光信银行不好开户(光大银行开基本户好吗)

世界上没有其他领域比金融领域更适合运用人工智能了，金融行业里有80%的工作是人干不过人工智能的，我们可以看到华尔街的交易员已经有70%失去工作了，那就是人工智能和量化投资所造成的。银行和保险也有太多业务可以被人工智能所替代。

——李开复

苏哲/文

互联网金融行业从诞生至今，一直伴随着一个争论，互联网技术和金融之间的关系究竟是什么？答案从最开始的“颠覆”，到后来的“你中有我、我中有你的融合”，再到现在一种普遍被接受的观点——技术是为了提高金融的服务效率。

今天下午，智融集团（旗下有小额借贷app用钱宝）宣布完成4.66亿元C轮融资，由金砖资本、中金甲子领投，国科嘉和、源码资本、创新工场、光信资本等机构跟投。从年初到现在，行业里越来越能感觉到资本的“回温”，尤其是对于机器学习、智能决策这些概念真正应用于实践。

在这场发布会上，创新工场董事长李开复在演讲中带来了一个有意思的观点：“世界上没有其他领域比金融领域更适合运用人工智能了，金融行业里有80%的工作是人干不过人工智能的，我们可以看到华尔街的交易员已经有70%失去工作了，那就是人工智能和量化投资所造成的。”

借着今天的话题，想和大家讨论几个关于人工智能与金融的问题

✔ 人工智能可以在哪些方面应用于金融，有多大价值？

✔ 人工智能能在多大程度上改变金融，这些改变又有怎样的意义？

✔ 未来人工智能与金融的结合还有怎样的想象空间？

人工智能改变金融的三个层次

与其他传统行业相比，金融行业高度信息化、数字化的特点能够更容易地被人工智能技术利用。但目前的行业现状里，“人工智能 金融”的概念其实还比较模糊，主要原因是由于对人工智能技术的定义本身尚存争论，究竟哪些技术、运用到什么程度才能够算作人工智能？

曾有圈里的朋友告诉我，一些平台从地下渠道买来涉及个人隐私的身份信息及行为数据，运用平台的营销和催收，竟然也对外宣称“运用人工智能和大数据等前沿技术构建了完善的风控体系”。剥开人工智能所涵盖的多种技术来看，前沿技术对金融的影响改造存在多个由浅及深的层次。

随着语言识别与自然语言处理技术的不断成熟，对金融机构来说，首先改变的便是与客户的交互业务。

智能客服机器人替代人工客服早已实现，交通银行在2015年就曾推出智能网点机器人“交交”，当时引发了金融银行界的广泛关注。其采用语音识别和人脸识别技术进行语音交流、识别熟悉客户，在网点进行客户指引、介绍银行的各类业务等。

除此之外，这项技术还被用于语言数据及信息的挖掘。对于传统金融机构而言，数据和信息通常只能以文字、数字或图片等方式承载，但该项技术则可以将语音、视频等材料也转化为有效的文字信息进行数据挖掘、采集。

另一项人工智能技术则是计算机视觉与生物特征识别，大家更为熟知的是指纹识别、人脸识别、声纹识别、虹膜识别等技术应用的称谓。

这项技术在金融领域运用已经相对成熟，以支付、远程开户等业务的运用最受关注。此外，该技术其实还已经用于部分金融机构对核心区域安全、交易安全、员工违规预警等多个方面，辅助金融机构进行内控管理。

以上两项以外，讨论最多的技术要数“机器学习与神经网络”，通俗地讲，这意味着机器在某个领域具备了深度学习、思考和做判断的能力。这也是为什么大数据风控的概念提出已经好几年，但其实效果并不好。

因为大数据只是基础，人工智能是对大数据进行处理的技术，只有当它具备海量数据，并能够对数据进行深度学习并作出判断的能力后，才具备一定的反欺诈、信用定价的风控能力。

“机器学习与神经网络”技术在金融领域的探索其实已经有段时间了，比如早起的量化交易，近期比较热门的智能投顾等等。不过如果按照在国内应用效果最为显著的领域，可能还是借贷。

蚂蚁金服此前披露的数据显示，在网商银行的花呗与微贷业务上，使用机器学习把虚假交易率降低了近10倍，为支付宝的证件审核而开发基于深度学习的OCR系统，使证件校核时间从1天缩小到1秒，同时提升了30％的通过率。

