前段時間，本公眾號曾推出“AI+”系列文章，詳細討論了人工智能技術在各個領域的應用前景及優勢。但在AI長河三起兩落的洪流中，經常性的此AI非彼AI，而其中做通用人工智能的更加少之又少。
經過多年的完善，聯動北方自研的通用AI模型已較為成熟，該模型具有多模態、多切面、多通道、穩定性強等特點，基於此通用模型，聯動北方已經完成了包括智能運維、智能醫療、智能物聯以及知識圖譜在內的多個項目的落地。
故此，在原有文章的基礎之上，聯動北方推出修訂版的“AGI+”系列文章，以聯動北方通用AI模型為基礎，詳述通用人工智能AGI如何在各個領域發揮作用。
縱觀金融領域的發展歷程，金融行業的變革一直都與科技聯繫緊密，金融機構也一直是最新信息技術最積極的應用者。從這個意義上來說，科技驅動金融，並非始於當今，而是早已有之。
在上一篇“AI+”階段，人工智能在金融領域的嘗試更傾向於簡化工作流程、提高工作效率，而在如今的“AGI+”的階段，人工智能的應用正在從產品向綜合方向發展，在提高原有工作效率的基礎上還需要增加新業務的獲取量、提升業務多元化，從而進一步提高客戶滿意度。
現階段，人工智能早已融入金融領域的各環節，通過知識圖譜、自然語言處理、計算機視覺等核心技術為金融行業的各參與主體、各業務環節賦能。今天的文章，將在原有文章的基礎上結合聯動北方通用AI模型，簡述在通用人工智能AGI的加持下，金融領域又有哪些提升。
AGI+金融現狀
智能金融的概念與發展歷程
融領域的發展歷程，金融行業的變革一直都與科技聯繫緊密，金融機構也一直是最新信息技術最積極的應用者。從這個意義上來說，科技驅動金融，並非始於當今，而是早已有之。在討論智能金融的發展現狀之前，我們首先明晰一下智能金融的概念。
“智能金融”指的是人工智能技術與金融服務和產品的動態融合。即通過利用人工智能技術，創新金融產品和服務模式、改善客戶體驗、提高服務效率等，其參與者不僅包括為金融機構提供人工智能技術服務的公司，也包括傳統金融機構、新興金融業態以及金融業不可或缺的監管機構，這些參與者共同組成智能金融生態系統。
人工智能技術與金融的結合並不出人意料，總體來看，科技賦能金融行業發展至今共經歷了IT+金融、互聯網+金融以及今天的人工智能+金融三個階段。而我們目前所處的，就是面向未來的金融智能化階段。
在前兩個階段，科技企業在金融領域一般扮演技術服務或解決方案提供商的角色，金融技術的革新主要是由金融機構發起和主導。而發展到智能化階段，科技公司不再侷限於為現有的金融機構提供技術支持，而是通過改變玩法、挑戰中介、改良賦能，來推動金融領域的創新與重塑。
作為未來金融發展的方向，智能金融在政策、經濟、技術等方面都獲得了巨大的支持，各方面資金的投入也為智能金融的發展創造了極其良好的環境。
據統計，2011年至2018年第三季度累計發生融資事件130起，從2016年起每年的融資事件數量均超過30起，預計未來將保持穩定增長態勢，這也側面反應了市場對金融行業的期待。
AI+金融的現狀
相比其它行業，金融與人工智能具有天然的耦合性。
1、海量行業數據支持。金融行業本身的業務關注的金錢的進進出出，在自身內部循環過程中即已擁有海量的數據；同時，金融行業與整個社會存在著巨大的交織網絡，每時每刻都能夠產生金融交易、客戶信息、市場分析、風險控制、投資顧問等多種海量數據 。這些海量的數據，為人工智能的發展提供了天然的實踐場景和深度學習進化訓練。
