0
| 本文作者： 王艺 | 2019-07-14 16:00 | 专题：CCF-GAIR 2019 |
编者按：7月12日-7月14日，2019第四届全球人工智能与机器人峰会（CCF-GAIR 2019）于深圳正式召开。峰会由中国计算机学会（CCF）主办，雷锋网、香港中文大学（深圳）承办，深圳市人工智能与机器人研究院协办，得到了深圳市政府的大力指导，是国内人工智能和机器人学术界、工业界及投资界三大领域的顶级交流博览盛会，旨在打造国内人工智能领域极具实力的跨界交流合作平台。
大会第二天上午，在聚焦金融行业AI技术应用的「AI金融」专场，六位顶尖AI金融技术与产品专家齐聚，为与会者带来了一场别开生面的主题论坛。
微众银行杨强：用联邦学习解决数据隐私难题
香港科技大学讲席教授、微众银行首席AI官、IJCAI理事会主席杨强教授作为主会演讲嘉宾及AI金融专场开场嘉宾。在AI金融专场，杨强教授为与会者带来题为《联邦学习的最新发展及应用》主题演讲。
演讲开始，他先介绍了微众银行两年来所取得的成就。杨强教授表示，微众银行在金融业务的各个环节均已实现自动化。从贷前业务咨询环节的企业画像，到贷中身份核实、资料审核，再到放款操作环节。此外，微众银行在一些辅助环节，如智能客服、录音质检等也在应用智能自动化技术。目前，微众银行98%的客户问题由智能客服机器人解答，其系统能够进行多轮对话并进行情感分析。
有趣的是，在小微企业贷款方面，微众银行不仅做线上自动化，还做线下自动化。为了解决线下企业风险核查耗时耗力的问题，微众开发了一款线下核验头盔机器人。申请人只需佩戴该头盔设备周游工作场地，即可自动识别风险。
与此同时，杨强教授也强调，在小微企业信贷过程中，出现了一些挑战，业界需要寻求新的解决方案。
第一，如何对抗干扰信号。以金融领域为例，当申请人对面部信息作假时，如何应对？第二，如何在只有小数据的领域应用深度学习。
杨强教授谈到，往往高质量、有标签的数据都是小数据，且不能随着时间的推移进行累积，因为每个阶段的数据和上个阶段都呈现不同的分布，甚至特征都不尽相同。这一问题在金融、医疗、法律场景非常常见。这就意味着，要解决这一问题，需要多方数据打通，联合建模。
但这其中又遇到了问题，那就是数据的隐私保护。2018年，欧盟提出史上最严数据保护法GDPR，足见数据隐私在人工智能发展道路上的重要性。在这样的大环境下，合并数据变得异常困难。
为应对这一问题，杨强教授倡导「联邦学习」（Federated Learning），他以人们合作创作作品为例进行了解释。在两个人或多个人共同写书的过程中，合作者的大脑并非物理地连结在一起，人们用语言交流，传递参数。在这一过程中，人类是有能力保护大脑中的隐私的。
联邦学习参与各方先用本地数据建立模型，再将这个模型的关键参数加密，得到一个即使传到云端也无法解密的包。千万个包用算法加以聚合，得到高精度的模型，再将该模型下传，供个体使用。整个过程中Server、云端均接触不到包内的实际内容。
杨强教授表示，联邦学习技术已经在微众银行得以应用。微众银行的合作企业中包含互联网企业、车企、保险企业等。这些合作方拥有用户大量的不同维度行为信息。应用联邦学习，微众银行能够与合作方联手，针对同一批用户在不交换数据的前提下进行建模。实践证实，AUC指标得以提升，不良率大为下降。
此外，杨强教授还介绍了联邦学习在城市管理、语音识别等领域的应用。杨强教授表示，联邦学习的发展需要建立生态，共同推进。与此同时，杨强教授也在积极推动相关国际标准与参考框架的建立。
京东数科&ZRobot乔杨：不仅要关注黑，更要服务好白
京东数科生态中心信用管理部总经理&ZRobot CEO乔杨在风控行业已有10余年的经验，他曾长期供职世界500强企业——Discover美国发现金融，兼备技术与金融的跨界实力与中美两国的世界级金融科技视角。
现场，乔杨就「数字科技驱动的信贷反欺诈技术」同与会者进行了探讨。ZRobot成立于2016年10月，旨在利用高维度数据资源，结合数据挖掘技术及模型算法，借助京东数科丰富的实践应用场景，打磨自身技术实力并赋能合作伙伴。目前，ZRobot已与近300家银行、保险、证券、信托、小贷公司、持牌机构、消金以及融资租赁公司展开合作，为客户提供智能风控、智能营销解决方案等各类产品支持。
