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

接下来我们来看，在刚才提到的体系下，金融场景是怎么影射的？其实我们最早的金融评估就是打分卡，对应的是我们的专家系统，后来引入西方的巴塞尔协议做内部评级法，这个就是我们的BI商用制度，现在通过万物互联和知识图谱获得模型，对应的就是认知时代，所以金融和AI高度相关。

纵观这段发展历程，金融方面我们其实一直在学习西方，同时也落后于西方，但是从产业知识图谱这个角度来看，中国反倒走在前列，为什么呢？因为我们有自己的现实问题，也有自己的独特条件，我们面对的现实问题是中国的企业关系网络高度复杂，而且风险频发，比如说十年前德隆系风险事件发生后造成了连锁性风险蔓延，所以这是我们面对的问题。另外我们中国的数据又比较集中，因为我们有强势的政府和监管，政府会收集大量的跨领域的数据，这为我们建模型创造了条件。其实我们早在十年前，2006年的时候就已经通过监管的牵头和驱动，在从事相关领域的研发和推进，当时我也非常有幸参与了整个过程。从风险集团事件的发现演进到2009年我们把这套体系和模型推广到商业银行的机构，开始做商业化的实践，并且在学术上我们第一次提出了一套基于关系网络和行为角度去建模的方法，而不再局限于传统的基于财物报表和评价的方法来去预测风险。

2009年再往后，我本人在中科院一直从事相关算法方面的研究，后来去IBM做金融大数据方面的探索，一直到2016正式创立知因智慧，我们数据产业的成熟，我们金融客户需求的爆发也推动我们做了很多标杆性金融事件，这些事件代表了我们产融知识图谱的方向，它所能解决的问题，的确可以跳脱传统的限制，在风险管理，精准商机的发现上取得更好的效果。

接下来我们看一下金融场景该如何应用产融知识图谱，在这个体系之下，最底层是3K平台，KW、KE、KG，这是知识图谱的三个核心组建。KE解决的是知识的进化过程，是包含AI算法的建模平台；KG是知识可视化平台；KW是核心的知识仓储，我们一直在采集大数据，但这些数据如何能够变成我们场景所需要的核心体系，在这里面我们叫知识仓储。举一个例子，比如说这里有实体库、关系库、标签库、事件库、语料库等等。我们以前识别一个人或者企业的时候需要分析它的ID，但如果没有ID该怎么办，怎么判断它是同一个企业？比如说IBM，IBM是一个简称，2016年大裁员是一个风险事件，而我们银行记录的是国际商业技术有限公司，这是一个全称，这两个词不匹配就不能纳入模型变量里，实体库就是解决这个问题。很多这样的内容我们把它打包在一起叫做知识仓储，通过这些支撑来建立客户谱系，我们把原来那些孤立的个体变成一个网络，包括产业谱系，客户谱系还有它的画像以及事件，原来我们看风险舆情，是客户经理自己去辨别，现在我们用机器能够读懂舆情，能够把舆情纳入到风险变量里，整个体系我们称之为AI盒子，通过AI盒子我们把这些工作整合在一起，赋能给公司金融、小微金融、风险管理、大资管、大零售等具体场景。

接下来我们通过一个个组件来理解一下整个产融知识图谱的实现过程。比如说谱系，谱系是图谱中的核心组件，通过它我们可以描绘它的股权关系，也可以描绘它的产业关系，这样我们才能完成把个体还原到网络里的第一个步骤。接下来我们要去计算它们的传导，他们的影响，在这个网络里面当一个点发生问题的时候，它对关联的点和其他的点都有什么样的影响，那么我们必须要去收集金融事件，并量化事件，必须要测算出传导路径，这就是我们的作用。谱系+事件这是我们整个K+盒子里面的核心内容。

（编辑：PHP编程网 - 襄阳站长网）

【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!