金融行业与整个社会存在巨大的交织网络，在长期的发展过程中沉淀了海量数据，如客户身份数据、资产负债情况数据、交易信息数据等，金融业对数据的强依赖性为人工智能技术应用到金融领域做好了准备。按金融业务执行前端、中端、后端的模块来看，人工智能在金融领域的应用场景主要有智能客服、智能身份识别、智能营销、智能风控、智能投顾、智能量化交易等。
身份认证主要通过人脸识别、指纹识别、声纹识别、虹膜识别等生物识别技术快速提取客户的特征。近年来，金融机构对远程身份识别、远程获客需求日益增加，而人脸信息凭借易于采集、较难复制和盗取、自然直观等优势，在金融行业中的应用不断增加。人脸识别可实现客户“刷脸”即可开户、登录账户、发放贷款等，让金融机构远程获客和营销成为可能。在互联网金融领域，“刷脸”也可以应用到刷脸登录、刷脸验证、刷脸支付等诸多领域。同时，人脸识别可以成为银行安全防控手段的有效选择。银行安防的难点之一是在动态场景下完成多个移动目标的实时监控，人脸识别技术在银行营业厅等人员密集的区域可有效实现多目标实时在线检索、比对，在ATM自助设备、银行库区等多个场景下都可以应用。2015年，马云在德国汉诺威消费电子、信息及通信博览会上演示了蚂蚁金服的扫脸技术，并完成一笔淘宝购买，支付宝先后将人脸识别技术应用于用户登录、实名认证、找回密码、支付风险校验等场景智能身份识别中，并且日益成熟。中国人民银行发布《中国人民银行关于优化企业开户服务的指导意见》（银发（2017)288号），对新设企业开立人民币银行结算账户服务提出意见。央行鼓励银行积极运用技术手段提升账户审核水平，包括鼓励银行将人脸识别、光学字符识别（OCR）、二维码等技术手段嵌入开户业务流程，作为读取、收集以及核验客户身份信息和开户业务处理的辅助手段。
人工智能技术可以助力金融行业形成标准化、模型化、智能化、精准化的风险控制系统，帮助金融机构、金融平台及相关监管层对存在的金融风险进行及时有效的识别和防范。如图2-13所示，人工智能应用于金融风险控制的流程主要包括：数据收集、行为建模、用户画像及风险定价。智能风控可以协助金融监管机构防范系统性金融风险。人工智能+大数据分析技术可以助力金融监管机构建立国家金融大数据库，防止金融系统性风险。在信贷领域，智能风控可以应用到贷前、贷中、贷后全流程。贷前，助力信贷机构进行信息核验、信用评估、实现反欺诈；贷中，可以实现实时交易监控、资金路径关联分析、动态风险预警等；贷后，可以助力信贷机构进行催收、不良资产等价等。系统包含一组模型，会根据身份认证、还款意愿和还款能力三大维度，给申请贷款的用户进行信用评分，依据分值来决定是否应放款。有效提升了贷款审批速度和贷款获批率，并降低了贷款的逾期率。
人工智能与大数据技术导论
46