清华大学金融科技研究院孵化
金融科技与金融创新全媒体

扫描分享

本文共字,预计阅读时间

最近,央视《机智过人》的一期节目引发广泛关注:

宁波国家高新区一家企业开发的名为“阿尔法鹰眼”的智能识别系统获邀参加节目,其与8名参与过护航、撤侨的原蛟龙突击队队员过招。面对这些“泰山崩于前而色不变”的钢铁战士,“阿尔法鹰眼”使用了视频帧间运动振幅情感AI算法,判断人是否说谎、紧张等情绪变化,精准地捕捉到了最细微的情感波线,用“情感AI读心术”成功地找出了这8名队员中唯一的狙击手。

事实上,近年来随着情感AI技术发展突飞猛进,央视节目中的特种兵测谎场景只是小试牛刀。在真实世界中,情感AI技术已经开始在安防、广告、教育等与特殊人群密切相关的行业中得到初步应用。

而在被视为高端服务业的金融业中,各种人群会因为与金钱之间的千丝万缕的关系而时刻发生着极为复杂的各种交互,尔虞我诈、互相博弈等情形比比皆是,情感AI技术在这样的关系高度复杂、利益紧密相关的场景下将大有所为。

为了说明情感AI技术对于金融行业的重大影响,我们首先来了解一下情感AI技术的基本原理和发展前景。

情感AI时代的帷幕已经拉开

情感认知是人类的本能,几乎每个人都具备这种认知能力(EQ)。然而,与智商(IQ)不同,这种有关情感的认知能力和认知结果在过去很难被量化,我们只能凭借主观判断(各种形容词)去评价某个人的情绪状态。

如今,情感AI技术就是要解决这个量化问题,它是通过什么原理实现的呢?

(一)情感AI技术的起源:保罗·艾克曼与罗莎琳德·皮卡德

情感AI技术的基础在于心理学层面的情感识别分析技术,在该技术出现前,人类的情感只能用语言去描述,属于纯粹主观经验判断。而情感识别和量化技术由美国心理学家保罗·艾克曼教授创立,其最大的学术贡献是面部动作编码系统(FACS)。通过该技术,人类第一次可以通过科学标记计量的方法将高兴、伤心、害怕、愤怒、厌恶、惊讶、轻蔑等七种基本情绪进行科学定性定量分析。

而情感AI概念则是在1997年由麻省理工学院(MIT)世界著名AI专家罗莎琳德·皮卡德教授提出,其在MIT的跨领域尖端科学实验室Media Lab从事机器学习与神经科学的交叉研究,一手创立了Media Lab情感计算研究部,致力于将AI技术引入到情感的识别和量化研究中,她的著作《Affective Computing》开创了计算机科学和人工智能学科中的新分支——“情感计算”,从此开启了情感识别分析与AI技术相结合的全新情感AI时代。

(二)情感AI是AI向前发展的必然方向

情感AI=情感识别分析+AI。近年来,伴随着AI应用强大风口的到来,情感AI领域成为AI时代的重头戏和新路标。

具体来说,AI技术应用的爆发发生在2010年后(参见图1),相关技术相继在大数据分析、语音识别、计算机视觉、自然语言处理等应用领域取得重大进展,围绕数据处理、语音、图像等人工智能技术的创业创新大量涌现。

而按照尤瓦尔·赫拉利等人类学家的观点,人类的能力分为身体能力和认知能力两种。在工业时代,机器替代了人的体力即身体能力;在AI时代,机器替代的是人的脑力即认知能力。而认知能力又可以分为与智商相关的认知能力和与情商相关的认知能力。前者帮助人类解决自身与外部世界的认知和交流问题,比如处理数据所需的数学能力以及认知世界所需的图像、语音识别能力等。后者是解决人和人之间的沟通问题,比如日常生活中的人际关系处理能力、商业活动中的谈判博弈能力等,这些都需要准确评估他人的情绪、偏好等心理状态。

