金融支付服务行业中人工智能技术的运用

　　当前，人工智能被广泛应用到各行各业，改变着现实生产结构和生产关系，产生了深刻且具有颠覆性的影响效果。在金融支付服务方面，人工智能也得到越来越广泛的推广应用。同时，金融支付服务业务合规、风险防范的高压穿透式监管已成常态。

　　本文在介绍人工智能发展历程、未来发展趋势特征的基础上，重点阐述了人工智能在金融支付服务领域的应用，包括精准服务行业集团客户、确保业务合规及资金安全、赋能线下支付设备、打造在线智能客服以及终端全生命周期管理方面。

　　2017年，国务院发布《新一代人工智能发展规划》（以下简称《规划》），把发展人工智能提升到国家战略高度，要求到2030年，中国人工智能理论、技术与应用总体达到世界领先水平，成为世界主要人工智能创新中心，人工智能核心产业规模超过1万亿元，带动相关产业规模超过10万亿元。

　　《规划》助推了人工智能市场的空前活跃，各路IT巨头都将人工智能视为下一代科技革命的突破点，并投入大量人力物力进行布局，这也预示着人工智能将是新一轮技术变革的核心。

　　一、人工智能概述

　　1956年，美国数学博士麦卡锡在达特茅斯一次机器智能会议上首次提出人工智能（Artif icial Intelligence,AI）这个概念。2016年，AlphaGo战胜世界顶级围棋手李世石之后，人工智能在全球的热议及重视程度达到一个空前的高度。未来，人工智能技术或将给整个人类社会发展带来巨大改变。

　　（一）人工智能的定义

　　虽然人工智能的发展已经走过了半个世纪，但至今尚无统一的定义，业界给出的定义大致可划分为“类人思维”“类人行为”“理性思维”和“理性行为”4类。1956年麦卡锡提出的“人工智能就是使机器的行为看起来像人所表现出的智能行为一样”，就是典型的“类人行为”定义，比较流行也相对容易理解。

　　目前，较为权威的定义是：人工智能是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。

　　（二）人工智能的发展历程

　　人工智能发展可分为基础孕育期、起步发展期、反思调整期、应用发展期和蓬勃发展期5个阶段。

　　1. 基础孕育期（1956年之前）

　　业界一般将麦卡锡在达特茅斯会议上提出“人工智能”概念的1956年之前，定义为人工智能的“基础孕育期”，期间创立的数学逻辑、控制论、神经计算和电子计算机等学科，为人工智能的诞生奠定了理论基础。

　　例如，有“人工智能之父”之称的图灵在1936年创立的“图灵测试”：一个人在不接触对方的情况下，通过一种特殊的方式和对方进行一系列的问答，如果在相当长时间内，无法根据这些问题判断对方是人还是计算机，就可以认为这个机器具有同人相当的智力。

　　2. 起步形成期（1956年-20世纪60年代末）

　　人工智能概念提出后，相继取得了一批令人瞩目的研究成果和实践应用，例如“机器定理证明”和“跳棋程序”。“机器定理证明”是指把人证明数学定理和日常生活中的演绎推理变成一系列能在计算机上自动实现的符号演算的过程和技术。“机器定理证明”是人工智能的重要研究领域，方法有很多，其中以1965年鲁宾逊提出的“归结原理”最为着名。

　　通俗地讲，就是将普通形式逻辑中充分条件的假言联锁推理形式符号化，并向一阶谓词逻辑推广的一种推理法则。

　　3. 反思调整期（20世纪70年代）

　　起步形成期的突破性成果让人们对人工智能期许过高，开始提出了一些不切实际的研发目标，尝试更具挑战性的任务，但由于当时计算机计算能力的不足、可学习数据量的匮乏、编程考量现实纷繁复杂性不充分等因素，这些预期和目标接二连三地失败或落空。

　　例如，利用鲁宾逊归结原理证明两个连续函数之和还是连续函数，推证了10万步仍不能得证；再如人工智能翻译，由于语言主观性识别、语境感知的不足，翻译结果经常闹出笑话。人们开始调整反思对人工智能的认识。

　　4. 应用发展期（20世纪80、90年代）

　　人们在反思过后，理性地回归到利用人工智能解决特定领域的问题，将人工智能从理论研究引向实际应用、从一般推理策略探讨转向专门运用。诞生于20世纪60年代的专家系统，历经70年代低谷期的补充丰富，在80年代得到了发展提升。

　　这一拥有大量专业知识并能以此解决特定领域中原本需要由人类专家才能解决的计算机程序，在医疗、天气预报等领域取得了巨大成功。例如，可以精确识别50种以上的病菌并正确使用相应的抗生素，从而协助医生诊断、治疗疾病。

