1956年，美國達特茅斯河邊，一群年輕的科學家在為期一個月的小型學術沙龍中，創造出日後影響我們生活方方面面的技術新名詞—— 。

60年後，各國高舉AI政策大旗，資本紛紛入場，於是人工智能隨移動互聯網的崛起而廣泛普及，釋放出巨大的商業應用價值。從手機裡的AI美顏相機，到陪你聊天的智能音箱，再到對著鏡頭眨眨眼就能完成付款的智能支付系統，人工智能這些年走進我們的生活，同時，也成為普羅大眾的日常談資。

AI的應用何止於衣食住行。過去三十年是中國金融業的大發展時期，銀行、證券公司、保險公司、互聯網金融企業等陸續出現，股票、基金、期貨等金融產品更是變得越來越普惠，個人的存款、貸款，企業的發債、上市，都離不開金融機構與金融市場。但金融業始終有解決不完的痛點，效率、人力成本、信息不對稱、風險等等，而這一切都在悄然地被人工智能改善，並孕育出了新名詞——智能金融（AiFinance）。

智能金融的誕生

智能 是人工智能是人工智能技術與金融業的有機結合，利用AI協助，解決金融業態中，長期存在並無法用人力資本來解決的問題。

《中國智能金融發展報告（2019）》指出：智能金融是指人工智能技術與金融業深度融合的新業態，是用機器替代和超越人類部分經營管理經驗與能力的金融模式變革。智能金融是金融科技發展的高級形態，是在數字化基礎上的升級與轉型，代表著未來發展趨勢，並已成為金融業的核心競爭力。

原證監會主席肖剛高度認可智能金融，他說智能金融根本性地顛覆了金融生產效率。

在瞭解智能金融的實例之前，筆者先為大家解析一下“什麼是人工智能”。

人工智能是計算機科學的產物。從19世紀英國數學家巴貝奇發明的第一臺類計算機的分析機器，到1946年出現的世界上第一臺電子數值積分計算機ENIAC，再到如今的PC與移動終端（手機/PAD），計算機的出現成就了今天的AI，它是AI技術得以實現的載體。

上世紀50年代，科學家圖靈在英國《心靈》雜誌上發表了一篇名為《計算機與智能》（Computing Machinery and Intelligence）的文章，引發了人類對於計算機是否應該具備智能的思考，文中提到的“模仿遊戲”被後人定義為“圖靈測試”（在不相見的情況下，人機對話，人無法辨別對話者為機器即為通過圖靈測試）。並啟發了後來的麥肯錫、明斯基等一眾年輕科學家，而正是這一眾年輕的學者，在1956年達特茅斯會議上首次提出了人工智能的概念。

圖片說明：圖靈在《計算機器與智能》一文中提出模仿遊戲，最終還被翻拍為電影，獲得奧斯卡提名

行至今日，人工智能已經走過64年光陰，但AI技術依舊延續了最主要的兩種路徑，即為模仿人腦思考的聯結主義，和將人類已掌握的知識用專家系統記錄下來的符號主義，日後兩者更是發展為以機器學習和神經網絡為基礎的經驗主義，和以知識圖譜、專家系統為代表的理性主義。

自1956年至今，AI經歷了三起兩落，每次高潮持續7-12年，低谷則長達17年，而每一次高潮都分別由理性主義、經驗主義主導。2006年，人工智能開始從低谷爬升，那一年多倫多大學教授Jeff Hinton等知名學者們創造出深度神經網絡（深度學習）。2012年，海量數據的使用與計算機芯片算力的優化，讓AI掀起主升浪。

2017年，柯潔和李世石作為中韓圍棋界的高手，分別輸給Google的AlphaGo ZERO與AlphaGo，這樣的歷史性瞬間將人工智能推向了第三次浪潮之巔，之後AI技術的應用從棋盤上走入我們的商業社會。

