9月5-6日,由泽方金融研究院联合上海浦东国际金融学会、亚洲财金联合会等业内权威机构主办的“第二届中国零售银行创新峰会”在沪举办，论坛齐聚了超过100家来自国内外的商业银行。
作为清华大学人工智能研究院的重点孵化企业，国内首家致力于安全、可靠、可解释第三代人工智能的创新企业，瑞莱智慧RealAI与金融壹账通、科大讯飞等业内领先科技企业受邀出席，并凭借第三代AI的前瞻性与创新性，荣获“零售银行人工智能创新应用奖”。
1、科技赋能金融迎来新范式
依托大数据、人工智能等创新技术的快速迭代，赋能金融科技实现零售业务从获客到活客、从经营到提升的可持续增长已成为零售银行未来发展的趋势与方向。论坛现场“技术驱动时代下的零售银行创新探索”成为最热议题，RealAI联合创始人及金融业务合伙人刘荔园受邀出席本次会议并作分享“第三代AI的金融业务新机遇”。
RealAI联合创始人 刘荔园
人工智能发展到今天，已经从“量化”进入到“质变”阶段，但刘荔园强调，当前科技对金融领域的赋能只是实现了数据的拉平与补充，AI算法真正意义上的突破并未出现。
她表示，目前金融业务场景中采用的技术大多是全监督学习，往往需要大量的、有标签的高质量数据，才能够训练模型。但在实际业务场景中，数据的表现形式大多是缺乏标签，甚至样本量非常稀少，如果仅仅依赖于全监督，很多问题显然无法解决。
所以，依托清华大学在人工智能领域深厚的技术沉淀，基于以贝叶斯深度学习为核心的第三代人工智能技术，RealAI实现在小样本、无监督以及半监督学习方面的技术突破，打破全监督的范式框架，为解决营销风控等传统金融业务难题带来全新方案。
2、第三代AI助力金融机构实现智慧化提升
在金融领域，金融智慧化在第一阶段完成了数据补充，使用开源算法即可完成初步分析建模，但精细化运营的第二阶段将对自研算法硬核科技提出更高要求，RealAI第三代AI算法优势逐步体现，帮助金融机构在长尾资产回捞和可解释性输出等业务场景实现全面智慧化提升：
应用贝叶斯深度学习实现小样本、无监督、半监督建模，有效解决金融领域中面临的无标签、少标签、冷启动等业务困境；
不确定性建模，对脏假数据与数据缺失等有更高容忍度，并从概率角度刻画真实数据，模型表现大幅超越传统机器学习方法；
将模型由“黑盒”转成“白盒”，输出模型层面与实例层面的解释，为业务人员提供充分的决策支持，确保算法安全性。
RealAI荣获零售银行人工智能创新应用奖
在具体的产品研发上，RealAI针对金融业务场景自主开发端到端建模平台RealBox，提供智慧建模和模型部署，通过贝叶斯概率学习实现自动AI评分卡，覆盖模型训练到模型应用的全流程，其中自动AI评分卡无需数据清洗与特征工程，流水类数据导入即模型，将传统模式下的工作时间大幅压缩，解决建模流程慢、模型评估困难、迭代成本高等问题。
此外，RealAI提供风控回捞解决方案，针对原有策略筛除的样本无标签导致样本建模有偏的问题，RealAI实现从无标签样本中学习关键信息，有效评估无标签样本的资产质量，从而实现优质资产回捞。
与某银行合作开发的零售贷款产品，通过应用RealAI弱监督资产回捞算法，在无需替代原模型的基础上构建拒绝回捞模型，实现在原有策略评估为次级的资产中，捞回10%与现有资产质量相同的优质资产，有效提升信贷资产规模。
目前，RealAI与国内多家金融机构开展合作，提供快速建模、黑盒解析、资产增长等AI解决方案，对金融场景全生命周期进行赋能，助力金融机构实现AI 升级。
对于未来人工智能的应用发展，刘荔园表示，“算法元年”的时代将要带来，“算法”将接替“数据”成为促进AI行业高速稳健增长的原动力。同时，金融、工业等行业AI化进程将进入摩尔加速阶段，行业整体水平将得到大幅度提升，竞争优势明显。
作为国内新兴的AI技术创新企业，RealAI也将继续进行人工智能基础技术的自主研发，并在金融、工业等垂直领域持续深耕，以寻求更大突破。
