作者 | 金旺
2018年,P2P產(chǎn)業(yè)暴雷,行業(yè)失序。
這一年,各地面臨最大的問題是:當?shù)氐降子卸嗌偌移髽I(yè)在從事非法金融活動,這些企業(yè)又存在怎樣的風(fēng)險?
由此一并受到社會高度關(guān)注的,還有風(fēng)控行業(yè)。
當時在螞蟻集團做C類風(fēng)控的一支團隊,面對如此洶涌的行業(yè)大潮,也開始思考其中問題,著手構(gòu)建商業(yè)信用視角的企業(yè)風(fēng)險大腦。
當時的企業(yè)風(fēng)險大腦主要在做兩件事:全網(wǎng)的輿情監(jiān)控、全網(wǎng)企業(yè)信息識別。
“當時我們已經(jīng)能夠通過全網(wǎng)信息理解一家企業(yè)在做什么,判斷出他們是否在從事非法金融活動,”回憶起團隊在2019年構(gòu)建的企業(yè)風(fēng)險大腦,螞蟻數(shù)科安全科技技術(shù)總監(jiān)章鵬如是說。
企業(yè)風(fēng)險大腦,也成了螞蟻蟻盾后來進一步進入產(chǎn)業(yè)風(fēng)控領(lǐng)域的開端。
四年后的今天,蟻盾已經(jīng)進入到金融、出行、大宗貿(mào)易等十數(shù)個行業(yè)2000余家企業(yè),開始作為copilot,輔助企業(yè)進行風(fēng)險評估和拓客決策。
01 蟻盾“入仕”三部曲
2019年,螞蟻蟻盾搭建的企業(yè)風(fēng)險大腦實際上是面向監(jiān)管部門,為監(jiān)管部門提供服務(wù)的。
在2020年,當螞蟻蟻盾決定將企業(yè)風(fēng)險大腦的客戶從政府監(jiān)管部門擴展至企業(yè)時,他們發(fā)現(xiàn),當時市面上已經(jīng)有了一些企業(yè)信息聚合類平臺。
例如2014年成立的企查查和天眼查,這樣的平臺已經(jīng)初步具備企業(yè)風(fēng)險評估能力。
當時螞蟻蟻盾團隊想到的是,要再往前走一步——不僅要做信息聚合,還要做信用逾期風(fēng)險這樣非常具體的風(fēng)險評估。
而這其中的技術(shù)是螞蟻蟻盾團隊在支付寶內(nèi)做風(fēng)控時就已經(jīng)開始在做的事,是他們擅長的領(lǐng)域。
于是,這一年,當有企業(yè)用到螞蟻數(shù)科的企業(yè)風(fēng)險大腦時,他們會發(fā)現(xiàn),這一產(chǎn)品除了全網(wǎng)企業(yè)識別和輿情監(jiān)控外,還融入了工商和司法輿情信息,并對這些信息做了進一步的解讀和穿透,當點擊基于這些信息生成的風(fēng)險標簽時,可以看到這一風(fēng)險的判斷依據(jù)。
信用逾期模型的加入,讓螞蟻蟻盾的企業(yè)風(fēng)險大腦在進入企業(yè)市場時,有了自己的獨特性,不過,只有這一個模型,遠遠無法滿足企業(yè)市場的風(fēng)云莫測。
章鵬發(fā)現(xiàn),在這一產(chǎn)品進入市場后,要面對企業(yè)生產(chǎn)決策中的諸多考量。
“當我們只為企業(yè)提供這一個模型,企業(yè)工作流又是離線運行時,企業(yè)很難用起來。”
基于這樣的考慮,螞蟻蟻盾的企業(yè)風(fēng)險大腦開始向2.0版本演進,搭建一站式工作臺的想法也由此萌生。
在這個過程中,螞蟻蟻盾團隊不僅從拓客、準入到監(jiān)控,構(gòu)建起了全鏈路一站式平臺,還通過搭建授權(quán)鏈路、引入私域數(shù)據(jù),提升模型和決策能力。
與此同時,風(fēng)險指標池、行業(yè)圖譜、交互建模等技術(shù)開始被進一步引入。