乔杨现场分享了ZRobot在信贷反欺诈方面进行的尝试与取得的成果。
乔杨表示，随着移动互联网的发展，欺诈分子应用的手段层出不穷，产品类型不断迭代进化。现在欺诈已成为一门生意，欺诈分子和团伙多为非常勤奋且聪明的人。早期的欺诈手段往往是员工腐蚀机构，现在已经发展为潜入机构、自营骗贷等更有手段的欺诈方式。与此同时，金融机构对欺诈的防范往往处于滞后状态，这为反欺诈工作的开展带来了阻碍。
乔杨表示，虽然业内已经有很多成熟的可以利用的机制，比如建立良好的内控合规机制、客户管理体系，但往往无法识别三方欺诈的风险。
要识别三方欺诈，第一步要做好交易对手的身份识别。乔杨介绍，当前一些移动APP可从前端抓取多达200余个用户标签，在此之上进行特征延伸拥有很大的空间。常用的做法包括抓取纬度信息，利用陀螺仪检测设备仰角、滑动轨迹等，同时通过前端SDK进行浅层次的生物识别，已经能够做到在用户体验不受影响且不需要额外硬件支持的情况下进行有效的反欺诈识别。
在中国，欺诈行业的群体作案呈现上升趋势，欺诈团伙已经形成了非常完善的上下游产业链。因此，单单识别个人的欺诈风险是不够的，需要由点及面，通过机器学习及复杂的网络技术对用户及周围群体的关联关系进行判断。ZRobot已经积累大量的前端数据用于数据库关联，具体包括设备关联、地址关联、通信关联等。
乔杨认为「近朱者赤，近墨者黑」，与业界的通常做法不同的是，ZRobot不仅将关联关系用在黑名单节点，在白名单上也有所应用。「我们提出的概念是不仅要关注黑，更要服务好白」，乔杨说。
宜信向江旭： 用AI实现「以用户为中心」的财富管理
宜信公司高级副总裁、首席技术官向江旭先生一上台就向在场嘉宾透露了一个好消息，宜信旗下品牌，也是国内首家海外上市金融科技公司——宜人贷目前已完成品牌升级，将线上能力与线下资产结合，定名宜人金科。
宜信成立于2006年，是业内领先的财富管理公司。宜信在支付、网贷、众筹、机器人投顾、智能保险、区块链等前沿领域均有积极布局，并通过业务孵化和产业投资参与全球金融科技创新。
关于宜信在信贷行业地位，向江旭谈到，经过13年的耕耘，宜信已经在业界取得了傲人的成绩。「业内有这样一个说法：一个用户想申请贷款，如果他曾经从宜信拿到过贷款，那么其他机构就不用审核了。」向江旭说。
然而在CCF-GAIR 2019 AI金融专场，向江旭不谈信贷，转而和与会人员聊起了智能化的财富管理。
向江旭表示，中国财富管理规模在6万亿，与美国的9万亿尚有一定差距。中国财富管理线上化渗透率为35%，与之相比，美国为40%。中国拥有50余家财富管理公司，而美国拥有300多家。就财富科技的投资规模而言，中美几乎持平。
总体来看，虽然在财富管理市场中美存在一定差距，但中国的增长率很高，产业投入也更高。这就意味着中国的财富管理潜力更大。2007-2016十年间，中国财富管理市场规模以年化20%的复利增长。2016-2018年增长率保持在12%，可预期的未来几年时间内，增长速度仍将维持在双位数。
财富管理行业的目标客户为可投资产在1000万人民币以上的高净值人群以及可投资产在100万人民币以上的大众富裕阶层。在中国，高净值人群截至今年年底将达到220万，未来几年大众富裕阶层人群很快会达到3000万的规模。
向江旭表示，这两类人群对于智能财富管理均有非常强烈的期待。高净值客群一般而言长期享受私人银行家、理财师、金融顾问服务，但尽管如此，这类人群对线上实时获取股票信息、资产状况、财经资讯、投资理财教育内容仍有迫切需求。对于大众富裕阶层而言，很可能他们人生中的第一款投资理财产品就是在线上购买的，这类人群对线上的理财投资及智能化财富管理有天然的需求。
通过大数据技术，宜信能够了解客户对投资理财、家族传承，对创富、守富、传富的需求，也即财富管理行业的KYC。向江旭介绍，这些数据包括客户的电商购物行为轨迹、线下财富管理讲座活动的参与经历等。获得用户画像后再利用AI技术将客户与产品进行精准匹配。