2、行業邊界相對清晰。在傳統金融行業領域，商業銀行提供存款的吸收與放貸服務，證券公司提供證券的交易服務，保險公司提供保險服務，不同金融行業之間存在著相對清晰的邊界，各個行業所提供的金融產品徑渭分明，易於識別。儘管在互聯網金融和新金融興起後，金融界的邊界有一定程度模糊化的趨勢，但總體來看，金融界的邊界依然比較清晰。這種清晰的邊界，對於當前還處於“弱人工智能”階段的人工智能來說，無疑是優良的應用場景，因為處於這一階段的人工智能“專注於特定領域和完成特定的任務”。
3、行業資本豐富。金融業的本質是為實體經濟服務，相比於其他實體行業，金融業擁有輕資產、重資本的優勢。同時，由於金融行業的對數據和風險控制近乎偏執的要求，金融業對於人工智能技術的利用積極性要比其他行業更高。
儘管先天條件優厚，傳統人工智能技術在金融領域行業的應用仍面臨著許多挑戰。
首先，伴隨著金融服務從線下逐漸遷移到線上，互聯網的搜索引擎業務等解決方案也逐漸在線上金融服務中使用。但相對於其他行業，金融行業的廣告搜索和個性化推薦特異性強，針對性高，需求更加複雜。
其次，自然語言處理與理解技術雖然在金融行業應用較多，如機器翻譯、閱讀理解、對話生成等，但仍面臨著無法訓練出具有足夠專業知識的模型的挑戰，缺乏充足語料庫等問題。
最後，金融領域信息專業性和準確性更高、信息更新迭代快。這也意味著相應的知識圖譜也需要更快更新和豐富其內容，傳統的人工智能顯然無法滿足。
AGI+金融
相對於人工智能（AI）的概念，通用人工智能（AGI）更強調智能的通用性特質，即同一個通用模型適用於各個領域，在現有人工智能“專”的基礎上兼具了“廣”的優點。從總體來看，“AGI”更接近“AI”的初始意義，與“強AI（Strong AI）”的概念更加相似。而聯動北方通用AI模型的核心思想正是通用性人工智能，因此該模型除了能夠在運維領域加以應用，在金融領域同樣能發揮作用。
針對AI+時期智能金融技術方面的不足，以及金融領域數據數量海量、多結構多維度、價值巨大、及時性要求高等特性，聯動北方通用AI模型增強了領域性知識圖譜的應用，並結合知識圖譜的自身特性與使用場景，提出了以代數的群論、拓撲學習以及模糊論集合、圖論等數學基礎的智慧樹模型。
智慧樹模型，顧名思義，通過將知識圖譜的建立過程類比為結構樹，通過結構與分支的不斷拓展與交織來完成知識圖譜的構建。
在此模型中，每個實體可以比作一個獨立的樹突，實體間通過不同的關係相互聯繫纏繞在一起，形成多根的實體樹網，樹網的意義在於將實體間二維的關係轉換為三維，弱化了關係順序帶來的影響，使得實體間的聯繫更加靈活。
同時智慧樹模型採用多維模型而非平面圈層，多維模型的好處在於不僅能夠定位實體在某個知識碎片中的位置，同時還定位實體在整個知識圖譜中的位置，這個過程可以想象成葡萄與葡萄架的關係。將實體比做一顆葡萄，聯動北方多維模型不僅能夠找到葡萄所在的整串葡萄（知識碎片）中的位置，更能夠通過定位命中簇——映射概念簇——序列化熱點簇，定位葡萄在葡萄架甚至葡萄林（知識圖譜）中的位置。多維模型模可以精準分析實體間的關係，更好地排除干擾，對於自然語言處理等應用有著極高的價值。
此外，智慧樹模型是開放、外延、全方位掃描的，這意味著圖譜內任何節點都會成為敏感點和關聯熱點，節點之間不會存在明顯的權重差別，而是根據需要發揮作用；同時開放的模型支持無限拓展，保證數據能夠實時更新；實體之間聯繫緊密，不同切面的節點能夠通過關聯節點進入其他切面，也可以沿著概念樹從一個節點到另一個節點，更加靈活。