當螞蟻蟻盾的企業(yè)風(fēng)險大腦進化為一站式產(chǎn)業(yè)風(fēng)控平臺時,已經(jīng)與市場上的企業(yè)信息查詢平臺的邏輯完全不同,章鵬認為,二者至少有以下幾點不同:
第一,我們不只是一個信息聚合平臺,如今的蟻盾-產(chǎn)業(yè)風(fēng)控平臺已經(jīng)走向一站式工作臺,所以企業(yè)實際上已經(jīng)能在這一平臺上完成諸如獲客、準入、監(jiān)控等工作;
第二,蟻盾-產(chǎn)業(yè)風(fēng)控平臺不只基于公開數(shù)據(jù),要把企業(yè)風(fēng)險識別準,還要引入行業(yè)特征數(shù)據(jù),甚至需要授權(quán)的私域數(shù)據(jù),所以我們可以與企業(yè)生產(chǎn)系統(tǒng)進行打通,實現(xiàn)更精準的風(fēng)險識別;
第三,我們希望和企業(yè)生產(chǎn)系統(tǒng)進行更多連接時,企業(yè)一定會對我們產(chǎn)品的準確性、效能有更高要求,因此我們也可以有更多定制,包括開放的能力出現(xiàn),包括我們在做的數(shù)據(jù)和知識的交互式建模。
章鵬認為,現(xiàn)在蟻盾擁有的能力相當于“信息聚合+一站式工作臺+與客戶生產(chǎn)關(guān)系打通”。
這樣的產(chǎn)業(yè)風(fēng)控平臺,嵌入到了企業(yè)事前、事中、事后全流程數(shù)智風(fēng)險管理工作流中,從而為產(chǎn)業(yè)協(xié)作降低風(fēng)險、提升效率。
02 數(shù)據(jù)驅(qū)動or知識驅(qū)動?
數(shù)據(jù)驅(qū)動,是消費互聯(lián)網(wǎng)體系中的一個重要策略,然而,當進入到產(chǎn)業(yè)風(fēng)控領(lǐng)域時,數(shù)據(jù)驅(qū)動這條路不再走得通。
“在消費互聯(lián)網(wǎng)領(lǐng)域,數(shù)據(jù)足夠多,有數(shù)據(jù)驅(qū)動就已經(jīng)足夠了;但在產(chǎn)業(yè)風(fēng)控領(lǐng)域,實際情況剛好相反——這時我們往往有很多知識,但卻沒有足夠多的數(shù)據(jù),”章鵬如是說。
如此一來,要想做好產(chǎn)業(yè)風(fēng)控,蟻盾就需要走出一條新路,一條將公域數(shù)據(jù)和私域數(shù)據(jù)有效融合的新路。
知識交互建模,就是蟻盾在這條路上摸索出來的一種新范式。
在知識交互建模范式中,整個建模過程被劃分成了客戶上傳樣本、樣本擴充、生成樣本標簽、生成行業(yè)模型四步。
章鵬解釋稱,“在一個行業(yè)模型真實建模過程中,帶標簽的樣本其實很少,因為一個企業(yè)運營系統(tǒng)中的逾期客戶最多可能也只有三五十個,再多公司就要破產(chǎn)了。
“對于我們來說,如何根據(jù)行業(yè)經(jīng)驗(知識)擴展樣本標簽就成了問題的關(guān)鍵。”
據(jù)章鵬介紹,整個樣本標簽擴展過程,又可以分為如下幾步:
首先,需要企業(yè)風(fēng)控人員根據(jù)經(jīng)驗給出一定的規(guī)則,并結(jié)合蟻盾積累的行業(yè)模板,形成統(tǒng)一的準入規(guī)則;
其次,知識交互建模引擎借助弱監(jiān)督學(xué)習(xí),通過這些準確率并不高的規(guī)則,推斷出很多新的企業(yè),并為這些新企業(yè)打標簽;
然后,專家根據(jù)新的企業(yè)標注,以及標簽關(guān)聯(lián)的結(jié)果和原因,對自動打標簽的結(jié)果進行修正。
最后,通過專家修正后的標簽更新平臺規(guī)則。
“如此循環(huán)往復(fù),當我們擁有足夠多的標簽時,我們的建模工作也就完成了一大半。”
