AI與金融之間的交融已經進行了很多年,金融業天然的風險屬性、服務特性為AI的落地應用提供了廣闊的土壤。有統計顯示,近十年,受益于決策式式AI等技術的長足進步,AI在金融領域的應用大幅提升,其中IT部門的應用占比超過了60%。
決策式式分析技術能夠幫助金融機構更好地進行智能分析與決策。有這樣一個例子,一家國有銀行委托百融云創幫助其分析5000個已確認的欺詐樣本。通過復雜關系網絡模型,百融云創成功地挖掘出了與這些樣本相關聯的9000余個團伙欺詐客戶。在這些欺詐客戶中,有83%的人在申請貸款時已被銀行拒絕,但仍有17%的人成功獲得了貸款,這導致銀行整體壞賬水平陡然上升。
“如果銀行在貸前采用基于復雜關系網絡的機器學習算法,便有可能識別并拒絕這些高風險客戶,有效降低銀行的壞賬率。”百融云創CEO張韶峰介紹。
借助復雜關系網絡,百融云創將現實世界中錯綜的人際關系抽象成圖譜。這樣一來,便能實現對客戶的“升維認知”,將原本錯綜復雜的客戶管理問題轉化為清晰、可視化的拓撲網絡。利用關系圖譜,百融云創對欺詐風險識別的準確率可接近90%,對團伙欺詐的違約率預測可提升4到10倍。
在張韶峰看來,過去十年來,基于知識圖譜、機器學
“關系圖譜系統能保持高達tps6000以上的高性能計算。”張韶峰介紹,目前關系圖譜系統已經廣泛應用于反欺詐、
貸后管理等領域,為金融行業提供了強大的支持,并有助于挖掘和防范金融風險。
不僅如此,在風險評估、信用評級等多個領域,均有決策式式AI技術在發光發熱。借助先進的機器學習技術,百融云創將客戶的行為信息等弱變量與金融活動產生強關聯,得以準確預測潛在的信用風險,幫助金融機構優化資源配置。
如果說機器學習、知識關系圖譜是AI技術在金融領域的第一代應用,那么生成式AI則代表了AI應用步入新的階段。
百融云創基于深度學習Transformer框架,結合NLP、智能語音等技術,打造了場景驅動的產業大模型——BR-LLM。百融云創自主搭建了大模型底層框架,通過深度微調能支持百億級參數的訓練。
百融云創大模型主要提供AI開發、智能交互、分析決策的三種服務能力。在開發端,不僅適用于金融機構不同開發能力的技術人員,也適用于非技術人員實現自動化開發。在交互端,提供語言理解、多輪對話、語言處理、文本生成“聽、說、讀、寫”四種能力,適用于金融營銷、客服等場景;在決策端,為金融全生命場景的智能決策提供更全面的信息,為決策效率的提升注入更為強大的動能。
免責聲明：市場有風險，選擇需謹慎！此文僅供參考，不作買賣依據。
關鍵詞：
