北京2017年8月15日電 /美通社/ -- 近日，海致網(wǎng)絡技術（北京）有限公司金融業(yè)務副總裁楊娟女士對于知識圖譜在智能金融發(fā)展中的重要作用進行了解析。以下是她的觀點全文：
隨著與云計算、大數(shù)據(jù)、物聯(lián)網(wǎng)等相關產(chǎn)業(yè)的協(xié)同發(fā)展，人工智能在歷經(jīng)60年的起伏之后，如今已經(jīng)在全球范圍形成了新一輪的搶位發(fā)展態(tài)勢，不僅提供了經(jīng)濟創(chuàng)新發(fā)展的新動能，而且正成為助推各行各業(yè)轉(zhuǎn)型升級的新引擎。國務院印發(fā)的《新一代人工智能發(fā)展規(guī)劃的通知》也著重指出，應該“推動人工智能與各行業(yè)融合創(chuàng)新”，在重點行業(yè)和領域開展人工智能應用試點示范。
眾所周知，人工智能的底層支撐是大數(shù)據(jù)和算法，無疑應在數(shù)據(jù)資源豐富、數(shù)據(jù)價值密度高的行業(yè)率先發(fā)展。這正是金融行業(yè)擁抱人工智能之天然優(yōu)勢：一方面，金融企業(yè)在業(yè)務開展過程中積累了海量數(shù)據(jù)；另一方面，這些數(shù)據(jù)包括客戶身份、資金收付交易、資產(chǎn)負債情況等，數(shù)據(jù)價值密度高，在運用專業(yè)技術挖掘和分析之后，價值轉(zhuǎn)化概率高，潛在的商業(yè)價值大。
國務院相關部門當然不會忽視這點，其《通知》給出了人工智能在金融行業(yè)應用的具體范圍，即：建立金融大數(shù)據(jù)系統(tǒng)，提升金融多媒體數(shù)據(jù)處理與理解能力。創(chuàng)新智能金融產(chǎn)品和服務，發(fā)展金融新業(yè)態(tài)。鼓勵金融行業(yè)應用智能客服、智能監(jiān)控等技術和裝備。建立金融風險智能預警與防控系統(tǒng)。
知識圖譜是實現(xiàn)智能金融的重要臺階
1948年，信息論創(chuàng)始人香農(nóng)提出“信息熵”的概念來描述系統(tǒng)的混亂度和可理解程度：系統(tǒng)越有序，則熵越低。“序”的建立和熵的降低都需要外部做功。過去金融機構(gòu)中的審貸官、客戶經(jīng)理、風險經(jīng)理等從業(yè)者收集資料、分析資料、研究資料、決策的過程實際就是建立在對人的體力和腦力進行消耗基礎之上從而做功以建立起“序”的過程，而人工智能時代的來臨意味著人腦做功向機器做功轉(zhuǎn)化，由機器來自動采集、解析互聯(lián)網(wǎng)文本、信貸文本、資金流水數(shù)據(jù)、信貸抵押數(shù)據(jù)等，建立關聯(lián)，迭代模型，發(fā)現(xiàn)秘密，找出規(guī)律，逐步將金融從業(yè)者從勞動中解放出來，建立起“序”。
“序”的建立，遵循“從數(shù)據(jù)到信息，從信息到知識，從知識到智慧”這樣一個邏輯遞進的關系。目前，大多金融機構(gòu)對于數(shù)據(jù)的應用處于“從信息到知識”的階段，而知識圖譜善于從信息中發(fā)掘和構(gòu)建深度的知識關聯(lián)，使得信息價值顯式化，從而提供更智慧的決策支持，將是金融機構(gòu)邁向智能金融的重要臺階。國務院《通知》中，在提及“建立新一代人工智能關鍵共性技術體系”時，也著重強調(diào)，需要構(gòu)建“跨媒體分析推理技術”，重點突破知識圖譜構(gòu)建與學習、知識演化與推理、智能描述與生成等技術，實現(xiàn)跨媒體知識表征、分析、挖掘、推理、演化和利用，構(gòu)建分析推理引擎。