目前的AI技术应用大多集中在与智商相关的智能领域,并且相关技术已经相当成熟,无论是数字处理能力还是图像、语音、语义等信息的识别能力,AI已经开始超越人类,相关技术红利和创新已经渐渐看到了天花板。

因此,很多AI领域的顶级学者都在探索AI技术下一步发展的方向。例如美国斯坦福大学人工智能实验室与视觉实验室负责人李飞飞教授认为,“下一步人工智能的发展,需要加强对情感、情绪的了解,要走进认知科学,心理学。未来,从情绪到情感,最是人工智能未来前进的方向。”

《人类简史》作者著名历史学家尤瓦尔·赫拉利在刚刚出版的新作《今日简史:人类命运大议题》中论述道:“情绪也不是什么神秘的现象,只是生化程序反应的结果。因此在不久之后,只要用机器学习算法,就能分析身体内外各种传感器所传来的生物统计资料,判断人的性格类型和情绪变化”。

因此,从机器替代人类的大逻辑和历史路径来看,情感AI技术从实验室、象牙塔走向普罗大众,现在仅仅是个开始,但是其改变世界是“必然”。那么,情感AI技术在金融领域的应用将有什么样的新局面呢?接下来,笔者将以金融反欺诈为例,来阐释情感AI技术对金融世界的潜在影响。

情感AI技术如何实现金融反欺诈?

金融的本质是实现资金在供求双方顺利融通。而资金的提供者和资金的使用者之间天然存在信息不对称问题,因此就需要金融机构以尽量低的成本去降低或克服信息的不对称,这是金融机构存在的根本价值。

由于信息不对称形成的金融风险可以分为客观层面的信用风险和主观层面的欺诈风险。其中信用风险的成因较为复杂,与资金使用主体的自身情况、市场政策等外部情况相关,其造成的损失是相对损失,存在一定概率。而欺诈风险则不同,其属于资金使用主体恶意为之,其结果是绝对损失。因此,欺诈从来都是金融行业的毒瘤、金融机构的梦魇。

而由上文可知,情感AI技术的源头就是为解决“测谎”等情绪情感问题。因此,情感AI技术深刻改变金融业的开端就应该在金融反欺诈领域。事实上,情感AI技术在金融反欺诈领域的应用早已不是理论推演,平安一账通、翼开科技、竹间智能等金融科技公司正在努力将其一步步变为现实。笔者经过调研发现,目前这些公司的具体解决方案的底层技术逻辑类似,请看下文分析。

(一)情感AI技术为何能实现金融反欺诈?

情感AI技术在金融反欺诈过程中的角色,目前主要是替代信贷审核人员从事贷前面审环节。在传统信贷操作中,一个经验丰富的信审人员可以通过信息分析和察言观色等手段识别出恶意骗贷者,甚至有的时候需要凭借长期从事类似工作形成的职业“直觉”来认定,也就是格拉德威尔在《眨眼之间》一书中详细阐述的“不假思索的决断力”。在从前的人类认知中,有时候将这种能力归结为某种“天赋”,甚至带有某种不可知的神性意味。

然而,由于心理学和AI技术的突飞猛进和深度融合,越来越多的学者开始将这种能力定义为一种更为复杂的决策算法,是大脑神经元进行大量碳基计算的结果,而只要数据足够巨大,基础算法足够精确,人工智能通过硅基计算一样能够达到同样的结果。情感AI技术能够从事信贷反欺诈,就是让机器拥有了原以为人类独有的在信贷欺诈识别领域的“不假思索的决断力”。

机器是如何做到的呢?来看情感AI技术金融反欺诈的底层逻辑:

首先对金融机构的历史视频、音频数据进行抓取处理,得到微表情、声纹等核心的可用数据资源;

其次是对这些可用数据进行测量和标记,将其转化成心理学情绪指标数据;

随后,通过机器学习得出这些心理学指标数据与欺诈结果之间的关系算法,建立计算模型;

