“我是房東我在外地...我是法院你有傳票...我是路人你爸被車撞了...我是你的QQ好友我電話欠費了...我是老闆快幫我墊錢...我是你朋友連我的聲音都聽不出來嗎?...我是《爸爸去哪兒》節目組恭喜你中獎了...我是香港富婆願付鉅款求子...”
曾幾何時，說到詐騙，你我的耳邊就浮現以上“經典案例”。對付這種“小兒科”，你我當然都不在話下，只要記住以下信條：
一、天上不會掉餡餅，掉下來的都是陷阱；
二、好奇害死貓；
三、曬曬曬，死得快；
再加上四字真經——絕！不！轉！賬！，管它神馬非法集資、龐氏騙局，任它千變萬化，咱們荷包裡的銀兩巋然不動。
然而，時代不同了，科技在進步，騙子的手段也越來越高明，只要你一個掉以輕心，你荷包裡的銀兩，可能就此易了主。就拿近年飛速增長的消費金融來說，從2013年到2017年，互聯網消費金融交易規模在短短的4年內，就已經從60億猛增到4367.1億，實現了70倍爆發式增長。在如此龐大的市場中，消費金融公司、電商平臺、互聯網金融企業等紛紛參與角逐，細分領域的創新也不斷湧現，3c數碼、醫美、教育、旅遊、租房、農業等多種場景分期產品層出不窮。
但隨著領域的擴展與增多，欺詐現象開始頻頻出現，以醫美領域為例，消費金融自2015年開始進入，在2016年便呈現出高速增長態勢，然而到了2016年年底，醫美分期騙貸風險集中爆發，曾有業內人士表示在近60億規模的醫美市場中，有15億多被詐騙者攫取。然而，魔高一尺，道高一丈，隨著人工智能的逐步運用及發展，從1.0進化到3.0，人工智能防詐騙的手段，也越來越多樣化，不想被摟草打兔子的你，趕緊長點心來學學吧。
一、人工智能在防詐騙領域的基礎性應用
毫無疑問，人工智能的浪潮已經襲來。這個已經存在了數十年的技術領域因AlphaGo人機大戰而再度聲名鵲起，從20年前“深藍”戰勝卡斯帕羅夫到如今AlphaGo橫掃人類圍棋界，人類智力“最後的堡壘”轟然倒塌，人工智能正一步步接近並超越人類；Apple的Siri，Google的無人車，亞馬遜的Echo，阿里巴巴的ET，伴隨著恐慌和驚喜，人工智能開始逐漸滲入我們的生活和生產。互聯網產業的發展和演進，也使AI找到了更多發展空間，人工智能首次被寫入政府工作報告。
一切都預示著：人工智能正成為產業革命的新風口，人類歷史上最好的“人工智能”時代正在到來。技術浪潮翻滾，AI在和更強大的計算資源以及不斷擴增的數據結合下，正與越來越多的行業發生著聯繫。
人工智能通過設定模型，並進行歷史數據訓練模型，將誤差率做到最低，提煉模型之間共同點，建立更好的數據模型。現階段人工智能在金融領域，最重要的應用就是智能投顧。我國投資理財市場規模達百萬億元，但理財顧問覆蓋率卻非常低，智能投顧領域更是處於非常早期的探索階段,潛力巨大。
基於以上兩點得出的海量、多維、真實的客戶數據，可以瞭解客戶的理財目標、風險態度、財務狀況和行為偏誤等個性化指標，描繪客戶的專屬畫像，做到千人千面，並能根據客戶數據的變化進行及時調整；其二，在資產配置方面，智能投顧會根據客戶畫像給出最適配的資產配置方案，該方案是在比較了若干資產配置模型、經過嚴格歷史回測之後的結果。智能投顧不僅能夠降低成本，進一步的實現普惠金融，在很大程度上也降低了金融顧問服務中的道德風險，對金融防詐騙，也有著深遠的意義。
二、人工智能防詐騙中的機構和客戶應用
人工智能防詐騙可以從機構和客戶兩個維度去探討其應用。
（一）從傳統金融機構的角度來看
對金融機構來說，其主要應用場景是為金融機構挑選更適合的貸款者。傳統銀行機構對現有貸款者的風險評價體系較為傳統單一，對於一些不符合其貸款標準的人員採取一刀切的模式，這讓很多需要金融服務的群眾未能感受到金融機構的普惠。比如，雖然農業銀行擁有約3億個人客戶，但其在客戶甄選上仍持傳統風控路線，使其普惠金融踐行之路舉步維艱。
金融機構通過與人工智能、人工智能領域的合作貸，使風控做到“無招勝有招”，其中推出的針對互聯網網民與三農小微的“新信用分”。讓互聯網數據與金融業本身的數據發生互補，在對三農群眾、網民發放貸款時可更具風險控制的針對性，金融服務更具普惠性。
當前，許多金融機構也聯合諸多已經開發開展了學生貸款領域的金融機構加大了傳統金融機構不願意貸款的職業培訓學生的貸款力度，如校園貸等。人工智能企業擁有更多的外部數據，比如使用類似谷歌、百度這樣的大型搜索引擎公司的內部和外部數據：如百度貼吧等網絡社區的社區信用數據進行客戶信用風險評定與畫像。更方便金融機構對客戶進行風險識別和評估，防止客戶出現欺詐風險。
