首届由华人学者领衔发起的分布式AI学术会议DAI 2019于15日在北京圆满落幕，这也是继JCAI2019、IROS2019、EMNLP等学术会议之后，又一花落中国大陆的世界顶级学术会议。AI在金融中的应用成为与会者重点关注领域，图灵奖得主姚期智、蚂蚁金服集团副总裁兼首席AI科学家漆远以及氪信科技CEO朱明杰，分别从各自研究和实践角度出发，给出了中国“AI+金融”的世界级答案。
其中，大会荣誉主席、图灵奖得主、清华大学教授姚期智院士做了题为 Fintech: A Meeting of Minds Between Computer Science and Economics 的主旨演讲;蚂蚁金服集团副总裁兼首席AI科学家、达摩院金融智能实验室负责人漆远做了题为 Multi-agent MachineLearning for All-Inclusive Finance 的演讲，氪信科技创始人兼CEO朱明杰做了题为 Practices of AI in Finance 的演讲。
【大会荣誉主席、图灵奖得主、清华大学教授姚期智院士】
【蚂蚁金服集团副总裁兼首席AI科学家漆远】
氪信CEO朱明杰作为业界代表，向与会者展示了工业界“AI+金融”的最新实践成果。
朱明杰指出，中国金融用户量和数据量都是世界最大的，但是使用效果和性能还有巨大的提升空间，这是中国金融业运用AI等技术“弯道超车”的绝佳机遇点。
以移动支付为例，2018年中国移动支付市场规模已经达到25万亿美元，而美国是1600亿，前者是后者的百倍以上;移动支付用户量方面，中国已达到6.2亿人，美国是1.57亿人，中国如此庞大的市场规模和用户数为AI金融提供了巨量的数据。
但是移动支付并不发达的美国，仍然具有全球最大的无现金交易量，这是因为美国拥有成熟的信用卡体系。截止2018年12月，中国狭义消费信贷余额是87994亿人民币(折合1.26万亿美元)，美国同期不含房贷的消费信贷是4万亿美元;就信用卡人均拥有量而言，中国则远低于美国：前者为0.5张，后者2.6张。这意味着，中国居民消费市场尚有巨大潜力可挖——关键在于提升消费信贷可获得性同时，保证风险控制水平和服务效率的同步提升。
“在金融行业，数据的使用规范面临着比在计算机视觉、搜索、语音识别等领域更为严格的限制，”朱明杰指出，氪信以银行为主的客户，尽管其用户已经超过1亿，但在使用大数据时由于一些历史原因和行业监管原因，受到比蚂蚁金服或微众银行等互联网金融平台更多的限制。为了进一步推动AI技术在银行现有数据基础上和业务场景下的使用效果，氪信与金融机构开展了一系列的合作共研，并加强与学界的密切合作，相关的实践成果也以论文形式呈现于WSDM, KDD, AMCIS等顶尖学术会议上。
朱明杰指出，针对不同类型的数据问题，需要不同的“解题思路”：比如建立在财务数据基础上的评分卡是传统信贷风控反欺诈的主要手段;线上借贷人群的财务数据尽管十分稀疏，在线行为数据却渗透率极高，但行为数据在使用上由于3V特性(即容量Volume、速度Velocity和种类Variety)带来了极大的技术挑战，氪信在实践中针对行为事件流数据、文本数据等不同类型数据，都提出了相应的算法模型。“我们通过一系列的实践证明了，这些行为数据可以变成AI能够处理的数据，并且验证了模型的有效性。”朱明杰说。
相关论文可参见：
WSDM 2018, Sequential Behavioral DataProcessing Using Deep Learning and the Markov Transition Field in Online FraudDetection;
WSDM 2018, Feature Extracting Framework for Online-LendingCollection Risk Modeling with X-Encoder;
KDD 2018, A Hierarchical VectorizedRepresentation of Knowledge Base for Short Text Based Financial Fraud Detection;
AMCIS 2019, Predicting Financial Risk Using Non-Financial Data: Design andEvaluation of a Predictive Analytics Framework.
海量非结构化的数据相较于传统数据库环境，不仅仅是数量级上的提升，更需要在保持性能的情况下进行计算。朱明杰以银行反洗钱场景为例，指出由于银行有限的硬件资源和对时间的要求，相关智能解决方案需要在几小时以内处理的数据量级是：一个银行3个月内3亿级别账户，100亿笔交易流水记录，500GB高度压缩的数据(如果未压缩则大于3TB)。对此，氪信给出的方案是将图卷积神经网络(GCN)运用到交易数据处理和群体风险识别当中，并结合列式计算引擎高效处理海量数据，在基准测试中取得了显著效果。DAI 2019会议上，朱明杰也详细阐述了该计算引擎特点和算法实现框架。
“今天中国的金融业，已经面临着世界级技术问题，有些甚至走到了无人区，需要我们给出世界级的AI解决方案。”演讲最后朱明杰表示。
DAI 2019由多位华人学者以及国际知名学者共同发起，其中，南洋理工大学安波(大会共同主席)、清华大学唐平中(程序委员会共同主席)、南京大学高阳(研讨会主席)、MSRA 秦涛(工业论坛主席)、南京大学俞扬(赞助主席)、天津大学郝建业(宣传主席)都在组织者之列，会议共同主席之一 Michael Wooldridge 是牛津大学计算机系主任、IJCAI 理事会前主席。图灵奖得主姚期智院士任大会名誉主席。
免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。