聯動北方智慧樹模型還提供了可視化智能建模界面，在可視化的建模操作界面，用戶可以動態地創建、修改和刪除各節點之間的關係，從而搭建不同的關係網。此外，用戶還可以在構建好的模型中自由選擇需要顯示的區域進行放大和詳細顯示，更清晰地展示實體間的聯繫，以便後續進行分析與處理。
相比通用知識圖譜，領域知識圖譜更具有針對性，通過構建金融領域知識圖譜，可在以下幾方面起到提升作用：
1、增強知識融合：通過知識圖譜對金融行業數據資源進行語義標註和鏈接，建立以知識為中心的資源語義集成服務；
2、語義搜索和推薦：知識圖譜可以將用戶搜索輸入的關鍵詞，映射為知識圖譜中客觀世界的概念和實體，搜索結果直接顯示出滿足用戶需求的結構化信息內容，而不是互聯網網頁；
3、問答和對話系統：基於知識的問答系統將知識圖譜看成一個大規模知識庫，通過理解將用戶的問題轉化為對知識圖譜的查詢，直接得到用戶關心問題的答案；
4、大數據分析與決策：知識圖譜通過語義鏈接可以幫助理解大數據，獲得對大數據的洞察，提供決策支持。
AGI在金融領域的應用
根據服務對象的不同，金融機構可分為前臺、中臺、後臺三大主要模塊，AGI可在金融的七大領域發揮作用，前臺為智能支付、智能客服、智能營銷，中臺為智能風控、智能投顧和智能投研，後臺為智能監管。
1、智能支付
作為與消費者連接最緊密的環節，智能金融對廣大用戶的支付需求影響得最早、最廣、最深。隨著智能技術的進一步成熟，各種新奇的支付方式也逐漸進入人們的視野，移動支付已經成為日常。移動支付在發展過程中，支付驗證技術也經歷了快速迭代，密碼支付、指紋支付、聲波支付等過程。
金融用戶需要驗證身份的真實性，主要技術包括人臉識別、語音識別、指紋識別和虹膜識別等，這個場景努力的方向，就是要逐步使得金融產品能夠“看懂文字”“聽懂語言”，實現與用戶的無縫連接與協作，為公眾提供智能化金融消費體驗。
人臉識別技術的成熟和人們對支付安全便捷需求性的提高，使得刷臉支付出現在大眾視野。刷臉支付，即基於人臉識別技術的新型支付方式，將用戶面部信息與支付系統相關聯，通過拍照把獲取的圖像信息與數據庫中事先採集的存儲信息進行比對來完成認證。但由於技術和政策的限制，該驗證方式落地還需要很長一段時間。
2、智能客服
智能客服目前已經成為很多行業的標配，尤其是銀行、保險、金融等領域。金融領域客戶諮詢及反饋服務頻次較高，對呼叫中心的產品效率、質量把控以及數據安全提出嚴格要求。智能客服基於大規模知識管理系統，面向金融行業構建企業級的客戶接待、管理及服務智能化解決方案。
在與客戶的問答交互過程中，智能客服系統可以實現“應用-數據-訓練”閉環，形成流程指引與問題決策方案，並通過運維服務層以文本、語音及機器人反饋動作等方式向客戶傳遞。此外，智能客服系統還可以針對客戶提問進行統計，對相關內容進行信息抽取、業務分類及情感分析，瞭解服務動向並把握客戶需求，為企業的輿情監控及業務分析提供支撐。據統計，目前金融領域的智能客服系統滲透率預計將達到20%-30%，可以解決85%以上的客戶常見問題，針對高頻次、高重複率的問題解答優勢更加明顯，緩解企業運營壓力併合理控制成本。
3、智能營銷