最后,将新用户的数据纳入模型进行分析,计算出被测主体的欺诈可能性。

依据上述底层技术逻辑,情感AI金融反欺诈若想实现,除了与AI相关的深度学习、神经网络等通用算法技术之外,还必须具备以下两大技术条件。

1、海量的数据资源

现代AI技术的基础是机器深度学习技术,其需要大量数据源进行自我训练从而形成AI算法,并且不断吸收新的数据源实现算法自我更新。情感AI技术也不例外,它能够实现金融反欺诈的重要前提是与人类欺诈心理相关的海量数据资源,相关数据量越大,算法越精确,技术的可用性越强。这些数据资源,根据层次和数据形式不同,可以分为四类:

一是原始数据,即金融机构通过录音、录像设备记录存储的音频、视频数据,这些数据在被处理和解读之前不具有任何实际意义。

二是人体表征数据,即可被测量的微表情、眼神、肢体动作、声纹等人体生理相关数据,需要从录音录像设备记录的视频、音频等载体中进行抓取。这些数据从时间维度可以分为历史沉淀数据和实时被测数据。前者主要被用来训练情感AI算法模型,后者则被用来分析被测主体的即时心理状态。此外,随着物联网传感器技术的高速发展,在可见的未来,金融机构可能通过更先进的设备获取血压、血氧等更复杂的人体表征数据,以便建立更为精确的算法模型。

三是心理打标数据。前文提到的保罗·艾克曼教授发明的面部动作编码系统(FACS)就是一种针对微表情数据进行心理打标的方法,将微表情数据转化成具备心理学意义的情绪标签,即人类的7种基本情绪,这些被打完心理标签的数据经过整理形成“心理标签数据库”。平安一账通在该领域则更进一步,其依照现代心理学理论,基于上述七大类情绪的框架,又细分至54种微表情,对每一种表情都通过精心设计的心理实验完成相应人脸表情数据的采集,总计多达数十万张图像数据。

四是欺诈结果测量数据,即真正具备金融意义和应用价值的数据。必须指出的是,经过上述方法测量出来的欺诈结果只是一个概率,而不可能直接做是否判断,这也是情感AI反欺诈与人工反欺诈的最显著区别。因此,这些欺诈结果测量数据可以定义为“灰数据”。根据欺诈最终实际发生的情况,可以统计出系统的识别准确率,并通过对实际欺诈结果与系统识别欺诈的偏差去修正底层算法模型,从而使算法本身更加精确。

2、关于欺诈机制的心理学研究

上文已经提到保罗·艾克曼教授是利用情感计算技术解决欺诈问题的先驱。经过数十年的研究积累,心理学界已经逐渐认清了欺诈心理机制的规律,并且可以从微表情、声纹等人体表征数据的异常变化预测欺诈可能性,这也是情感AI技术解决金融欺诈问题的基础科学理论根据。

比较常见的金融欺诈情形包括主体不实和信息不实,前者可以通过人脸识别、指纹识别等生物体证识别类的AI技术解决,后者则是通过面审解决,传统人工面审对面审人员的经验和能力要求极高,而情感AI技术就是要替代这些技艺高超的面审人员,将其面审流程标准化和审核结果数量化。

欺诈心理机制与微表情等人体表征数据之间的关系极为复杂,在此不可能详细展开,但我们只需要认识到欺诈心理作为一种异常心理状态,其必定会在微表情等人体表征数据上留下痕迹。此外,欺诈心理机制还需要心理学家精心设计的问题框架来激发,包括无关问题、有关问题、业务问题以及个别追问等问题流程,这些问题会让被测者的上述心理痕迹更易被机器测量。

事实上,由于人类的心理机制生成极为复杂,相关心理学理论成果汗牛充栋,目前各家市场机构选择的欺诈心理理论路径不尽相同,这也成为各家机构的杀手锏,这也是情感AI金融反欺诈市场能够百花齐放的根本原因。

