來源：金融界網站
11月25日，360數科首席科學家張家興博士做客InfoQ《大咖說》欄目，在直播中分享 AI 技術在金融領域的落地現狀、普惠金融的整體邏輯和技術發展路線等話題。
張家興指出普惠金融在當下風口，正處於無科技不金融的時代。每個金融科技公司在市場中應找到其所屬生態類的特點。「對於360數科來說，第一我們做事情是以人為本，第二我們從創立之初就帶有安全標籤，數據與信息安全是我們的強項。」
「以人為本」實現智能普惠連結願景
「以人為本」的金融科技的底層邏輯就是「找到人」和「看準人」。「找到人」即通過精準投放、智能運營、有效觸達，利用大數據及模型，從十億人群中大海撈針，精準定位到有需求的個人。而後通過智能運營了解用戶並提供相適應的產品和服務，最後則運用有效手段觸達用戶。「看準人」則是要精準預判潛在用戶的風險，通過風控策略，對人群標籤進行精細劃分，基於足量數據的機器學習實現用戶刻畫。
做到「以人為本」離不開人工智慧的應用。在具體談到人工智慧在金融領域的落地情況，張家興認為目前自然語音處理、圖像技術算法以及基於大數據的機器學習是金融領域應用較為廣泛的技術，與此同時，這些技術仍有很大的發展空間。
在語音技術領域，對話機器人的廣泛應用使得高效大規模觸達用戶成為了可能。「對話機器人以量取勝，雖然解決的是最簡單的問題，但是解放了90％的工作量。」以360數科語音機器人為例，目前機器人能夠完成83％的資產清收工作、90％的電話營銷工作、91％的客戶服務工作以及100％的質檢工作。
技術層面，360數科完成了語音技術中自然語言處理、自動語音識別技術（ASR）、文本轉語音（TTS）的全閉環自研。360數科的機器人體系不僅在業務層面全面應用，同時已向多家已向多家金融機構與金融科技企業輸出。「從應用層面我們確實做到了行業領先位置，但宏觀看，對話機器人還可以優中更優。」張家興認為，基於知識的推理以及多輪交互還有廣闊的成長空間。
圖像計算在金融領域的應用以人臉認證、支付、票據識別為主，通過圖像對人和物、場景做理解。360數科目前聚焦基於活體檢測的「無源人臉識別」研發，能夠洞察帳戶異常操作情況，感知帳戶是否是本人操作，從而遏制欺詐行為。不同於眾多金融科技公司通過引入第三方技術力量搭建人臉識別、圖像識別等技術，360數科自主研發的識別技術不僅應用於自身各業務場景中，並結合風控模型、黑名單等輸出給其他金融機構用於反欺詐應用。
看家本領保障數據與信息安全
在金融領域，數據安全至關重要，AI自動化在其中是不可忽視的力量。張家興表示，在數據安全層面，通過AI模型和算法將數據安全監控作為重點，防止人在接觸數據的過程中有意或無意地產生數據風險。360數科通過研發的 「矛」和「盾」，精煉了360數科多年來打造的信息安全能力。
具體來看，360數科利用360安全大腦和最前沿的AI模型技術，實時掌控網絡安全動向和數據流向，在內部構建了諾瓦雲盾安全平臺為中心的日誌分析系統，嚴格把控數據的使用和操作權限，構築起了金融風險防禦系統的「盾」；在外部，360數科則打造了山海安全安全態勢感知系統，主要抓取負面內容進行安全預警，監控敏感數據流向和使用，以此形成防禦系統的「矛」。
另外，以聯邦學習為代表的機器學習技術是張家興認為金融科技領域值得關注的話題。「這個世界的數據往往是孤立的。如何能夠在保護隱私的情況下安全使用，是機器學習技術可以深入挖掘的。」
為解決數據孤島問題，360數科首提聯邦學習新框架——分割式神經網絡，在框架設計上徹底解決了數據洩露的問題，使得數據間安全、合規、有效地流通。與傳統聯邦學習不同的是，分割式神經網絡技術框架輸出層數據的維度遠小於原始輸入層的維度，即使輸出層的數據沒有加密也無法反推原始輸入層的數據。由於輸出層數據的維度較小，也可以大幅降低伺服器端的計算量與內存使用量，減少網絡傳輸量，降低對帶寬的要求。
面向未來，張家興認為企業應該向大數據、大算力、大模型方向進行技術布局，在技術變革的洪潮中佔得一席之地。