2019世界人工智能大会: 大数据与AI双引擎 飞贷金融科技让自动化建模触手可及

　　林洁琛

　　2019年是金融科技的变革之年，这种变革不仅体现在监管层对金融科技的重视，也体现在行业本身发生的种种变化。一周前，央行刚刚发布了《金融科技（FinTech）发展规划（2019-2021年）》，这是我国金融科技行业的首个发展规划和顶层设计，为行业发展指明了方向。

　　在行业领域，互联网巨头深耕垂直领域、银行系金融科技公司加快布局、众多科技公司开启转型突围，新技术不断催生金融科技新物种、新模式、新产业。AI正在影响传统行业的经营模式，特别是金融行业，从最初的颠覆恐慌，到如今的变革、融合、共建新生态。

　　刚刚落下帷幕的2019世界人工智能大会，是集最高级别AI学术研讨、最高水平AI技术博览会、最活跃的AI产业合作和未来AI社会超前体验于一身的人工智能盛会。其间联合国数字合作高级别小组联合主席马云和特斯拉联合创始人兼首席执行官埃隆·马斯克（ElonMusk）的“双马”对话，展现了科技与世界连接的无限可能。

　　作为入选美国沃顿商学院的金融科技案例，飞贷金融科技是国内首家覆盖业务全流程、运营全体系的移动信贷整体技术服务商，通过技术输出助力银行等持牌金融机构移动信贷转型，其在人工智能研究和应用方面一直走在行业前沿，会上其副总裁林庆治分享了他的观点，“人工智能的某些领域，已经迈向成熟期。”而打造企业大脑，就是企业实现商业化价值的重要体现。

　　自动化建模平台打造企业大脑

　　众所周知，人工智能发展至今，主要体现为智能交互、智能决策和智能行动三大应用领域。其中智能决策，即打造企业大脑，是一家企业商业价值和商业智慧的体现，因而难度最大。“未来会发生什么？什么时候发生？最好的发生方式是怎样的？”对于一家企业而言，要通过建模的方式做出上述预测，从而做出决策，面临的挑战是显而易见的。

　　首先是技术门槛较高，理论复杂，工程量巨大，并且机器学习“黑盒”模型内部工作机制难理解。在人员方面也是考验重重，“面试100个人，合格的可能只有2个。”林庆治表示，还有一个问题是模型效果往往不够稳定，难以做到及时更新，需要时刻监控以保证线上线下效果的一致性。

　　近两年开始，谷歌将AutoML这一名词带入更多人的视野，其用AutoML命名了探索自动设计机器学习模型的方法，也就是让机器自动完成特征工程、模型训练、自动调参的工作，使整个机器学习过程更加自动化。在AI人才紧缺的情况下，降低对AI科学家的依赖。这种方法已经引起国内外科技巨头广泛关注。

　　目前，市场主流建模平台厂商大致分为三种类型。第一类是大数据分析型，主要是由传统BI厂商转型成分析建模平台，主打开源、低价，以传统建模方法为主，缺乏自研算法，竞争门槛低；第二类是AI驱动型，AI平台厂商涵盖从数据到模型上线的完整建模流程，自研优化机器学习算法，但往往流程和概念复杂，平台难以上手，学习成本较高；第三类则是大数据与AI结合型，在大型金融机构积累了大数据和AI实践经验，根据应用落地全流程自研平台，此类平台自动化程度高，更贴合企业实际应用需要。

　　主打大数据与AI相结合的飞贷金融科技自动化建模平台，拥有低门槛、全流程自动化、模型可解释性、自研AutoML算法、高效能计算架构和自学习六大特点。

　　首先，该平台交付简单，极致易用，成本和上线周期仅为传统建模平台的十分之一，新手引导和帮助提示给予极致的用户体验。基于J2EE架构，支持Windows/Linux/Unix/Mac等主流OS平台，平台支持全部云端OS，支持公有云、私有云和混合云架构。

　　其次，平台覆盖数据探索、自动特征工程、自动模型训练、自动生成可解释报告以及一键应用部署上线的全生命周期，全流程无需任何编程技能。

　　再次，多种直观的模型评估可视化和强大的可解释能力，让模型的应用更透明，实现AI应用零门槛。

　　此外，在算法方面，飞贷金融科技自主研发了自动特征工程、自动算法调参等Automl算法，在执行过程中进行了大量的计算优化，大幅度提升模型精准度和训练效率，保证了平台的高性能。

　　最后，飞贷金融科技自动化建模平台的自学习系统支持模型自动调优，不断地从新的数据中学习，及时应对各种外部变化，极大提升了模型的准确性。