對於營銷，目前被談論最多的是精準營銷，它的出現比較早2011年就已經有了具體的概念。精準營銷，指的是在精準定位的基礎上，依託現代信息技術手段建立個性化的顧客溝通服務體系，實現企業可度量的低成本擴張之路，是有態度的網絡營銷理念中的核心觀點之一。而“智能營銷”是一個新概念，2017年才產生。但是，智能營銷並不是憑空產生的，事實上，它是基於精準營銷的再精準化。
智能營銷是指在可量化的數據基礎上分析消費者個體的消費模式和特點，並以此來劃分顧客群體，精準地找到目標客戶，然後進行精準營銷和個性化推薦的過程。不同金融用戶擁有不同的風險承擔能力和意願，對金融產品與服務的需求具有差異性，而人工智能可以通過大數據技術精準刻畫用戶畫像，並基於此策劃營銷方案，進行精準營銷和個性化推薦，同時實時監測，不斷優化營銷策略，建立用戶數據庫，幫助企業引流獲客、留存促活。
相對於傳統營銷，智能營銷基於大數據技術、機器學習計算框架等技術，具有時效性強、精準性高、關聯性大、性價比高、個性化強等特點。
4、智能風控
金融的本質在於風險定價，風控對於金融機構和平臺來說都是一種保障。伴隨著互聯網金融、智能金融的出現，金融業務面臨的風險挑戰越來越大，對智能風控提出了需求。智能風控利用大數據人工智能技術，可以使用海量的多維度數據，塑造出高度精細化的風險控制模型，在感知金融環境的動態變化基礎上，不斷進行深度挖掘與智能學習，實現針對市場變化的適應性更新調整。
智能風控基本包含數據收集、行為建模、用戶畫像和風險定價四個流程。
5、智能投顧
智能投顧最早在2008年左右興起於美國，又稱機器人投顧（Robo-Advisor），依據現代資產組合理論，結合個人投資者的風險偏好和理財目標，利用算法和友好的互聯網界面，為客戶提供財富管理和在線投資建議服務。
投資者對於投資顧問的需求主要體現在“情緒管理”和“投資策略/建議”：一方面，投資者在投資過程中容易產生貪婪或恐慌的情緒波動；另一方面，投資者金融市場信息瞭解相對較少，信息不對稱。
與傳統投顧相比，智能投顧具有低門檻、低費用、投資廣、透明度高、操作簡單、個性化定製等優勢。因此，智能投顧更適合滿足投資者的需求。
6、智能投研
金融業對數據具有極強的依賴性，工作人員每天一半的時間都用來收集和處理數據。因此，如何節省這一半的處理和收集數據的時間，是金融業對人工智能提出的需求。
智能投研是基於知識圖譜和機器學習等技術，蒐集並整理信息，形成文檔，供分析師、投資者等使用。智能機器效率較高，但創新性不足，而人機結合將大大提高決策的效率和質量。
7、智能監管
全球每年產生約3億條法律法規數據，人工儲存難度較高。通過人工智能學習、積累金融法規，並結合金融機構的實際情況提供合規建議。機器可以從海量的交易數據中學習知識和規則，發現異常行為，對欺詐與洗錢行為進行警示。
智能金融的挑戰與機遇
智能金融潛力巨大，發展前景也一片大好，但現在的技術並沒有解決全部的問題，智能金融依舊存在一些需要完善的地方。
從技術層面看，目前智能金融發展進程中的潛在挑戰主要有以下幾個方面：
第一是基礎設施層面。具體包括通信、架構、系統、應用和數據安全等問題，隨著人工智能等技術在金融中的應用，金融網絡安全的重要性也相應提高。因為金融體系對智能科技越依賴，那麼，這些技術層面如果出現故障可能產生的衝擊也就更大。
第二是數據聯通及有效應用的實現障礙。目前用戶數據高度集中在少數幾家企業中，容易形成數據寡頭現象，帶來一定程度的數據壟斷，造成所謂的數據鴻溝問題，形成信息孤島，不利於智能金融公司數據的聯通。並且如果數據使用不當，精確的數據挖掘也可能會導致不合乎現實乃至荒謬的結果，如何深入理解數據與金融的邏輯，挖掘數據真正的價值成為了又一大挑戰。