（二）從金融消費者的角度來看
對於普通客戶來可以通過人工智能即時蒐集更多與投資品相關的新聞，防止自已落入詐騙陷阱。
信息爆炸時代，如何蒐集並應用更多有效信息成為擺在每一個金融人面前的重要議題。特別對於投資經理而言，面對著浩如煙海的數據，怎樣的文本挖掘才能讓投資工作更具效力？
毫無疑問，最有效的方法就是通過搜索引擎導入“負面、正面”兩部分輿情的內容。基金公司的基金管理人，每天第一件事情就是刷“財經新聞”，而且必定要看完自己投資股票池中的股票行業、公司、上游、下游……等報道，但是“百密一疏”。“人眼”鬥不過“網眼”，任何輿情風暴都來源於某一細小的蝴蝶展翅。如百度金融等公司開始為基金公司輸出新聞智能因子，通過搜索引擎的特色數據，加上搜索技術，為其在金融量化投資方面省時省力。
（三）從金融產品的挑選維度上看
幫助機構投資者和金融消費者挑選海量金融產品中的優質資產也是防止金融期詐的有效手斷。
在經濟新常態大背景下，多如牛毛的各類金融資產中，用肉眼去識別哪一類資產更具價值，不會掉入投資陷阱，做起來顯然有些困難。人工智能系統在這方面便頗具優勢：若將大類資產分為：股票、債券、期貨、基金、信託五大類，將判定條件設為連續若干日超過某一年化收益率的產品持續預警，則可以篩選出年化收益率超過市場平均收益的資產投資品。全球的搜索引擎與人工智能公司已深入開展上述幾類金融網站的產品數據提取、挖掘，對金融類網站單獨設立算法計算高收益率產品組合，繼而根據遴選的資產池再構建投資組合，發售高於市場平均收益的投資產品。
三、人工智能防控情感詐騙
2017年程序員蘇享茂被翟某某騙婚一事鬧得滿城風雨，沸沸揚揚。對程序員的困惑——人性之難：情感計算中的難題是否真的無解？
蘇享茂如果想要使用程序去判斷一個人是否可信，至少要經過以下幾個步驟：識別——標準化——輸入——程序判定——輸出。五個步驟缺一不可，他要可以首先準確地識別，翟某某的細微的動作、面部表情，然後將這些內容提取出來標準化為可以錄入到計算機中的數據或者圖片，再錄入進去，使用其情感判別程序判定愛恨，然後輸出愛或者不愛，喜歡或者不喜歡 。
近年來，大量的情感人工智能研究者致力於探討情感機器識別、人機交互領域中的“不匹配”問題：即如何使計算機系統更加理解人類的情感問題。
例如：計算機面對人類挫折感時總是顯得無能為力（計算機總是試圖去解決，而不是安慰）。但人類本身具有將沮喪和挫折調節到最低水平的策略和技能（比如自我尋找心安理得的藉口）。情感的自我調節和規劃是人類情感智能的重要方面之一。人類能夠應用各種方法和手段來控制和管理自己的情感。
如果將蘇享茂的思維模式視為計算機的話，他在翟某某的撒嬌、期騙邏輯下總是試圖去相信，試圖去解決，而不是去調節和適應，蘇享茂的行動邏輯就易於被理解了。媒體上有人垢病於程序員的幼稚或者單純。
在過去的十年中，科學家們試圖通過諸多實驗來建立基於基本情感的通用的心理模型，這些實驗主要集中在自治神經系統和特徵語音信號改變上，但是直到現在，上面所提到的六種基本情感仍然沒有一個統一的識別模式。僅僅在識別“害怕”和“憤怒”兩種情感上,科學家已經做了大量的研究。
例如：計算機可以理解的生理指標，對於人類來說卻有不同的情感意義。比如，對於“害怕情緒”，人類的心率增大、心臟收縮、血壓升高；而對於“憤怒情緒”，心率同樣增大、心臟收縮、血壓升高。因為它們有著如此相似的生理表現，要識別它們一直是個難題。
對於人類來說，情感是離散化的，害怕的下一秒就會是憤怒； 歡喜的下秒可能是傷別離的憂傷。儘管隨著計算速度的提高，情感轉換有可能被計算機所認知，但是可否匹配人類的陰晴不定，捕捉不可捉摸的人類情感，仍是未解難題。特別是當蘇享茂想拿程序去測試翟某某的一顰一笑時，是否會發現背後的冰冷始終如一，從而斷定這個人：心素如簡，人淡如菊？我們不得而知，但是計算機目前對人類情感的計算仍然前景光明且充滿然望。
總之，人工智能公司擁有 “大而全”的數據，而金融機構和普通消費者在新的時代如何避免陷入到各類詐騙，人工智能是幫助金融機構、零售客戶在新時代陷入被騙的殺手鐧。當然，在人工智能面前，你我永遠都是孩子，而掌握的人工智能越前沿，也許我們就離成熟、成功就更近一步，離被騙就更遠一些。
ID：yingtonghuo518
閱讀更多 筱微塵 的文章
