07 AI带来的普惠曙光（第3/10页）

就在入股ZestFinance之前的百度联盟峰会上，百度宣布，“人工智能对于金融也会产生变革性影响，可以真正做到让征信升级”，并特别强调，“现在百度的教育贷款，基本上是以‘秒’的时间就可以决定是不是给一个人贷款”。

“秒批”的背后，正是以机器学习为基础的大数据风控，在提升信贷服务效率、增加金融服务覆盖率上的小试牛刀。

一般来说，大数据风控的成果跟传统金融机构一样也是两个名单：基于白名单的征信，基于黑名单的反欺诈。后者因为“反黑”的目的，常常笼罩了神秘的色彩。比如彼得·蒂尔创立的、有全球第四大独角兽之称的人工智能公司Palantir，不仅在帮助美国安全部反恐中屡立奇功，更因为整合了40年的记录及海量数据并充分挖掘之后，终于发现了伯纳德·麦道夫(Bernie Madoff )的“庞氏骗局”，而为天下人所知。

但我们更愿意从主流的角度来讲述人工智能在金融风控中的故事。

根据中国人民银行的数据，截至2015年9月，中国人民银行征信系统收录的8.7亿自然人中有信贷记录的为3.7亿人，可形成个人征信报告、得出个人信用评分的有2.75亿人。

这就意味着，在中国还有约5亿人是没有征信记录的“小白”，他们被挡在传统金融服务的门槛之外。

而依托庞大的数据基础以及人工智能实现的人群画像技术，百度金融等企业，正在悄悄改变风控线上化的难题，把以往高高在上的金融服务涓滴到更多亟需帮助的“小白”身上。

比如，在大学学习了4年室内设计的李亮，最近开始在网上搜索UI（用户界面）课程、培训学校、分期交学费等信息，他希望通过学习，未来能进入一家大的互联网公司工作，但教育机构普遍不低的学费成了摆在面前的第一道坎儿。

李亮不知道的是，在同一时间还有很多人在百度上搜索着同样的关键词，虽然此时此刻他们还没有与百度金融直接发生关系，但这些人的群体性需求，正以数据的形式进入百度大数据风控的视野之内，并通过机器学习被归类于某一群体画像，从而拥有了相应的信用判断。

对比了几家教育机构之后，李亮终于选择了一所培训学校学习UI，并且决定试试老师推荐的百度有钱花学费分期贷款。他通过手机在短短几分钟内，填写个人身份信息并拍摄个人图像等，完成贷款申请步骤。

而在光纤的另一端，百度风控的策略系统迅速响应，根据人群画像，借助图像识别等技术，对李亮的信息进行采集、加工和分析，并调用数据字段结果送给风控平台，进而完成授信过程。

经过短暂的等待，李亮收到了人生中第一笔贷款审核通过的短信。

几个月的UI课程学习结束后，李亮决定再次贷款学习VI（视觉设计），为即将步入职场加码，这时他惊喜地发现，因为良好的还款记录和稳定的消费记录，机器给他的贷款额度和信用支付场景在扩展和提升。

更重要的是，机器给李亮建立的人生第一份信用记录，可以帮助他超出百度金融体系之外，在更多金融机构里享受更全面、更好的金融服务，彻底告别信用“小白”状态，提升金融服务的获得感。

朱光曾说：“我们这个社会，究竟该由谁来给身无长物的年轻人发放第一笔贷款，在他们人生关键的爬坡阶段给予扶持？现在来看，答案也许是‘机器’。”

而当机器完成了金融服务对象——人的数据化，就已经没有什么可以阻止它在金融王国里纵横驰骋了。