當下，人工智能的直接代表與體現是80年代崛起的機器學習。所謂機器學習就是通過海量數據結合計算機的統計學科中的模型、策略、算法，通過越發強大的計算能力（根據摩爾定律：當價格不變時，集成電路上可容納的元器件的數目，約每隔18-24個月便會增加一倍，性能也將提升一倍），讓計算機具備在給出規則（監督學習）、不給出規則（無監督學習）以及給出部分規則（半監督學習）的情況下，自動地產出結果的能力。

而在機器學習的基礎上，技術人員又通過深度神經網絡的編制，形成深度學習技術，而通過借鑑經濟學博弈論，強化學習（通過對機器決策結果的懲罰與獎勵優化、更新模型參數）更是讓AlphaGo Zero在圍棋對戰中，甚至不費吹灰之力就戰勝了前版的AlphaGo。

在落地端，卷積神經網絡（CNN）在圖像識別領域發力，機器的文字的處理（NLP/NLG自然語言處理/生成）技術在過去5年極大地進步，而循環神經網絡（RNN）打通了語音處理能力的仁通二脈。另外，更多的AI技術，如支持向量機器、長短時記憶網絡、生成式對抗網絡等等都開始廣泛應用到商業社會的技術細節中。

圖片說明：用生成式對抗網絡GAN模型生成的梵高作品

當代表人類眼力的計算機視覺、代表聽、說、讀、寫能力的自然語言處理/生成、語音處理技術有了長足進步之時，商業的落地就自然而然地成行了。

回到金融領域，當以上這些AI技術服務到金融業中的文字、圖像乃至於音頻信息的處理環節中，以及自動化時，原本需要重人力資本所完成的大量複雜工作，機器就能易如反掌地操作，讓金融實操的效率大大提升。

AI的金融業賦能術

筆者認為，智能金融早已體現在銀行、證券、保險等金融機構的方方面面。

以手機銀行的出現為例，用戶通過一個手機客戶端就實現網上支付、移動支付、投資理財等工作。而在智能金融的助力下，這些功能變得更高效、更安全。

相比傳統的二維碼支付，基於計算機視覺技術的人臉識別支付不需要用戶拿出手機掃碼；資產管理端，你的資產交給機器打理，機器人智能投顧服務會根據你的資產規模、風險偏好、投資目標等，篩選出最合適你的投資組合，同時，AI還能幫你做好風險控制與管理，並幫助你維護好自己的信用；另外，當你不知道如何使用手機銀行時，智能的客服系統，讓你通過機器引導，更快的上手APP的新功能。

圖片說明：招行的智能投顧與螞蟻財富的智能理財助手

手機 還會根據用戶的特點，定向、精準推送信息、金融產品及服務，幫你配對最近的線下網點。而對於銀行而言，財富管理需要的投資顧問、櫃檯服務、大堂經理的引導服務等都被機器程序取代，大大節約了人力，並讓機器更隨時隨地與直接服務到用戶。

在線下銀行營業部，我們看見了機器人大堂經理，通過語音與用戶互動，引導辦理業務；而銀行業務人員通過人工智能技術精準的獲取對公業務的用戶資料，更加精確地服務好用戶的投融資需求。

圖片說明：交通銀行某分行的機器人大堂經理

這些AI賦能術都提高了銀行服務的效率與質量，實現“開放銀行”從坐商到行商的概念，向未來銀行4.0的智能銀行邁進。

AI在金融領域的應用還有很多案例。比如利用時空大數據識別中國光伏發電廠的項目，

多維度量化後的數據也能監測到中國光伏產業長期的發展變化的細節，為這個政府補貼成長的產業提供政策制定的新參考，並指導企業科學選址，提升投資回報。吳海山團隊通過 AI 加衛星圖像數據分析的中國光伏發電廠分佈的項目，對於國家政策制定、投資者以及光伏發電公司來說都是有巨大參考意義的。

可見數據交互頁面：https://ms.webank.com/moonshot-demo/solarnet-beta.html

在 、 、資管等領域，AI在賦能於高頻程序化交易，知識圖譜輔助產品研發、精算、量化與人工智能交易策略等細分領域。同時，自然語言處理技術與知識圖譜技術也在幫助金融業的文職人員（投行業務的承做、法務、財務等）審核與查驗相關的財務和法務文書，大大提升了效能。