萬事俱備，只欠東風。知識圖譜技術與金融業(yè)務在實踐中進行結(jié)合的深入程度，決定著智能金融發(fā)展進程的快慢。
知識圖譜技術在銀行公司金融領域的應用
知識圖譜技術在金融領域的落地，首先應選擇“關系”密度較大的業(yè)務領域，企業(yè)與企業(yè)、個人與個人、個人與企業(yè)、賬戶與賬戶、賬戶與產(chǎn)品等，商機與風險存在于各類主體之間的關系的發(fā)展與變化之中；其次應選擇有新興數(shù)據(jù)源帶來新的信息點的業(yè)務領域，在當今大數(shù)據(jù)技術極速發(fā)展的背景下，互聯(lián)網(wǎng)數(shù)據(jù)的采集與解析、金融機構(gòu)內(nèi)部非結(jié)構(gòu)化數(shù)據(jù)的挖掘和利用是兩種重要的信息補充方式。
以涵蓋了公司金融部、信貸管理部、風險管理部、貿(mào)易金融部等相關部門的銀行公司金融領域為例，通過知識圖譜整合和關聯(lián)銀行內(nèi)部結(jié)構(gòu)化數(shù)據(jù)、非結(jié)構(gòu)化數(shù)據(jù)以及互聯(lián)網(wǎng)采集數(shù)據(jù)、第三方合作數(shù)據(jù)，發(fā)現(xiàn)和建立企業(yè)與企業(yè)之間的集團關系、投資關系、上下游關系、擔保關系，企業(yè)與個人之間的任職、實際控制、一致行動關系，能夠及時進行商機的發(fā)現(xiàn)和風險傳導的識別。例如，當某一企業(yè)發(fā)生了風險事件，銀行可以通過知識圖譜及時預測未來有潛在風險的關聯(lián)企業(yè)，從而可對相關企業(yè)的風險做出預判，盡早地發(fā)現(xiàn)并規(guī)避風險?；趫D挖掘分析技術，利用支持向量機、Pagerank等機器學習方法發(fā)現(xiàn)信貸風險傳導模式。例如，A為違約客戶，B、C、D與A有著關聯(lián)關系，結(jié)合銀行擔保關系數(shù)據(jù)、資金流向數(shù)據(jù)等內(nèi)部特征，以及企業(yè)基本屬性、涉訴信息、輿情等外部特征，通過機器學習方法計算可得到A違約后B、C、D違約的概率，從而及時切斷傳播路徑。此外，通過知識圖譜幫助銀行發(fā)現(xiàn)企業(yè)所處產(chǎn)業(yè)鏈的上下游相關企業(yè)，發(fā)掘潛在客戶，實現(xiàn)“以點帶鏈”、“以點帶面”的客戶發(fā)現(xiàn)效果，也正日趨成為知識圖譜在營銷領域的成熟應用。
在這一過程中，知識圖譜技術與自然語言處理、機器學習技術相結(jié)合，可以衍生出更多、更豐富的智能應用場景。例如，通過對“同類型企業(yè)”的算法學習，識別出具有相同金融特征的企業(yè)客戶，根據(jù)同類型企業(yè)的歷史行為，為新客戶自動進行金融產(chǎn)品推薦和定價計算，縮短客戶經(jīng)理的學習曲線和判斷過程，成為客戶經(jīng)理隨身的營銷助手。再例如，通過對信貸報告中審批意見的文本解析，為客戶經(jīng)理自動生成貸后任務，并關聯(lián)至客戶經(jīng)理的績效考核系統(tǒng)，助力對公業(yè)務部門從人工化管理向智能化管理轉(zhuǎn)型。
在過去幾年從事智能金融工作的過程中，我個人的一點心得是：帶著人工智能相關技術，深入到銀行業(yè)務中去，會發(fā)現(xiàn)無窮無盡的智能化提升空間。