　　5. 蓬勃发展期（20世纪90年代末期至今）

　　随着人工智能的应用领域及规模不断扩大，基于特定情境建立的专家系统，其应用领域狭窄、常识性知识不足、新知识获取不够、演绎推理方法单一等问题开始显现。特别是80年代末90年代初出现的PC机，与搭建专家系统的专用机器在数据库兼容、新技术适配等方面出现了问题，人们对专家系统不再那么狂热追捧，人工智能发展再次遇到瓶颈。

　　但进入21世纪后，由于互联网技术的发展，那些在单个智能主体研究下出现的问题，在基于互联网技术环境分布式主体研究下得到了解决，人工智能技术得以进一步走向实用化。随着大数据、云计算、物联网等信息技术的发展，特别是神经网络深度学习取得突破，极大地推动了人工智能技术的发展，诸如图像语音识别、无人驾驶等技术得到了进一步推广和应用。

　　二、人工智能当前的局限性与未来发展特征

　　（一）人工智能发展的局限性

　　人工智能在特定专门领域获得的突破和取得的成果，给人们造成了一种假象，有个“奇点理论”认为：未来人工智能系统的智能水平将超越人类，人工智能机器人将统治世界，人类因此将成为人工智能的奴隶。

　　人工智能分为“专用”和“通用”智能，前者侧重对人外在行为的模拟，后者是致力于对人内在思维和情感的实现。在“专用”层面，针对特定任务，由于其需求明确、边界清晰、建模简单等，专家系统借助丰富的领域知识，使人工智能在特定任务下取得单点突破，其单项测试智能水平局部超越人类在意料之中，这属于在信息感知、机器学习等方面的“浅层智能”。

　　在“通用”层面，由于其需求宽泛、边界交叉、建模复杂等，人工智能尚处在起步阶段，与能举一反三、融会贯通并可处理听视觉、擅学习思考、能判断推理、会规划设计的人脑相比，在概念抽象和推理决策等方面的“深层智能”能力还很薄弱，依存在明显的局限性。

　　（二）人工智能项目未达预期的主要原因

　　人工智能很多项目远未达预期，究其原因是多方面的。

　　1. 数据积累问题

　　数据支持是人工智能的核心，如果把人工智能比作火箭，数据就是燃料，数据缺乏是人工智能研究及应用项目达不到预期成果及目标的主要原因。

　　2. 机器学习问题

　　机器学习是人工智能的手段，机器学习不足，就无法满足人工智能从纯粹的理论研究和模型研究，发展到以解决实际问题为目的的应用研究。

　　3. 数据集成问题

　　数据集成分析不足，将无法从“大量”数据中找到“有用”数据，从“有用”数据中提炼出“核心”数据，可能导致人工智能建模的主要导向偏颇。

　　4. 数据漂移问题

　　人工智能面临的另一个问题是过于依赖静态历史数据，而不是根据动态实时交易数据来进行学习训练，这种数据漂移偏差会影响人工智能建模的时效性。

　　5. 数据结构问题

　　大量不规则或不完整的非结构化数据，不方便用数据库二维逻辑表来表现，其没有预定的数据模型，影响了人工智能建模的准确性。

　　6. 文化差异问题

　　区域文化差异制订了割裂、分散的人工智能价值观、道德标准，没有形成广泛的共识和统一的约束，影响了人工智能建模的普适性。

　　（三）人工智能未来发展特征

　　人工智能技术引领新一轮产业变革已成共识，许多国家都制订了相应的人工智能发展战略和规划，旨在抢占人工智能核心技术、标准化制高点，成为全球人工智能基础建设的领先者和领导者。世界重要企业对人工智能新技术革命更是趋之若鹜。

　　谷歌2017年明确从“移动优先”转向“人工智能优先”发展战略；微软2017财年年报首次将人工智能作为公司发展愿景；阿里巴巴依托阿里云收购AI企业，快速实现技术融合；百度在自动驾驶的重大突破，成为中国人工智能领域的扛旗者；大疆与微软合作布局人工智能，成为无人机行业级应用领域的佼佼者。

　　《中国新一代人工智能科技产业发展报告（2019）》显示，我国人工智能企业占世界人工智能企业总数的21.67%，其中应用层企业占比75.2%，广泛分布在智能制造、科技金融、新媒体、新零售、智能安防等多应用领域。人工智能正在成为我国经济发展的新引擎。

　　历经60多年跌宕起伏的发展，人工智能从“概念研究”走向“实际应用”，在某些领域已从“不能用”走向“可以用”。随着算法、算力和算料（数据）方面技术支撑的提升和人们对人工智能应用的渴望，人工智能未来的发展将呈现多维特征。

