对于非人工智能行业的人员来讲，一般是很难理解人工智能其中复杂的运行机制和精巧的逻辑结构的，但是这几年经过媒体的报道、业界的推广和企业的投资，人工智能技术已经出现了经典的应用场景和实用产品，如无人驾驶、聊天机器人、语音识别、人脸识别等等，可以说人工智能技术实际上对大部分人来讲已经不再陌生了。
然而人工智能从原理上讲属于一种通用性技术，并且是能够大幅度提高社会生产力的，这就像第一次工业革命的蒸汽机技术、第二次工业革命的电力技术、第三次工业革命的信息与通信技术一样，可以被广泛的应用到各行各业中，所以很多经济学家都将人工智能技术作为第四次工业革命的标志，其应用绝不限于前面提到的几种。为了方便，人们常将人工智能(Artificial Intelligence)技术简称为AI，通俗的理解就是“让机器代替人类完成重复性的、复杂性的工作，并且要求比我们人类做的要好”。
云端结构
现阶段的人工智能功能部署在云端服务器上，实现了智能分析与后端业务的隔离，这样可以有效减少后端服务器资源的使用，并且能够集中化管理，如下图所示，所有人工智能的功能将以云端接口的形式对外提供服务。云端服务器可同时接入多家金融机构的服务器，并为其提供服务。
技术架构
云端人工智能包含了很多新型高效的框架，比如tensorflow、tensorlayer、keras、xgboost、sklearn等多种框架，可以针对不同问题采用不同类型的多种学习算法。
创新算法
针对贷后催收系统分案问题，在业界我们首次提出了一套算法流程，具有很强的独创性，其目的主要是想让分案变得更加合理化，下面是该算法的核心流程。
智能分案功能界面
大智弱预
“大智弱预”是我们一个新型的金融风控系统，具体来讲：
1. “大”：体现在大数据量和大数据库上，使用新型的NewSQL技术，完成海量数据的在线和离线分析任务，构建强大的数据仓库平台，并且能够无缝的迁移现有的MySQL数据库。
2. “智”：体现在风控模型和强大的AI算法上，为了提高人工智能的计算能力，降低模型训练和预测时间，加载英伟达的高性能GPU芯片。
3. “弱”：是指我们的风控系统中能够从与金融信号无直接强相关性的用户数据中提取出金融特征，在无强数据支持的情况也能给出可靠的审批判断。
4. “预”：是预警的意思，对于贷前，智能风控系统最终将以概率的形式给出用户的风险评判，并且使用者可以设定控制门限，最大限度的避免经济损失。
人工智能在风控领域的应用目前已经在大数据的深度学习方面进行了应用，使用了集成学习、RNN(LSTM)、无监督聚类（关联分析、社区挖掘）等算法使得最大KS达到0.45，逾期率达到降低32%的测试目标。
在设备指纹的反欺诈方面的工作以及智能语音客服的研究也在紧张地开展中，展望2018年上半年，我们在贷前风控及贷后催收领域的人工智能应用将会广泛集成到众多App中，真诚地为广大金融服务机构提升服务。
网友评论