而不是做决策本身。”国泰君安网络金融部总经理毕志刚表示，AI目前的水平还没有到直接决策的程度，因为投资决策更多是市场博弈的过程，不是简单的非黑即白，更不可能百战百胜。
毕志刚认为，对券商经纪业务客户而言，现阶段AI的合理定位就是投资服务。券商应以大数据、智能引擎、基础服务能力为核心，为客户提供伴随式、场景化、千人千面的7×24小时专业投教和投资辅助服务，而不是向客户提供包含投资决策的投顾业务。
“以往普通客户进行投资决策的时候，享受不到专业团队服务，负担不起服务成本，我们利用AI技术能把那些金牌分析师的经验策略做成数据，根据客户的行为偏好推荐信息，同时通过NLP技术，让AI来与客户交流，听懂客户问什么，也要答得出。”毕志刚表示，君弘灵犀一共有33个模块，覆盖投前、投中和投后。小白投资者可以通过君弘灵犀了解投资知识、业务指南、财商股市；普通投资者可以通过君弘灵犀习得基本分析、报表解读、行情指标；成熟投资者可以通过君弘灵犀学会趋势形态、经济研判、量化投资。
效果如何？毕志刚介绍，目前客户在线问题有70%由AI回答，同时AI正变得越来越聪明，准确率由90%上升到95%。
而银行业也不再局限于在大堂摆几个机器人。作为风险厌恶者，银行开始更多让AI真正参与到风险控制的过程中。
上海银行的魔镜项目就引入有效外部数据，经过与内部数据的深度整合，通过模型建设，形成风险信号，量化并提升风险预警能力。魔镜把客户分为集团、大中型企业、小企业，自动生成风险报告。其中，集团报告侧重集团内部各企业关联、风险传导与综合影响；小企业报告侧重企业主个人的信用情况与企业实际的经营变化情况。
“就像一面魔镜，企业在镜子前照一照，就能看出风险大小。”上海银行风险管理部副总经理赵佳旻介绍，魔镜项目产生的各类风险信号将与银行的信贷流程结合起来，在贷前、贷中、贷后阶段依据对客户的风险判断信号进行差异化的管控。银行可以针对信号，采取持续监控、调整授信额度、调整风险定价、实现提款拦截等动作。同时，这一系统还能依据持续监测结果不断迭代模型和优化数据来源，以提高风险管理和风险定价能力。
随着金融机构的务实，未来AI将为金融行业解决越来越多的问题。而随着问题解决得越来越多，AI也将越来越聪明。显然，不久的将来，解放了人力、控制了风险的金融机构，将会站上一个新的台阶。
允许适当“试错”但不盲目“智能”
曾几何时，AI成为了金融行业的流行语，似乎不搞点AI，就不够时髦。于是乎，大家一拥而上，“创新”了一大批应用和产品。但效果如何呢？
银行的智能柜机，虽然很方便，但碰到客户取钱金额超过柜机余额，还得人工来手动加钱，一来一去，比去人工柜台花的时间还长。
券商的智能投顾，宣传得神乎其神，什么克服人性弱点，理性精准择时，结果运行一圈下来，效果难如人意。
诚然，AI是一项优秀的技术，但好钢还得用在刀刃上。面对AI浪潮，一些金融机构知道要变，但并没有真正的思考定位，寻找痛点，而只是一味地希望“创新”，赶鸭子上架，形成了不少所谓的人工智能产品。这些产品对于解放金融机构的人力，提高流程的效率，完善客户的体验，并没有太大的帮助。
好在，经过一段时间的“追星”和“试错”，金融机构们已经回过神来，重新开始审视自身的痛点，利用AI解决真正的问题。银行开始在风控领域引入AI管理，券商开始用AI服务客户和决策辅助，保险开始用AI进行前端营销和智能核保。对于金融机构来说，未来可以与AI结合的业务场景还有很多。只有深入到业务中去，真正探寻AI可以切入的痛点，才能发挥好AI的作用。
总之，对于金融领域的AI创新，我们可以允许适当的“试错”，但不希望盲目的“智能”。
电话咨询
在线咨询