　　1. 从专用智能向通用智能发展，实现点到面的突破

　　个别领域、特殊专业人工智能的单点突破，不是终点，而是所有领域、通用行业人工智能发展的起点。美国将通用人工智能定位为中长期发展战略；AlphaGo系统开发团队把“创造解决世界上一切问题的通用人工智能”作为研发目标；微软成立通用人工智能实验室，着眼自然语言处理、深度学习、认知计算，研究更加通用的机器学习系统；

　　腾讯建立四大AI实验室，培养专才向通才转型，围绕基础研究、场景共建、AI开放三层架构，攻坚通用人工智能，推进以“AI+”为标志的普惠智能社会建设。

　　2. 从“浅层智能”向“深层智能”发展，实现从表至里的质变

　　“浅层智能”的学习方法是线性结构算法学习，这种机器学习模型存在一定的局限性，在数据样本有限的情况下，其表示复杂函数的能力有限，对复杂问题、新鲜未知数据的分析、预测能力有限。“深层智能”的学习方法是非线性网络结构算法学习，这种机器学习模型能在样本集很少的情况下学习数据集的本质特征，实现复杂函数逼近，表征输入数据分布式表示。

　　人工智能实际上是借助计算机对人类逻辑思维、环境感知、行为动作3方面进行模仿和扩展，面对纷繁复杂的现实世界，其研究从表至里，从“浅层智能”向“深层智能”发展成为必然。

　　3. 从单学科向多学科研究渗透，学科交叉融合共济

　　随着计算机的发展，模拟人类行为、思维、环境已不再那么遥不可及，但人们无止境的追求和需要，很多是计算机单一学科知识无法解决和满足的，以计算机科学为基础，多学科渗透、跨学科交叉研究成为必然方向。人工智能学科就是由计算机等多学科交叉融合、综合性复合型的前沿学科，其研究范畴包括但不限于计算机科学、数学、神经科学、光学、脑科学等。

　　随着机器人的高度智能化，机器人如何与人类相处，人工智能对人类社会的影响等非技术性社会学伦理问题也属研究范畴，可帮助制订出适合人工智能发展的法规。

　　4. 赋能“智能+”为实践应用，加速社会生产升级

　　“智能+”接棒“互联网+”，但“智能+”不是“互联网+”的简单升级。“互联网+”是利用信息通信技术以及互联互通平台，让互联网与传统行业进行深度融合，从而创造出新的发展生态。“智能+”是利用人工智能、大数据、云计算等基于数字革命的人工智能技术及万物互联平台，对社会生产进行全新赋能，创造出高度信息对称、和谐高效运转的社会发展生态。

　　在“互联网+”时代，实现了人与人的实时连接，解决的是通信问题。在“智能+”时代，实现的将是万物互联，解决的是提高效率的问题。人工智能研究的最终价值体现是实践应用，创造出更智能的经济发展模式和社会生态系统。2019年《政府工作报告》明确指出“打造工业互联网平台，拓展‘智能+’，为制造业转型升级赋能”。

　　5. 从国内协同向国际竞争迈进，塑造未来科技引擎

　　中国2017年发布的《新一代人工智能发展规划》要求立足国家发展全局，构建开放协同的人工智能科技创新体系。根据专用领域应用开发成熟度和差异化技术门槛，国内人工智能产业分化为底层基础构建、通用场景应用和专用应用研发3个方向。

　　在底层基础构建方面，腾讯、华为等依托自身数据、算法、技术优势，为产业链条环节各企业提供基础资源支持服务；在通用场景应用方面，旷视科技、科大讯飞等以计算机视觉和语音识别为方向，重点关注安防、教育和金融等领域的解决方案；在专用应用研究方面，百度、大疆等以家庭机器人、智能助手、企业服务为方向，重点关注智能化生活和工业发展需要的解决方案。

　　法国、日本等发达国家重资投向物联网建设和人工智能应用，美国、俄罗斯两国则提出军工拥抱“智能化”，谋求通过人工智技术保持军事优势。

　　三、人工智能在金融支付服务领域的应用

　　人工智能正在改变着现实生产结构和生产关系，其影响是深刻且具有颠覆性的，其应用也是非常广泛的。例如，智能工厂、智能装备及智能服务是人工智能在工业制造方面的主要应用。病情诊断、辅助手术治疗、预测患者疾病是人工智能在医疗领域的主流应用。智慧供应链、无人便利店等是人工智能在零售领域的重点应用。

　　智慧交通、无人驾驶是人工智能在交通管理方面的实际应用和前沿研究课题。图像识别、视频结构化是人工智能在安防刑侦方面的实践应用。创新金融科技产品、识别潜在的欺诈行为、预测融资企业信用智能投顾是人工智能在银行深度融合的应用。同样，在金融支付服务方面，人工智能也得到越来越广泛的推广应用。

