知因智慧CEO任亮：利用AI来发现金融领域里面的规律| 2018商业新生态峰会

原标题：知因智慧CEO任亮：利用AI来发现金融领域里面的规律| 2018商业新生态峰会

2018年，商业创新迈进新的阶段，商业创新在业务飞速发展的同时，伴随而来的也有风口大热背后的认知沉淀与实践积累。7月10日36氪联合《零售老板内参》举办的2018商业新生态峰会在北京举行。本届峰会以“质”为主题，希望新的时代浪潮下新商业企业可以看清商业本质，最终完成新商业的革新与升级。

随着产融结合的进一步发展，金融尤其是银行方面风控越来越被重视。

在今日举行的“2018年商业新生态峰会”上，知因智慧CEO任亮为我们讲述了如何通过AI连接金融产业，如何利用AI来发现金融领域里面的规律。

任亮表示，必须创造性地利用大数据和AI，帮助我们去更好的还原整个经济世界，更好的分析经济世界的风险和价值。

以下为任亮发言全文：

大家好，我是知因智慧的CEO任亮。很多人都说知因智慧的名字起得好，知其原因从而智慧，其实我在起这个名字的时候，真正的本意是知识基因或者叫智慧基因。我认为整个世界由两种基因构成，一种是推动物种进化的生命基因，一种是推动人文世界与经济世界发展的知识基因，我希望通过AI发现知识基因从而获得智慧。我自己从事金融行业，所以我们希望立足AI，去发现金融领域里的规律，获得知识基因，从而建立起产业的桥梁。

中美的贸易战已经开打了，所以下半年到明年我们会有很多企业受到影响，国家也在做七千亿的定项降准，这些钱如何流向实体产业和实体经济？我们认为最优解是通过产融知识图谱来解决当前的问题，所以今天我来跟大家分享一下如何通过AI连接金融产业，如何通过知识图谱去发现他们的规律。

我们先从世界杯谈起，足球界里有一套非常热门的战术，叫Tiki-Taka，梅西在这套战术中如鱼得水。它强调队友间的协同配合，避免单人作战，靠队友之间的区域跑位来创造空隙，从而赢得射门机会。

我们可以看到梅西在俱乐部踢球时，他的对手并不敢包夹他，因为周围的队友协同点很多，但是梅西在国家队时，战术施行的不那么完善，所以他常常会陷入重围，孤军奋战，于是我们可以得到一个结论：单点打不过网络，明星打不过系统。

如果做一个比方的话，我们谈知识图谱，可以说是我们人工智能领域里面的网络，因为它本质上就是一个语义网络，通过实体和关系的聚合建立网络，这个实体就是经济世界里面不同的对象、人和企业。同时它也是一套系统，因为它没有一个明确的边界，他可以把我们所看到的各种人工智能领域的方法和技术融合在里面，所以它非常强大。

去年有一篇文章叫做《为什么知识图谱终于火了》，探索了这么多年，大家可能发现在AI和金融这种需要高度专业知识的领域在落地的时候，知识图谱或许是一条最佳路径。我们来看一下整个智能技术发展的四个阶段，早期是专家系统，通过人来判断，之后是BI商业智能，一直到感知智能。今天我们谈大数据，人脸识别，图像、语音、文本等这些数据已经进入到我们的模型里，去帮助金融机构进行判断。再往后是认知智能，也就是人工智能建立起来的很多标签画像，通过识别个人，识别企业去判断它的信用。但是我觉得更重要的是现在万物互联，人在互联，经济也在互联，所以在一个互联的世界里面需要通过关系来去分析这个个体，我们不能仅用个人或者企业自己的数据分析它，而是要把它还原到网络里，用网络眼睛还原个体，于是知识图谱就成为了一项核心技术。今天我们谈产融知识图谱，核心的要义在于要把产业世界的一个关系体系建立起来，那么这个世界里面最核心的实体是什么？是企业，围绕企业建立起企业与消费者，以及企业与员工，企业与企业之间的关系，比如投资链、担保链、贸易链、供应链，通过这个企业建立起它跟上下游、行业、地域的关系，这三个层次的关系综合在一起叫做产业，通过大数据描述这个产业的实体和他们连接的类型，通过机器学习去提炼，这些实体和关系之间的规律和规则，所以我们把这三者融合在一起叫做产融知识图谱。

我们举几个例子来看一下产融知识图谱的表现形态，其实都是我们日常生活中间最容易理解的这些，比如说客户、控制关系、担保关系、资金关系等等，这些都是我们在股权方面的具体表现，包括供应链里面的上游、中游、下游原料商、批发商、生产商，这些不同的实体中间有不同的经济往来，这就是关系，这就是一个典型的知识图谱的例子。

更大范围的是产业链，一个产业通过他的上游和下游会建立起他们之间的经济依存关系，不管是新能源汽车还是房地产，它的原料和上下游，都是我们收集数据来构建网络的目标和对象，在金融行业不管你分析的是to C还是to B都是产业里的一个环节，都是一个实体。

现在一个难点是小微，小微获取成本非常高，而且风险非常大，怎么办？我们把小微企业聚集起来变成一个商圈，变成一个专业市场，这样获取对象会更容易获取一些数据，这些手段都是方便我们把原来孤立的个体放在网络里，更好的分析它。比如押品估值，房产本身价格在波动，而且价格变动是很多要素决定的，比如他周边的人口，经济变化，城市发展的策略等等。所以通过这些要素能去预测它的房价，房价的变动会影响我们金融里面的抵押品价值波动，这个会影响客户的信用，会影响用户所在群体的价值。我们从整个链条里面可以看到，这个经济世界是互联的，我们的大数据和AI就是要试图建立起这样一个网络，帮我们更好的还原整个经济世界，去分析他的风险和价值。

在产融知识图谱的框架之下，我们必须要创造性的利用AI技术，帮助我们去真正理解他们的规律，这些技术我们稍微总结一下，其实涵盖了整个产融图谱构建的全过程，包括了大数据和AI算法。

比如我们需要有领域知识的输入，因为我们做金融，金融一定有很多的领域知识，我们在判断一个企业和个人的时候，需要一个体系来判断，这些都是领域知识图谱。通过图计算，相关的各种算法去总结网络里面它们的特征。图谱构建完以后需要大数据来填补他们的关系去进行量化，除了我们最容易理解的结构化数据，BI技术之外，现在更重要的是需要把非结构化的数据也融合进来，前面有好几位嘉宾谈到了图像识别，这是非结构化数据的渠道，还有很多文本，特别像我们知因智慧着重在语义识别和文本识别上面，把非结构化的数据结构化，从而进入到模型里，量化之后我们去做预测。过去我们一直用概率统计模型，现在这个条件下仅用概率不够，我们需要做大范围的推理，需要去做量化和预测，然后把它运用到金融场景，去做金融事件的提炼，风险特征的发现，去做传导等等。

（编辑：应用网_镇江站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!