对于银行来说，如何判断信贷业务申请人的信用水平，怎样的授信方式才能更好地风险控制？当下，人工智能技术正在这一领域发挥越来越重要的作用。中科聚信信息技术（北京）有限公司副总裁兼首席风险官李莉告诉经济日报记者，通过对社会网络分析、模糊匹配、聚类分团等分析智能技术的有机结合，帮助企业“勾勒”出基于社会网络关系的多维度客户画像，将客户属性标签化，可以精准描摹企业的“信用面孔”。

“简单讲，就是通过量化的数据给对象打上标签。”李莉说，这些标签可以分成以下几类，比如人口属性即年龄、性别、居住地等，还有资产状况、消费水平、消费习惯，等等。标签有静态标签和动态标签两种。静态标签就是不轻易变动的数据，动态标签则来自最新的交易记录、网页浏览记录等动态变化的数据。动态标签的处理通常采用流式计算技术，对计算能力的要求更高。

除了为企业信用“画像”，还可以配合图论这一智能技术描绘出客户的社会关系和社群属性，让客户的社会属性更立体化，帮助企业深度分析客户属性，更精准地捕捉客户诉求和意愿，甚至实现对潜在风险的智能化预判。

“今年以来，人工智能技术在金融行业内的应用越来越理性化，更侧重于认知智能方向的发展，并从技术概念阶段转向实际应用落地阶段。”李莉认为，认知智能需要以丰富、长期的知识积累为基础。据了解，中科聚信团队在与100余家金融机构合作过程中积累了大量的经验，形成各类业务应用场景的知识图谱，包括信用风险、申请反欺诈、交易反欺诈、精准营销等业务应用场景。

李莉介绍，人工智能技术可以分为3个层级。第一个层级是计算智能，金融机构通过分布式计算、内存计算以及流式计算等技术实现海量交易数据的实时处理。第二个层级是感知智能，通过人脸识别、语音识别和图像识别等技术在身份认证等方面得以广泛应用。认知智能作为第三个层级是最难的，它需要对业务有深刻精准的理解，以及长期的知识积累。“目前，机器在这方面还不能完全取代人工经验。所以，目前认知智能研发还存在广阔的发展创新空间。”李莉表示。

“今后，人工智能技术的发展方向将会聚焦在第三层级，也就是认知智能层面的突破。从单纯的数据研究和应用转向知识领域的探索。将过往行业从业者所积累的经验和知识融合到算法当中，在逐步降低人工干预水平的同时，达到预期业务效果。”李莉表示。

“今年以来，金融机构更加理性看待人工智能技术的发展，并且更加强调在不同业务场景中应用不同的认知智能技术，以更加贴近业务的实际需要。”李莉介绍，以中科聚信为例，一直注重将创新技术和业务布局在金融机构切实需要的场景之中，比如聚焦的三大核心业务——信用风险、反欺诈和精准营销。

“目前，人工智能技术在金融风控领域的应用还有待完善，比如对非结构化数据的高效精准采集、分析和应用。”李莉说，另外，在实现从画像到分层再到全渠道营销的一整套解决方案方面，也需要更多的创新和探索。此外，随着数据应用高度普及，除了要不断提升计算能力以及工具便利性以外，也一定要注意合理、合法、合规地使用数据。