提到人工智慧, 我們會聯想到機器人、無人駕駛等感官上具象的體驗, 近期在各地成功上線的ATM機“刷臉取款”功能, 也讓大家見識到了金融機構的AI能力。 其實人工智慧早就已經開始介入整個金融流程, 從前臺的客戶服務、到中台的金融交易、再到後臺的風險防控。 不久前, 人工智慧技術與服務提供者第四範式發佈了可即時偵測欺詐交易的反欺詐解決方案, 就驗證了人工智慧在金融核心“風控”方面的分析和預測能力。
長期以來, 欺詐一直是金融機構的隱痛, 僅支付行業每年因欺詐造成的損失就接近千億,
首先, 在影響欺詐的因素中, 除了專家總結出的強規則, 還有很多長尾因素, 例如全國每一個區域發生交易欺詐的規律都是不一樣的, 過去專家只能對全國的交易進行分析, 而細化到省市縣, 這些規則其實是覆蓋不了的。
諸多因素導致專家規則目前在欺詐案件上有所局限, 而第四範式發現, 人工智慧技術其實非常適合像這樣有資料、(人工)服務不足, 且能帶來實際商業價值的場景, 因為從技術本質上說, 人工智慧其實只在做一件事——看資料, 然後寫規則, 從而替代原來由業務專家主導的總結規律、匯出規則的過程, 最終提升關鍵環節的生產效率。
此外, 專家總結的強規則很難命中”非典型“的新型欺詐手段, 但從資料上看, 這些”非典型“實際是一些模式(pattern)的變化, 機器學習對於出現概率低的異常模式(pattern)以及不斷更新中的特徵, 有較強的捕捉、總結能力。 因此, 即使欺詐手段發生細微的、亦或是徹底的變化,
第四範式反欺詐解決方案的核心優勢之一是可即時偵測欺詐交易, 據瞭解, 該系統基於“先知”平臺構建了一套面向機器學習場景的高性能、高可用架構, 能夠做到在交易行為發生時毫秒級響應,
過去, 當銀行發現客戶的交易有被欺詐嫌疑的時候, 在覆蓋60%欺詐交易的前提下, 每打1000個電話能夠發現1個欺詐, 難免給客戶造成困擾;而基於機器學習, 每打100個電話就能夠發現十幾筆欺詐。 目前第四範式的解決方案已經服務於擁有億級帳戶體系的金融機構, 大幅降低人力成本、提升金融風控及業務處理能力。