智融集团 CEO 焦可：传统金融是少数人的不平等金融

本篇文章4287字，读完约11分钟

雷锋。(公开号码:雷锋。新闻:8月5日，在2017年重建大会上，容止集团首席执行官焦克发表了《智能如何重新定义金融边界》，分享了传统金融机构与智能金融的区别，讲述了智能如何解决传统金融不平等问题。雷锋。根据现场速记整理出来。

以下是容止集团创始人焦克的讲话。雷锋。com在不改变初衷的情况下做了一个很好的编译:

当我读到“智力如何重新定义金融的边界”这个标题时，我认为最引人注目的词一定是“智力”。人工智能已成为近年来不可忽视的话题。从餐馆服务员到出租车司机，每个人都可以谈论一些与人工智能相关的事情。借用李开复的一句话，他认为人工智能已经从科学技术变成了科幻小说，我们希望它不会变得神奇。

那么，真正吸引我们的是什么？首先，我认为智力是不够的。智力就像一把锤子。我们不能拿着锤子在世界各地找钉子。那么什么是钉子？钉子是金融的边界。

让我先介绍一下传统金融的边界。在我们看来，传统金融的边界在哪里？

对我们来说，真正找到财务界限需要很大的成本。这张照片实际上是一个真实的情况。在中国，传统金融机构只能为大约15%的人提供服务。但在欧洲和美国，事实上，70%的人可以通过传统金融机构获得服务。

这也回答了金证济苍(视频++的创始人兼首席执行官)刚才提到的问题。为什么1600名人工智能科学家在以色列举行的imvc机器视觉会议上没有投票支持金融和安全，因为这对欧美等发达国家来说可能不是什么大问题。

因此，当我们与许多美国信贷公司交谈时，他们实际上羡慕我们，因为他们觉得中国有巨大的市场机会。中国的传统供应是不够的，所以它给了空.新技术

就像过去几年看到的移动支付一样，中国的移动支付远远超过美国。这是因为在美国，信用卡支付已经成为一种非常普遍的手段，而空为这些新技术提供的空间非常小。但在中国，我们看到的是一个巨大的未满足需求市场。

我们刚刚看到了金融边界，然后深入思考了一个问题——为什么金融边界在这里，为什么传统金融不为剩余的巨大市场服务？

在我们看来，这实际上是传统金融机构的一个美学问题。我不知道你有没有申请过信用卡或者在银行贷款。基本上，银行会要求你提供一些资料，比如你的信用报告、社会保险、工资证明、工作证明以及各种抵押和资产证明。然而，当你不符合它的美学，你经常会被拒绝。

众所周知，中国是一个数据建设不太完善的国家。我们可以看到许多年轻人实际上没有信用记录。在许多私营企业，支付工资的方式是现金，许多人没有社会保障，许多人没有汽车和房屋等资产。这些人不符合传统金融机构的美学。

在我们看来，传统的金融机构就像是数据冰山，其优势在于可以清晰地看到它们。然而，缺点是它只能代表很小一部分个人数据。

我们的观点之一是，如果我们能很好地利用水面下的数据，看到更多关于这个人的信息，那么我们就能发明一种不同于传统金融机构的新美学。

传统的金融机构，我们经常做一个比喻，比如什么？像筛子一样，它用几条规则来筛出这堆苹果中的大苹果。错过的苹果中一定有好苹果，但是他们不能判断这个苹果是好还是坏。我们正在做的是发明一个秤来真正衡量这个苹果是好是坏。

因此，我们现在可以做到，每月信贷业务量已经超过150万。事实上，这个数字对传统金融机构来说是天文数字，因为一个银行网点一个月可能只有数百或数千笔信贷交易，而150万笔信贷交易对传统金融机构来说是不可能的数据。

然而，在150万笔贷款背后还有一些更惊人的数字。我们做信贷业务只需要8秒钟。整个过程没有人工干预，每天工作7×24小时。

我们公司没有来自传统金融机构的人，也没有“老司机”告诉我们什么是好用户，什么是坏用户。

谷歌是如何做到的？让我们从一个众所周知的例子开始。这是谷歌正在做的一个项目。如何在一堆动物图片中找到猫和非猫，如果我们遵循传统的方法，我们可以编写一个规则引擎和几个规则。

例如，如果这幅画中的物体有毛皮纹理，如果轮廓有尖耳朵，如果它有尾巴，如果它有胡子，你可以判断它是一只猫。但事实上，你会发现很多错误会先被引入。有时你会发现狐狸。如果猫是一只折耳猫或一只无毛猫，或者它在图片中隐藏了猫的尾巴，你会错过这只猫。

但是谷歌是如何做到的呢？谷歌实际上并没有要求动物专家来判断和决定什么是猫。谷歌的方法是在大量图片中标出哪些是猫，哪些不是猫，然后把它们扔给模型，这样模型就能找到自己的特征和规则。这时，你会发现它的准确率和召回率远远高于人们的能力。

我们正在做的和这个非常相似。我们正在做的是在一群这样的用户中找出哪些是猫，哪些是非猫，哪些用户会按照我们的传统观念还钱，他们的诚信值得怀疑。

这些事情不像在传统金融机构中编写一个规则引擎，而我们并不这样做。什么是规则引擎？正如我们所说的，传统金融如何判断你的风险？就是制定一系列的规则，如果你的工资超过多少，而且你有社会保障，你的信用报告是什么，那么你可以通过，或者你被拒绝。这是传统金融的规则引擎。