此外，用钱宝此前公布的数据，也很能说明一些问题。这款小额借贷平台纯依靠人工智能的风控体系、没有任何一个风控人员的情况下，放出了800万笔贷款（笔均千元左右，期限为7—30天），本月单月放贷笔数预计超过150万笔。

产品思维还对吗？

人工智能 金融发展到现在，我们已经可以感受到人工智能对于金融效率的提升，但是未来它的想象空间在哪里？或者它能给金融带来更根本上的变革是什么呢？

在过去很长一段时间里，金融行业所提供的，其实是以产品为主，而非服务为主。即使在互联网金融时代，所优化的服务也只是在便捷度、体验度的提升。

设计一款相对固定额度、期限的金融产品，然后再拿着产品去寻找需求匹配、可接受价格的客户群。所以在这样的时代里，真正懂金融产品的人才会很吃香。

但在“人工智能 金融”的时代真正到来后，产品为主应该转变为服务为主，先找到有需求的用户，再通过人工智能技术对其进行识别判断，并提供符合其需求的个性化金融服务——当然这是理想状态，但改变正在一点点地发生和接近。

银行过去放贷主要依赖强特征进行风控审核，凭借一条或几条信息即可决定是否放贷的重要特征，例如名下是否有房产可用于抵押，存款和收入证明，还有信用卡账单、社保公积金缴纳记录等。

不过，移动互联网产生了大量弱特征的数据，例如位置、购物习惯、社交等等，这些数据存有价值，虽无法凭借其中的少数几条就做出借贷决定，但如果把成百上千个维度的弱特征数据综合起来，可以先形成大数据。然后再通过人工智能的分析以及深度学习能力对大数据进行处理，这样一来则可以训练出有效的风控模型。在短期、小额的借贷领域投入使用，还能快速积累新的的数据和分析出新的维度来不断完善人工智能体系的实用性。

从这个单一案例来看，其实人工智能之所以起效的关键在于，借贷放款的核心标准是是否符合“经验”——这条标准并没有发生改变，差异只是在于，传统放款模式需符合人（信审员）的经验以及机构的经验（类似于三品三表等的银行标准）。

而用钱宝的借贷模式则需要符合人工智能技术对海量数据学习后的经验和标准。其本质在差别在于，人力学习总结经验的能力和机器学习总结经验的能力。

去年6月，用钱宝的人工智能体系中有550个维度的风控规则，如今已经有1200个维度的规则，若凭借人力完成这样的学习和总结规则的任务，显得不可能。

具体到人工智能在反欺诈方面的运用，传统信审模式依赖于信审员的从业经验和忠诚度，由于人力限制，可规模化、标准化考察的信息维度只能是强关联、且必须保证真实的数据。

但在人工智能技术能够对海量信息进行挖掘、分析和学习，并总结成多歌维度的经验来判断违约风险。于是，出现了输入身份证号码耗时、单向通话记录、甚至手机电量等数据来判断欺诈风险的经验。而且这些行为特征，是人很难察觉的。

在此基础上，人工智能 金融有充分的理由可以再推进一步。既然人工智能体系能够识别出诚信或欺诈的用户，并能够判断出用户的诚信度，那就应该可以根据用户的诚信度，提供不同价格的金融服务，诚信度更高的用户享受更便宜的价值。

此外，除了短期、小额借款的产品之外，针对诚信用户也可以根据其实际需求提供更个性化的服务。更何况，人工智能技术比人更善于从细节处挖掘出用户的需求。

就像理财平台在逐步推进KYC体系一样，为不同人提供更加定制化的服务可能是人工智能下一步能够发挥更大价值的地方。

用钱宝官方也在今天的发布会上透露，用钱宝今年的战略是为用户提供“千人千面”的金融服务：即用人工智能系统识别不同客户的需求，从而针对性提供不同额度、期限、价格的金融服务——如果这件事情做成了，那人工智能技术在金融领域的运用就不是效率提升那么简单了，而是打破了传统金融以“标准化产品寻找客户”为核心的思路，改变人去适应标准化金融产品，变为金融产品通过人工智能识别、判断和配置去主动适应人的需求。

如果“人工智能 金融”真的有一天走到这一步，那或许会成为互联网金融发展历程上的新临界点——技术驱动将真正替代市场红利成为行业发展的主要推动力。其实，我们已经可以察觉，并不远了。