向江旭认为，以前的财富管理是以产品为中心的，很多理财产品网站相当于一个理财超市，这并不是宜信希望看到的财富管理方式。宜信希望用大数据及人工智能技术将以产品为中心的财富管理过渡到「以用户为中心」的财富管理，真正做到千人千面的资产配置模式。
平安寿险沈剑平： 深挖应用场景，让AI赋能寿险各业务线
平安寿险是保险行业AI落地的排头兵。目前，AI已经在业务员面试、培训、销售，客户客服、风控等环节落地应用。
本届CCF-GAIR大会AI金融专场的第四位演讲嘉宾即是这一系列产品背后的技术指挥官，平安寿险总部人工智能研发团队总经理沈剑平。现场，他就「AI技术在保险领域的应用实践」同与会者进行了分享与探讨，全面解析平安寿险在人工智能领域的发展布局、应用成果及核心技术。
沈剑平表示，在科技迅速深入各行各业的大趋势下，传统保险业如何充分运用人工智能等前沿技术，以寻求更高质量的发展方式，是一个非常关键的问题。
平安集团在2018《财富》世界500强中排名第29位，是全球市值、品牌第一的保险集团。作为集团旗下子公司和主要利润贡献者，去年平安寿险利润超730亿人民币，有140余万代理人。面对如此庞大的业务规模，平安寿险积极探索科技与保险的深度融合，由传统寿险公司向科技型寿险公司转型。
沈剑平介绍，平安寿险在人工智能领域，重点布局深度学习、自然语言处理、知识图谱、智能推荐、计算机视觉等前沿技术，全面实现销售、服务、管理三大赋能。
在销售赋能方面，由于寿险业务人员众多，业务员面试存在面试量大、人力投入多、筛选困难等痛点。平安寿险研发了AI面试官，背后打造了一个面向面试领域的特殊对话系统，除了重点运用FAQ问答、多轮对话、智能提问外，更结合拟人化面试交互的需求，自主研发了创新的智能短回应技术，实现人脸识别核身、多媒体展示、全流程语音交互、拟人化互动、专家经验赋能和面试智能评价等功能。
为了给客户提供更专业的保险服务，业务员需要经过个性化、全方位、多维度的培训。平安寿险打造了远程培训+线上学习机制，利用图像技术、推荐技术实现智能互动与秩序监督、千人千面线上课程学习等。另一个亮点是一款用于一对一训练和考评的AI陪练机器人，不仅能够智能考试及评分，还能扮演客户模拟实际业务场景的交互。
在销售环节，平安寿险还推出了「个人销售助理」机器人，帮助业务员在销售过程中获得专家级的保险知识顾问和销售支持。
此外，沈剑平还分享了平安寿险在服务赋能和平台建设方面的成果。在服务赋能领域，重点打造了包括可在线办理复杂业务和服务咨询的智能客服、专家级智能保顾等在内的客户金融生活助理服务。平台建设方面，重点打造了包括寿险人机交互平台、智能知识中心、智能营销平台、深度学习平台等在内的核心平台支持。对于其中进行的关键技术问题，如低资源攻关、对话引导、知识驱动对话等，沈剑平也进行了针对性的分享。
阿博茨科技余宙： 创造金融数据的永动机
在金融科技领域，阿博茨科技联合创始人余宙是一个神奇的存在。他是曾被邀请做客比尔盖茨家的产品天才，是海豚浏览器的首席产品设计师。跨界AI金融后，这位极具天赋的产品人能够为行业带来哪些火花？现场，余宙为与会者带来了题为《AI金融大脑驱动知识处理变革》的主题演讲。
余宙介绍，阿博茨为金融行业提供四类机器人产品：抠数据、找数据、填数据、画图表。与风控、视觉等创业大方向不同的是，阿博茨的业务紧密围绕着金融数据，这一思路来源于创始团队一次拜访瑞士银行的经历。
当时，接待余宙一行的是瑞士银行一位头发花白的客户经理。银行方面介绍，这位资深客户经理沉淀了30年的经验，能够回答客户的任何问题。与此同时，银行方面也表示，要培养一位像这样经验丰富的客户经理，是需要非常大的代价的。谈到这里，余宙开始考虑，是否能够利用计算机技术将金融领域的知识与经验记录与传承？
在金融领域，有大量「表哥」、「表妹」存在，这些受过良好教育的有志青年整日处理数据和图表。从事着重复的业务，不仅耗时耗力，而且出错率高。此外，90后以及00后喜欢创新性工作，导致这类岗位的离职率非常高。
余宙非常认同《原则》一书中Ray Dalio提出的观点：人应该成为机器的一部分，而不是机器来帮助人。他认为，人有感情、有情绪、会累，不能24小时工作。那么如何制造一个系统，让人成为机器的一部分，将是彻底提高效率的一种方式。