但是在我们看来，这个规则引擎和刚才的cat例子是一样的，它总是受到人的限制。特别是在人们无法判断的商业领域，这种局限性越来越明显。

我们正在做的是，我们把很多人的特征加入到模型中，让模型告诉我们什么是好用户，什么是坏用户。

什么是线人？我们的核心技术之一是智能电子

I.c.e实际上是三个英文单词的首字母缩写，即识别、计算和评估，这在许多人工智能领域中实际上都遇到过。

首先，确定并找到这一事件和业务的特征。例如，对于智能驾驶，有必要找出路上有什么物体；其次，计算需要处理大量不能手动处理的特征。这时，有必要有足够的计算能力；第三，做决定并评估是左转、右转、踩刹车还是油门。

这是人工智能的三个环节。在金融领域，也有这样三个环节:

一、柯南特色工程

从大量的数据中，我们可以找出真正与客户逾期率相关的特征。

就传统金融而言，他们看到的功能可能是几个或十几个功能，但就我们而言，我们看到一个用户有1200多个功能，而这个功能与过期率有关。我们看到的特征远不止这些数据，我们还看到了各种奇怪的特征。例如，我们之前已经尝试过说星座是否与过期有关，处女座是否喜欢还钱。事实上没有。

但是你会发现还有很多与顾客相关的奇怪功能。例如，我们可以看到当用户使用它时，输入身份证号码的节奏会不同，这种节奏与客户的逾期率有关。我举的例子不容易理解，但是你会发现有更多的特征，它们实际上是非结构化数据，这是一种人类无法解释的数据。就像阿尔法戈一样，如果你用规则引擎来写这样的规则，你知道他为什么玩这个游戏，但是你实际上不知道阿尔法戈为什么玩这个游戏。

在特征领域，我们可以发现一些比人们的经验更深刻的特征，而大多数特征是不能用人们的计算能力来计算的。有了这些特征，为什么我们能知道这些特征与逾期率有关？这取决于我们的下一个模块。

二、人工智能机器学习模型

我刚才谈到不要依靠传统的金融专家来告诉我们什么是好的，什么是坏的，为什么？

回到我们最初的数字，我们每月的业务量已经超过150万，这150万意味着什么？这意味着每天有50，000-60，000用户使用我们的信用服务。下个月这50，000-60，000个用户的实际表现将告诉我们他是好用户还是坏用户。相对来说，与人们的经验相比，我们更相信实际数据。

这只和刚才的那只猫非常相似，甚至比那只猫还要好。没有必要雇人来标记什么是猫，什么不是。用户实际上会通过行为告诉我们。

当这50，000-60，000个用户每天返回时，粗略计算一下，有50，000-60，000个用户，每个用户有1200个特征点，所以你每天处理的特征点的数量是几千万，这次可以完全告诉我们什么是好用户，什么是坏用户。

就像传统的风险控制者一样，他的风险控制也来自于对一些案例的研究。他今年可能会放几百支笔，明年再看这几百支笔的效果。但是他的规模和速度远远落后于机器。

因此，每月的机器学习次数实际上是数百次，这与传统金融不同。传统金融可能每六个月和一年重复一次模型，但是我们的模型每个月和每天都有很大变化。

我们没有一个在线运行的模型。事实上，当每天有数万笔贷款在网上发放时，背后有数百种模式。这与传统金融截然不同。

第三，anubis大数据计算架构

为了支持如此大的计算量，我们构建了大数据计算架构，每天处理的数据量已经超过5t。事实上，只需要15分钟就可以迭代完整的特性样本，真正的在线审计是8秒钟。因此，所有这些都是传统金融的新变化。

从实际案例来看，利用人工智能技术解决财务需求确实是一个有趣的话题。我们发现金融自然会处理数字，所以这里会产生大量的数据，金融自然是一个有非常清晰的正负样本的业务，或者不偿还，股票涨跌，保险赔偿与否，这些都是实际迭代的样本和学习对象。

我们发现机器比人类更擅长处理大量数据的定量计算。人们更适合的是定性。他们可以做，但如果做不到，就拒绝。机器学习比人类快得多。此外，机器没有偏见，没有疲劳，也没有道德风险。我们不必担心说有许多从业者像传统金融领域一样进行欺诈。我们的机器没有欺诈部件。

当您使用大量特征点时，您还会发现欺诈用户根本无法启动。他不知道你是怎么做这个模型的。如果你是一个规则引擎，它很容易被破坏。

然而，我们发现传统的金融资产生成和风险控制方式仍然停留在原有的规则引擎中，仍然使用传统的专家经验来找出什么是猫，什么不是猫。

我们认为，互联网金融正在进入下半年的革命，而下半年的真正核心是内部技术(引擎革命)。

传统金融实际上是一种燃烧不充分的金融。传统金融引擎燃烧的是什么？这是专家的经验和人力。我们认为新的金融模式不应该是这样的。新能源下金融模式的引擎是燃烧数据、算法和工程师。这是一个新的引擎，真正的价值来自新的引擎。

传统金融使用这种引擎的原因受到传统的限制。你会发现，当传统金融开展业务时，它通常基于以产品为中心的模型，这种模型首先定义了一些产品。例如，白领贷款、工资贷款、汽车贷款和企业贷款通常先定义一种产品，然后定义规则，然后根据规则找到人。这非常类似于我们的丈夫生产一批35号和40号的鞋子来寻找适合这些鞋子的脚。这种模式实际上是有问题的，因为有时当你的脚很小的时候，穿这双鞋是非常不舒服的。如果你的脚很大，那就是传统金融。

然后我们期望在新的金融模式下，我们可以先找到人，通过技术评估一个人，通过电子商务判断一个人的风险，然后为他提供适合他的金融产品和金融能力。

传统金融是少数金融。如果我们想改变这些问题和不平等，我们需要一个更智能的金融。

雷锋原创文章。严禁擅自转载。详情请参考转载说明。