第三是對智能金融認知偏差可能會導致一定的信任危機。從發展進程評估，目前人工智能還處於“弱人工智能”階段，大部分智能金融還處於概念階段，距離其真正落地還有很多問題待解決。如果在目前的發展水準上就一味對智能金融過於誇大事實，使得大眾的期望值比較高，一旦出現一些故障，就容易造成信任危機。
除了技術層面的挑戰，信息和監管方面也形勢嚴峻。
首先是信息安全問題。智能化的金融服務平臺是建立在互聯網基礎之上，但影響互聯網不確定性因素太多，這樣無疑增加了系統性風險。
其次是數據量的問題。海量的數據是人工智能技術優勢發揮的燃料，離開大數據，人工智能就猶如無米之炊的“巧婦”。隨著互聯網技術的發展和普及，金融領域的數據流比較充足，但離全量數據相差甚遠。
此外監管缺失也是智能金融發展需要解決的問題之一。人工智能所有的操作技能建立在大量的程序基礎之上，發生故障的可能性較大。人工智能自身的學習、決策機制的產生等行為無法追溯，這些加大了開發人員人為造成惡意行為的可能性。但在現有的法律和監管體系下，很難界定人工智能由於故障或行為引發的社會責任問題。
從目前的進展看，人工智能在金融領域的應用，開始優化金融現有流程，在前端應用於服務客戶，在中臺支持授信、各類金融交易和金融分析中的決策，在後臺用於風險防控和監督，使金融服務更加個性化與智能化、金融風控能力更強。展望未來，智能金融呈現出以下幾個方面的發展趨勢。
1、創新傳統金融業態，促進智能技術與金融的融合，逐步實現智能化、場景化、個性化。智能化為基礎，可分為三個層次：第一層次為Robot，即可以實現簡單的數據收集整理工作（可以簡單視為助理分析師）；第二層次為Smart，即可以實現數據的簡單分析（初級分析師）；第三層次為Intelligent，即可以實現數據的決策支持和深度洞察（高級分析師）。場景化即使金融業態更貼近生活。同時通過智能金融驅動金融服務和產品的創新，提供多元化選擇，實現相對個性化的金融服務。
2、降低金融服務成本，使得金融業能夠覆蓋到傳統的金融體系覆蓋不到的客戶與領域，推動金融普惠化。智能金融中的智能營銷可以幫助金融機構精準定位客戶，減少不必要的營銷成本；智能風控在整個業務流程中可提高風險識別、預警、防範及風險定價能力，也可以降低風險甄別成本。而經營成本的降低是基於整個金融業務流程的智能化，實現從部分到整體的成本降低。智能金融總體成本的降低將擴大金融產品和服務的範圍、拓展用戶基礎，推動金融的普惠化。
3、技術企業和金融企業參與智能金融雖然是基於不同的起點、比較優勢和路徑，但是從趨勢看呈現出相互影響、相互融合的態勢。。金融機構與科技公司的合作方式主要包括購買、投資併購、建立加速器等，目前金融機構與科技企業之間的往來大部分停留在向科技公司購買技術服務，或與科技公司合作建立聯合實驗室。出於規避金融機構與科技企業合作存在的信息技術安全、監管不確定等問題或對長遠發展的考慮，未來金融機構有望以更深入協作的方式成為技術的共同所有者。而技術企業表現出的活力，和對市場的敏感，也會深刻影響傳統金融行業的金融服務方式。
技術的革新也是行業的革新，在未來的發展中，我們也期待能用技術為金融領域帶來更大的變革，服務更多傳統金融未觸達的人群，進一步推動金融行業的發展。
閱讀更多 聯動北方科技 的文章