章鵬告訴我們,“通過這樣的知識交互建模方式,我們幫某個客戶將樣本標簽擴展了5倍,AUC模型性能從60%提升到了85%,建模周期也從原來的數(shù)月縮短到了一周。”
03 平臺構(gòu)建的“二八定律”
時至今日,蟻盾已經(jīng)是螞蟻集團安全科技商業(yè)化品牌,對外提供包含身份安全、交易安全、合規(guī)安全等全鏈路風(fēng)控產(chǎn)品和服務(wù)。
在2023年云棲大會上,蟻盾正式對外發(fā)布了“知識交互建模引擎”,通過將實體產(chǎn)業(yè)知識與AI模型有機結(jié)合,最快10分鐘就能為企業(yè)定制自主可控的垂直領(lǐng)域AI風(fēng)控引擎。
目前,這一引擎已經(jīng)面向大宗商品行業(yè)開始落地測試。
蟻盾產(chǎn)品負責人李莎指出,“從最開始做一個通用平臺給到某個具體客戶,到客戶提出更多功能需求,我們的算法團隊進而幫客戶做定制化需求的不斷往復(fù),我們現(xiàn)在依然處在一個從定制化產(chǎn)品向通用化產(chǎn)品轉(zhuǎn)型過程中。”
“未來,我們期望的是80%的客戶需求能夠直接由我們通用平臺中已有的能力得到滿足,另外20%需要定制化的功能,我們會開放出來,由我們的合作伙伴來完成。”
不過,李莎也坦言,“我們現(xiàn)在還處于將我們通用平臺的能力從能夠滿足客戶50%的需求提高到80%的過程中。”
好文章,需要你的鼓勵
這項研究提出了"高效探測"方法,解決了掩碼圖像建模AI難以有效評估的問題。通過創(chuàng)新的多查詢交叉注意力機制,該方法在減少90%參數(shù)的同時實現(xiàn)10倍速度提升,在七個基準測試中均超越傳統(tǒng)方法。研究還發(fā)現(xiàn)注意力質(zhì)量與分類性能的強相關(guān)性,生成可解釋的注意力圖譜,展現(xiàn)出優(yōu)異的跨域適應(yīng)性。團隊承諾開源全部代碼,推動技術(shù)普及應(yīng)用。
伊利諾伊大學(xué)研究團隊開發(fā)了CLAIMSPECT系統(tǒng),通過層次化分解復(fù)雜爭議、智能檢索相關(guān)文獻、多角度收集觀點的方法,將傳統(tǒng)的"真假"判斷轉(zhuǎn)變?yōu)槎嗑S度分析。該系統(tǒng)能夠自動構(gòu)建爭議話題的分析框架,識別不同觀點及其支撐證據(jù),為科學(xué)和政治爭議提供更全面客觀的分析,已在生物醫(yī)學(xué)和國際關(guān)系領(lǐng)域驗證有效性。
清華大學(xué)研究團隊首次提出情感認知融合網(wǎng)絡(luò)(ECFN),讓AI能像人類一樣理解和表達情感。該系統(tǒng)通過多層次情感處理架構(gòu),在情感識別準確率上比現(xiàn)有最佳系統(tǒng)提升32%,情感表達自然度提升45%。研究突破了傳統(tǒng)AI情感理解的局限,實現(xiàn)了跨模態(tài)情感融合、動態(tài)情感追蹤和個性化情感建模,為醫(yī)療、教育、客服等領(lǐng)域帶來革命性應(yīng)用前景。
哈佛大學(xué)研究團隊通過創(chuàng)新的多智能體強化學(xué)習(xí)方法,讓AI在戰(zhàn)略游戲中學(xué)會復(fù)雜推理。研究發(fā)現(xiàn)AI通過游戲競爭能發(fā)展出類人思維能力,在邏輯推理、創(chuàng)造性解決問題等方面表現(xiàn)顯著提升。這項突破性成果為未來AI在醫(yī)療、教育、城市管理等領(lǐng)域的應(yīng)用奠定基礎(chǔ),展現(xiàn)了通過模擬人類學(xué)習(xí)過程培養(yǎng)真正智能AI的新路徑。
關(guān)注智造、硬件、機器人。