金融科技知识图谱助力人工智能发展

图2.1　人工智能相关支持技术模块知识图谱

在历届金融博览会上，可以看到全球各大IT公司颇具规模的展位，这是因为金融是信息技术的最佳应用场景之一。新技术不仅在金融领域的应用最容易产生效果，而且金融业也最容易为新技术的红利买单。金融科技的成功应用往往能够带动一般经济场景的技术应用，例如，从作为金融科技代表性产品的ATM机的引入到现在各种各样的民用一体机的广泛应用，从金融领域的人脸识别的深入应用推广到各种生活场景的生物识别。人工智能相关支持技术模块知识图谱如图2.1所示。

首先，金融科技并不是一个全新的名词。从过去的机械动力和电子技术对金融业的改变，到信息技术和金融业务的融合，只能说技术进步对金融业的影响越来越深入，其迭代升级越来越快。

本次信息技术浪潮以大数据、云计算和物联网等技术为驱动力，以人工智能技术为核心，人工智能技术包罗万象，以理论分析为主的机器学习和以应用实践为主的数据挖掘都是其重要分支，人工智能也是金融智能的理论基础。2016年5月，中央四部委发布了《“互联网+”人工智能三年行动实施方案》。2019年9月6日，中国人民银行正式发布的《金融科技（FinTech）发展规划（2019—2021年）》中也提出要稳步应用人工智能技术。

其次，波士顿咨询的研究表明：从不同行业来看，金融行业的数据强度为各个行业之首，因此大数据理念很受金融机构重视。举例而言，银行中有着海量的数据存储，在每100万美元收入中，银行业创造和使用的数据大约是820 GB，远多于其他行业。麦肯锡的研究报告也称，大数据、云计算以及区块链等下一代金融颠覆性技术正逐步成熟。

大数据提供了丰富信息的原材料，云计算则提供了计算服务的新动能，物联网延伸了信息感知的边界。基础支撑技术的飞跃发展让金融智能化有了可能，深度学习的异军突起使人脸识别和语音识别的准确率得到大幅度的提升，使金融身份识别技术升级换代。作为深度学习的一个分支，联邦学习目前被应用于解决个人隐私安全问题。反洗钱领域也是人工智能技术的应用场景。智能分析算法的进步使自动量化投资和聊天机器人得到越来越多的应用。国内“人工智能+投资顾问”形式的智能投顾初创企业陆续出现。

信用评分产品是机器学习和数据挖掘在金融领域成功应用的一个典范，自动化决策代替了人工分析，促进了全球信贷市场的快速发展。目前，越来越多的人工智能技术被逐渐应用于未来信用评分产品的研发。(www.xing528.com)

同时，技术的进步也带来了商业模式的创新，例如，物联网技术就催生出物联网保险业态。

再次，传统的关系型数据库以查询为主，适合存储结构化数据。大数据和智能分析对数据库技术提出了新的要求，于是非关系型数据库应运而生，对统治金融领域数十年的大型机、小型机带来了挑战和冲击。

知识图谱是一种特殊的图数据库。对大数据进行深入挖掘和智能分析可以获得丰富的知识，就金融机构如何对知识进行管理以便于检索和理解，知识图谱技术提供了有力的工具。目前，国内多家金融机构正在尝试知识图谱的商业应用。

再次，金融系统变得越来越复杂，传统的特征向量描述和线性分析模型已经满足不了充斥着各种关联的金融系统，适合复杂系统建模的复杂网络分析技术在2008年金融危机之后变得越来越重要，从“太大而不能倒”到“太关联而不能倒”，从宏观系统性风险分析到微观信用风险管理，未来甚至会形成金融网络分析的相关学科。而社交网络分析是现代社会学中的一项关键技术^[1]，其理念和技术相对比较成熟，可以用于一些金融分析场景，例如反洗钱。

“一图胜千言。”无论是知识的可视化还是网络分析结果的可视化，都可以更好地帮助决策人员或跨领域、跨部门的专业人士理解金融现象。

关于人工智能的挑战和未来展望，目前金融智能的发展仍低于预期，在很多金融交易环节很难完全实现自动化，可以预见，在未来一段时间内，金融智能仍会以“人工智能+专业经验”的形式提供金融决策支持。

人工智能在金融领域应用中的“黑箱”问题，即算法的可解释性问题，一直没有得到很好的解决，因此金融智能应用中存在的交易风险不容忽视。同时，人工智能带来的道德伦理问题和监管问题也需要引起关注。

人工智能对金融领域的深远影响还无法预测，找到真正的应用场景还需要认真思考。