機器學習火了，F(xiàn)inTech又開始摩拳擦掌！

文|朵拉916

3月2日訊，機器學習，這項人工智能的核心技術(shù)，在過去一段時間內(nèi)被人們頻繁提起。不論是互聯(lián)網(wǎng)行業(yè)、學術(shù)界，還是金融領(lǐng)域，似乎都有它的身影。毋庸置疑，同虛擬現(xiàn)實、區(qū)塊鏈、大數(shù)據(jù)風控等新鮮事物一樣，機器學習毫無爭議的火了起來!

機器學習之火迅速蔓延，F(xiàn)inTech也不甘示弱

要說機器學習到底有多火，從互聯(lián)網(wǎng)巨頭們急不可耐爭相布局機器學習陣地的動作便可略知一二：2014年5月，谷歌推出內(nèi)嵌機器學習技術(shù)的無人駕駛汽車;2015年8月，阿里公布機器學習技術(shù)開放平臺DTPAI;2016年9月，運用機器學習模擬人腦工作機制的“百度大腦”首度亮相。

機器學習在互聯(lián)網(wǎng)界燃燒的熊熊火勢，迅速蔓延到各大領(lǐng)域。善于追逐新風口的FinTech企業(yè)們，聽聞機器學習強大的算法處理能力后深為嘆服，紛紛摩拳擦掌，試圖將其嵌入金融風控。國內(nèi)BAT互聯(lián)網(wǎng)三巨頭自不必說，百度金融大數(shù)據(jù)風控、阿里芝麻信用系統(tǒng)、騰訊征信人臉識別技術(shù)，對機器學習技術(shù)都有所運用。

更為欣喜的是，筆者發(fā)現(xiàn)，互聯(lián)網(wǎng)快速、廣泛傳播的特性，使機器學習等新技術(shù)不再只是BAT的天下，一些金融科技領(lǐng)域較為知名的公司，也紛紛運用這項新技術(shù)。近期頻頻傳出即將進行集團化升級的錢牛牛就是其中之一，其母公司旗下payday loan品牌貸上錢，已將機器學習技術(shù)植入風控領(lǐng)域，并取得顯著成效。

貸上錢是一款面向藍領(lǐng)用戶和年輕人群的小額、即時現(xiàn)金貸產(chǎn)品，為用戶提供件均500-2000元的現(xiàn)金貸，幫助用戶緩解發(fā)薪日前資金應(yīng)急之需。為滿足用戶快速、便捷貸款的需求，貸上錢與騰訊達成戰(zhàn)略合作，接入騰訊人臉識別技術(shù)，通過機器學習的方式快速判別借款者身份，完成精準授信。這項技術(shù)使貸上錢授信時間僅需120秒。

除此之外，錢牛牛母公司資方之一京東金融，在機器學習方面更是一馬當先，不僅將其應(yīng)用到大數(shù)據(jù)風控環(huán)節(jié)并取得一定成果，還在近期公布的2017年六大戰(zhàn)略中提到，將機器學習與人工智能等作為重點核心，在未來三年投入資金、資源投入不低于100%。

沒有數(shù)據(jù)，機器學習只是偽命題

眾多領(lǐng)域紛紛涉入，再結(jié)合網(wǎng)上大量關(guān)于機器學習的討論來看，其火爆程度可見一般。但我們知道，縱使機器學習擁有極為強大的算法結(jié)構(gòu)和數(shù)據(jù)處理能力，但這項基于海量數(shù)據(jù)源的先進技術(shù)，在各大領(lǐng)域的應(yīng)用，很大部分阻礙則來源于數(shù)據(jù)，倘若沒有豐富靠的數(shù)據(jù)支撐，機器學習也只是個偽命題。

那么，機器學習對數(shù)據(jù)有哪些要求呢?筆者認為，數(shù)據(jù)對機器學習的影響主要存在三個短板。

首先，是數(shù)據(jù)來源的真實性問題。機器這個毫無感情色彩的載體，不會像人一樣產(chǎn)生質(zhì)疑，往往會根據(jù)輸入給出相應(yīng)的輸出結(jié)果，即使獲得的數(shù)據(jù)是假的，它也只會根據(jù)假數(shù)據(jù)進行運算，而不會產(chǎn)生絲毫懷疑。面對社會隨處可見的欺詐現(xiàn)象，機器學習也許可以根據(jù)一些典型特征進行識別，但對于刻意造假則可能會失去效用。

其次，是數(shù)據(jù)的有效性問題。瞬息萬變的世界，任何事物都在變，昨天的經(jīng)驗今天不一定適用。但我們擁有的大量數(shù)據(jù)都是過去一段時間沉淀下來的歷史，不可否認這些歷史數(shù)據(jù)具有一定的價值，但若要運用這些數(shù)據(jù)對未來進行精準推斷，恐怕還是有些困難。

再者，則是數(shù)據(jù)分布的平衡性問題。在學術(shù)研究與教學中，很多算法都假設(shè)數(shù)據(jù)分布是均勻的，但當我們把這些算法應(yīng)用于實際數(shù)據(jù)時，大多數(shù)情況下都無法取得理想的結(jié)果。因為實際數(shù)據(jù)往往分布很不均勻，存在“長尾現(xiàn)象”。

不過，針對機器學習存在的這些短板，各公司在相應(yīng)的使用領(lǐng)域也都采取了應(yīng)對之策。譬如，在風控方面，貸上錢針對基于機器學習技術(shù)的大數(shù)據(jù)風控難以識別數(shù)據(jù)造假的問題，引入了德國IPC人工驗證做補充，通過機器風控提升效率，人工驗證剔除欺詐，二者緊密結(jié)合，實現(xiàn)精準風控授信。

而對于數(shù)據(jù)分布不平衡問題，業(yè)界普遍通過采樣、數(shù)據(jù)合成及加權(quán)等方式解決，百度大腦則通過模擬人腦工作機制，在搜索引擎強大的數(shù)據(jù)采樣、合成和分析之下，取得了語音、圖像、自然語言處理及用戶畫像的多項突破。

盡管機器學習還處于不斷探索階段，但對于整個科技領(lǐng)域而言，這項人工智能的核心技術(shù)，無疑是人類一次巨大的進步與革新，在未來將為我們帶來無窮的力量!

生成海報

免責聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關(guān)資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。