中国经济网北京11月2日讯 10月27日下午，欧美同学会金融委员会主办的第三届金秋论坛暨金融讲堂第二十期在欧美同学会总会百年大讲堂成功举办。此次论坛主题为“人工智能下的新金融时代”，清华大学金融科技研究院副院长薛正华学长作为对话嘉宾出席论坛，并就人工智能防范金融风险带来的机遇和挑战分享了他的看法。
薛正华认为金融行业区别于其他行业非常重要的一点就是对于风险的管理和控制能力，不管金融科技怎么发展，金融本质属性是不变的。在过去几年里，人工智能的应用渗透到了各行各业的方方面面，在金融领域，除了获客、金融产品设计、业务流程优化、智能客服等方面，人工智能在助力风控方面表现尤为突出。无论是百度、阿里、腾讯这些互联网巨头还是新近崛起的一些专门从事金融科技服务的公司，在这方面都做的很优秀。比如：在借贷领域，通过人脸识别、声纹识别、微表情识别等技术防范欺诈，打击黑产；利用大规模知识图谱技术，在上亿节点上形成关系网络，进行欺诈“团”的识别；利用深度学习技术，对借款人进行欺诈量化评分和信用量化评分，更加准确的刻画一个借贷人的违约风险。与传统的风控方法和流程相比，这些技术手段不仅能大大优化业务流程，让流程更简单更快，获得更好的用户体验，同时，还能大幅度降低逾期和不良，提升资产质量。薛正华强调，风控模型的质量和稳定性对金融机构至关重要，高质量大数据的不断累加和深度分析，可以不断提升金融机构的风控能力。规模对金融机构来说永远是一把双刃剑，金融机构的风控模型越好，规模越大，资产质量越高，盈利能力也越强。反之，出问题的概率也会更大。
薛正华还指出目前以深度神经网络为代表的人工智能技术在很多领域取得了非常大的成功，但人工智能绝不仅仅是深度神经网络（DNN），DNN在因果推理方面有先天不足。将知识图谱和深度强化学习融合，可能会是一个比单独的DNN更富有前景的研究，这个方向正吸引了越来越多的研究者加入其中。几天前，制造出AlphaGo的DeepMind公司也开源了他们的图网络(GraphNet)，融合了图和神经网络两种技术，推进人工智能技术的发展。
薛正华还分析了产业界和学界在人工智能研究方面的异同点。产业界更容易发现问题，且拥有更多数据和较强的计算资源，商业应用目的性强，短期行为特征明显；学界更擅长基础的、理论性强的研究。不管是学界还是产业界，应给研究人员更大的耐心和宽容，不断增强基础研究和原创研究的实力。