随着AI底层技术逐渐与互联网一样成为技术基础设施,情感AI金融反欺诈技术公司比拼的终将是有效数据体量和心理学理论研究应用能力,现在来看,这条赛道才刚刚形成,谁能傲视群雄还有待观察。

(二)情感AI技术在金融反欺诈中的特殊价值

虽然情感AI技术在金融反欺诈领域的应用正在逐步变为现实,但是其价值还存在一定争议,特别是在当今金融行业,大数据风控在近年来已经成为主流风控范式,其展现了强大的金融风控能力。有市场人士认为情感AI技术可能只是看上去很美,事实上多此一举。然而在笔者看来,事实可能并非如此,情感AI技术是现行大数据风控技术的有益补充。

1、现行大数据风控的致命缺陷

互联网金融现行的风控基础设施是基于历史数据的“大数据风控”。其致命缺陷至少存在于以下两方面:

一是其只关注贷款申请人的历史情况,没法显示贷款申请人的即时情况,在贷款申请的当下,大数据评价是滞后的;

二是容易通过数据掺水造假,甚至反向精确制造大数据风控系统偏好的数据,使大数据风控系统完全失效。

互联网欺诈手段变得越来越多样,用户及互联网金融平台受到的欺诈风险也在急剧增加。统计数据显示,中国互联网欺诈风险已在全球排名前三,网络欺诈导致的损失已达到GDP的0.63%,这一数字仅次于美国的0.64%。

现有金融反欺诈行业都是聚焦历史数据的广度和算法,缺乏对自然人主体的主观风险评价机制,导致恶意骗贷/骗保/老赖等现象无法得到根本解决,甚至大数据的现存漏洞已经成为骗贷类黑产的源头。

2、情感AI技术应用在金融反欺诈领域的独特价值

针对上述现有大数据风控的致命缺陷,情感AI技术应用就有其用武之地:

一是情绪反欺诈数据来源是贷款申请人当前的微表情等实时数据,具有实时性,反映了贷款申请人当前的资信状况和主观心理状态。

二是除实时性之外,该数据还具有“不可伪造”的特点,贷款申请人是否说谎或者情绪异样,机器通过人工智能算法测量得出,除非经过专项反侦察的特种训练,这样的造假成本极高,因此情绪数据几乎不可伪造。

因此,情感AI技术在金融反欺诈领域,不仅解决了信贷面审过程中面审人员的随机性、主观性难题,还可以弥补现行大数据风控的既有缺陷,金融欺诈风险有望得到根本性防控。事实上,人脸识别等生物识别类AI技术已经根本性解决了长期困扰金融行业的因主体不实而导致的金融欺诈问题,情感AI技术将是AI赋能金融风控的下一站。

结语

随着情感AI技术的逐渐普及,更为智能的AI技术将深刻地改变金融行业,金融反欺诈仅仅是开始。在未来,智能营销、智能催收、智能客服等领域都将因情感AI而迎来全面变革。

当今金融行业被公认为金饭碗,原因在于金融从业人员大多需要具备丰富的专业知识和高超的人际沟通能力(前者已经被互联网大大削弱,后者显得越来越重要),而情感AI是对人类的终极性替代,机器从此不仅比我们知道得多、计算得快,甚至比我们更理解自身和他人的主观感受,在这样宏大的未来科技变革的大背景下,或许我们应该重新思考金融行业的未来和我们自身的未来。

(微信公众号:苏宁财富资讯  作者:苏宁金融研究院高级研究员 赵一洋)

[Source]

本文系未央网专栏作者发表,属作者个人观点,不代表网站观点,未经许可严禁转载,违者必究!

本文为作者授权未央网发表,属作者个人观点,不代表网站观点,未经许可严禁转载,违者必究!

本文版权归原作者所有,如有侵权,请联系删除。

评论


猜你喜欢

扫描二维码或搜索微信号“iweiyangx”
关注未央网官方微信公众号,获取互联网金融领域前沿资讯。