　　（一）智能分析海量交易服务数据，精准服务行业集团客户

　　支付是商户经营的刚需，支付机构是支付流量的入口，在完成卡基、电子钱包、生物识别（人脸）等支付及其他综合服务后，会积累海量数据。支付机构借助人工智能对这些数据的深度学习和智能分析，可分不同行业属性，绘制客户360°标签画像，多维度展现客户经营状况，借鉴挖掘算法为商户定制数据服务产品，帮助客户设计个性化营销方案，延展上下游供应链细分服务场景，助力商户生产经营和运营管理。

　　例如银联商务的“银杏云游”，该产品是银联商务依托交易大数据，借助人工智能开发的“银杏”系列产品之一，其预测并展示旅游消费趋势和消费特征分布，为旅游行业策略制定提供了有力的数据支撑。此外，银联商务还与国家文化和旅游部建立“旅游消费大数据联合实验室”。

　　（二）智能监控支付环节风险隐患，确保业务合规、资金安全

　　支付机构是商户支付服务的主要入口，承担了支付过程中的账户安全保护、交易安全身份验证、数据安全保障等方面的风险管控和责任。

　　面对支付行业风险隐患从原来的线下信用卡欺诈、恶意透支向电信诈骗、账户冒用扩展，从原来传统消费欺诈、套现向套汇、洗钱蔓延，从原来的个案风险向合谋欺诈扩散，从原来的境内欺诈向跨境、跨网的转移等趋势，第三方支付机构利用人工智能技术，依据风控策略、监测规则算法，基于对交易大数据的批处理和流处理、商户历史静态和动态交易关联图谱、电子围栏技术，实时监测账号盗用、交易变造、资金二清、洗钱套现行为等潜在业务风险威胁，及时侦测到收单商户的异动、支付终端的移机异地交易等情况，第一时间对风险苗头进行预警和阻断处置干预。

　　（三）人工智能赋能线下支付设备，打造更加便捷的刷脸支付

　　人民银行2019年印发的《金融科技（FinTech）发展规划（2019-2021年）》要求“加大科技赋能支付服务力度”，明确指出要“利用人工智能、支付标记化、云计算、大数据等技术优化移动支付技术架构体系”，强调“探索人脸识别线下支付安全应用，借助密码识别、隐私计算、数据标签、模式识别等技术，利用专用口令、‘无感’活体检测等实现交易验证”，为此，支付宝、微信、银联商务按照人民银行采用3D人脸识别、动态活体检测方法的技术要求，分别推出“蜻蜓”“青蛙”“蓝鲸”等刷脸支付产品。

　　中国银联、银联商务与云从科技合作，利用其3D与算法高度硬件集成技术和产品，推出了外挂式人脸支付产品，为市场存量传统终端、智能终端进行刷脸支付的升级改造提供了支撑，如图1所示。

图1 支付产品

　　（四）人工智能助力客服中心提质，打造一体化在线智能客服

　　随着支付业务内涵和创新产品的不断丰富，支付公司面向商户（B端）和个人客户（C端）的客服需求量越来越大，人工智能的引入不仅在“量”上有效缓解了客服压力，在“质”上提升了客服的精准度和及时性，而且赋能客服从被动咨询服务向主动外呼营销转型。

　　一是智能IVR语音导航。人工智能通过自然语言识别和学习理解，准确定位问题知识点，快速导航客户完成操作，“扁平化”菜单，提升用户满意度。

　　二是智能客服坐席质检。电话接通率、通话时长、客户投诉及满意度是考核坐席的KPI，以往人工质检不足话务量的5%，人工智能的引入较好地解决了坐席客户服务质检问题。

　　三是智能营销及商户回访。智能分析客户群体需求，有针对性地开展新产品推广外呼营销，自动进行客户经理现场装机服务的满意度调查回访。

　　（五）智能预测无效终端资产流失，实施终端全生命周期管理

　　POS支付终端是第三方支付机构从事线下收单业务的主要创收工具，第三方支付机构根据商户效益分析和信誉评估，分别采取收取服务费、收押金、不收押金等多种模式投放POS支付终端，并搭建面向终端侧的资产、远程下载、信息档案等管理系统。这些系统能解决在线有效活动终端的审核盘点，但对长期无效终端的管理，只能依靠现场核验盘点的方式才能取得有效管理。

　　人工智能赋能终端侧相关管理系统后，通过对终端各类历史数据的清洗和深度学习，基于商户分类及性质、终端形态及状态、交易频次及金额、资产折旧及摊销、产权权属及服务、终端采购装机及撤机换机流转机制等特征值分析，构建终端动向结果预测模型，可基本准确地判定市场终端的遗失情况，有的放矢制订终端核验盘点计划，实现了对终端智能化、可视化的全生命周期管理。人工智能的引入，使支付终端资产盘点效率提高了3倍，盘点预测准确率提高了44%。