而在風控、營銷、運營中，AI的魔力也同樣強大。

筆者以360金融的數據科學團隊為例，解釋互聯網信貸的技術風控。互聯網信貸大體分為貸前、貸中和貸後三個階段，每個階段都需要大數據與人工智能技術的參與。

貸前主要涉及用技術的方式判斷是否給借貸者授信，其中又分為反欺詐和信用風險判斷兩大塊。反欺詐需要辨別出以騙款為目的黑色產業，在這方面，360金融的數據科學團隊通過構建關係網絡，以知識圖譜等形式找出風險點。

比如說抱團欺詐，技術團隊就通過GPS的一個精度範圍內對借貸者與群體進行分析，如果一個借款申請，出現在同一個地理位置，並且連接在同一個Wifi或者4G信號基站，就很有可能被判定為抱團欺詐風險；另外，技術人員還參考手機聯繫人的關係網絡，如果同一批申請人存在相同的聯繫人關係網絡，可能也存在欺詐風險。技術團隊還會維護黑中介電話號碼庫，通過關係網絡，鎖定與黑中介關聯上的人，並認作潛在的欺詐風險。

在貸前的信用評分中，歷史數據作為有監督機器學習的測試數據集，將借貸人群區分為好人與壞人。之後，通過規則條件、用戶分層，用分類器將用戶做信用分的區分，以拒絕低信用分的用戶，提供高額度給優質信用分用戶。貸中環節則需要動態通過數據來調整用戶的貸款額度與利率，通過數據為互聯網用戶運營提供策略。

最後的貸後，技術團隊通過機器學習輔助收款的過程，並通過機器學習模型判斷用戶還款能力，並將用戶分類，比如容易收款的用戶、不容易收款的用戶，他們就會通過不同的運營方式進行催收。

在營銷和運營中，大型金融機構正在建立自己的數據中臺大腦。以平安集團為例，2013年就完成了數據平臺的建設，早期大數據平臺主要的應用還是做結構化數據的BI分析，之後逐漸建立起了完善的人工智能團隊及技術能力，並打造了集團智能化應用的核心引擎“平安腦”。

用平安集團首席科學家肖京的話說，人工智能技術賦能金融的益處是三提兩降：提效果、提效率、提用戶體驗、降風險、降成本。

中小微的AI未來

資本的退潮，宏觀經濟形式的越發嚴峻，AI寒冬論的觀點越發引起人們的關注。

雖然在過去十多年，人工智能的理論沒有發生質變與超越，但隨著計算機算力（AI芯片，但也受到摩爾定律失效影響）以及大數據的加持，AI專家們開始用工程的思維做優化，讓AI在金融領域越發落地。雖然有人說，AI的冬天來了，但AI賦能金融行業的路還很長。要知道，截至目前，大量金融機構（尤其是中小金融機構）甚至還遠沒有完成智能金融的第一步——數據化（將數據結構化）。

回到宏觀大環境上，我們可以看到我國經濟增速的下滑，以及金融週期頂部越來越近，所以，粗狂式的經營必將結束，未來AI技術賦能的意義必將是更深遠的。筆者認為，傳統大型金融機構通過AI技術人員的招聘與引入以及外部AI技術團隊的合作，已經開啟了智能金融之路。而相對資產價值較弱的金融機構，包括中小城商行、農商行，以及中小證券、期貨等公司，也必將經歷一次智能金融的大浪淘沙。

目前，大量專門服務於金融、法律與醫療等高標準化行業的AI技術團隊獲得融資，開始專注服務於金融機構的部分業務，同時，大型金融機構培育的技術團隊，因為多年的金融業數字化轉型的技術與經驗積累，也開始降維地服務中小微金融機構。這都為中小機構提供了戰略契機。儘管如此，疊加中國金融開放的大背景，中小金融機構的智能金融之路依舊任重道遠。

閱讀更多 全球免檢知識混子 的文章

關鍵字: 美好，一直在身邊 支付