为此，阿博茨构建了ABC金融大脑，将自然语言处理、机器学习、深度学习等技术运用在金融领域的日常数据处理工作中。构建一条生产线，人就像大厨，只负责炒菜。买菜、洗菜、切菜、准备原材料等过程全部由机器完成。
余宙表示，AI分做几个不同的层次。机器能够读懂图、表、文件的认知引擎层；能够看到、听到、接收信号的感知层；以及机器对人类进行信息回馈的可视化层。ABC金融大脑是这三层的结合，就像一个超级实习生或者超级分析师助理，能够帮助分析师对公开市场上的数据进行获取。同时若进行私有化部署，还将有能力挖掘自家的数据。
在ABC金融大脑之外，阿博茨还构建了RPA机器人。与ABC金融大脑不同的是，RPA主要解决两个问题——流程上的断点和阻塞点。通过AI技术，将RPA流程打通，形成永动机一样的系统。
余宙表示，ABC金融大脑和RPA机器人在券商、银行、财务等多种金融场景均可应用。
CMU王强博士： 面对金融交易场景，远未成熟的三维人脸识别的刚性需求，将走向何方？
作为AI金融专场的收官嘉宾，原大数金融CTO兼首席科学家、前美国Fiserv东亚及东南亚总裁、IEEE Fellow王强博士带来了题为《3D人脸识别与开放金融平台》的主题演讲。
现场，王强博士报告了自己团队在三维人脸识别方面的最新算法以及在金融交易场景的刚性应用。围绕中国人工智能四十年主题，开场王强博士回顾了计算机视觉奠基人David Marr三层理论，即将计算机视觉分为三个阶层：二维基数图（2-D Sketch）、2.5维要素图以及三维模型表征（3-D model representation）。
王强博士指出，David Marr在计算机视角三层开创性理论不仅仅是计算机视角的基石，同时也给认知科学（Cognitive Science）带来了及其深远的影响。王强博士指出未来计算机视角研究要从客观感觉和主观感知两个方向共同入手，加强在图像认知层面的理论与研究突破。
计算机视觉发展40年，进度一直受限。王强认为其主要原因一是传感器的能力，二是面对高维算力，三是3-D摄像机大规模应用，四是柔性姿态的估计能力以及合成图像细粒度与泛化能力冲突问题。
三维视觉最高端的场景之一是三维人脸识别，这一领域当然也面临着很多挑战。一是柔性姿态的变化大幅降低识别率，二是样本库问题难以实现离线大规模学习，三是终端芯片的算力不够，这些挑战也为三维人脸识别在金融交易领域的刚性应用带来了阻碍。在金融交易这样高标准严要求的行业，人脸识别的准确率必须高于99.9%，而现在的技术尚未能达到这样的要求。
近期，王强博士团队提出的SimGAN（S+U模拟融合无监督学习）最新算法，在 GANs细粒度合成图像、少量样本库无标注离线学习、GANs对抗补偿、惩罚学习差异、区域对抗补偿、细粒度区域学习到全局泛化、柔性姿态修正等方面带来重大突破，基于机构光攻克了三维人脸的多项重大技术难点，基于结构光综合场景下平均识别率达到99.9%，其合成图像的视觉图灵测试接近1：1通过率， MPIIGaze测试比目前最好算法高出24.9个点。并在金融身份识别、反欺诈、开户和支付等场景中，可以启到交互应用和辅助决策的作用。
未来，王强博士团队将结合结构光、TOF和双目三个光源特征进行三维人脸识别研究，继续提升综合场景下识别率。
一场国际化的AI金融交流会
本次「AI金融专场」，吸引了中国及欧美地区的众多AI金融专家到场。其中加拿大工程院院士、Citadel首席人工智能官邓力博士，加拿大工程院院士凌晓峰教授等多位重量级人物也来到现场学习交流，共同促进AI金融的产学融合与商业应用。
我们将会在本次峰会后，在雷锋网「AI投研邦」上线CCF GAIR 2019峰会完整视频与各大主题专场白皮书，包括机器人前沿专场、智能交通专场、智慧城市专场、AI芯片专场、AI金融专场、AI医疗专场、智慧教育专场等。雷锋网「AI投研邦」会员们可免费观看全年峰会视频与研报内容，扫码进入会员页面了解更多。峰会期间专享立减399元福利，可进入页面直接领取，或私信助教小慕（微信：moocmm）咨询。（最后一天50个名额，速抢。）
雷峰网原创文章，未经授权禁止转载。详情见转载须知。
专题
