在中國，使用互聯(lián)網在賬戶間轉賬、申請銀行貸款或進行交易，已成為居民日常。

不知道每當你用支付寶或微信進行轉賬或交易時，是否會意識到金融技術在日常生活中已經舉足輕重。 2018年，大約 61%的美國人都使用數字銀行服務，到2022年，這個數字將超過65%。

金融技術是第四工業(yè)時代的新特征之一，是快速發(fā)展的數字技術應用，旨在改善和促進金融服務。 公司爭相采用金融技術來提高競爭力。 令人印象深刻的是，該行業(yè)吸引了巨額投資：根據畢馬威會計師事務所（KMPG）的數據，2018年，僅在英國，該行業(yè)就吸引了超過160億美元的投資。

另一方面，整個國家都在及時采用人工智能技術，來爭奪最大的利潤。

韓國公布了一項有野心的國家計劃，預計到2022年，投資20億美元以提高其人工智能的研發(fā)水平。該計劃包括在全國建立6個新的人工智能研究機構。

該國研發(fā)支出占GDP的比例（4.3%）全球排名第一；引人注目的是，很大一部分支出用于人工智能。

還有一個國家，也想與世界領先的主導AI的國家并駕齊驅，那就是以色列。

2018年，人工智能初創(chuàng)公司籌集了超過15億美元的資金。 以色列是人工智能人才的溫床。通過追蹤近4000名在人工智能研發(fā)和集成（包括軟件和硬件）方面工作的開發(fā)人員、工程師和數據科學家，發(fā)現(xiàn)，其中64%受雇于初創(chuàng)企業(yè)，31%在當地和跨國公司工作，這些公司在以色列設有專門的人工智能中心、實驗室。

然而，全世界對人工智能解決方案開發(fā)、部署和維護的需求如此之高，以至于目前的國家資源庫根本難以滿足需求。這使得許多金融技術公司需要借用外部人工智能人才庫，以避免陷入國內人才短缺的“困境”，并加快上市時間。 例如，SkyCoin是以色列的第三代區(qū)塊鏈平臺，未能為基于AI的解決方案開發(fā)找到足夠的Go語言工程師，于是在烏克蘭雇傭了一個專門的軟件團隊，以加快上市時間，并組建比其國內更大的人工智能人才庫。

金融技術通常被認為是全球人工智能驅動變革的催化劑，因為許多銀行和金融機構已經有一定機會開創(chuàng)人工智能并從中獲益，而許多其他行業(yè)正在觀望，等待看到第一個成功的使用案例和合理的投資回報。

根據2018年金融技術研討會，使用機器人過程自動化（RPA）的公司通常在3-8個月內就能收獲40%-100%的投資回報率。

有些預測更加夸張。根據美國金融技術專業(yè)獨立分析機構的“自主研究”，僅在美國，使用RPA和其他人工智能技術，就能幫助銀行和金融機構節(jié)省超過1萬億美元；可以大幅削減現(xiàn)金業(yè)務專家、安保人員和其他工作人員的數量，預計將節(jié)省4900億美元。如你所見，預計2019年后，人工智能和新興技術將在金融技術向成熟產業(yè)轉型中發(fā)揮關鍵作用。

下面來看看金融技術行業(yè)中的6個案例，關于如何有效利用機器學習（ML）、自然語言處理（NLP）和深度學習，更好地理解人工智能的變革性多么強大且獨特。

1、自然語言搜索

在客戶服務中，自然語言處理應用于幫助客戶搜索與某個公司的交易或服務，同時，自然語言搜索也是篩選公司內部數據的一個非常有用的功能。金融公司需要即時按需訪問內部數據以提高競爭能力。

自然語言搜索使公司能夠在幾秒鐘內完成這樣的搜索。NLP將人類語言轉換成一個SQL請求，并以方便的可視化形式提供結果。在現(xiàn)代市場中，當銀行在不同時區(qū)全天候運營時，掌握相關信息可以節(jié)省數十億美元，并有助于做出明智的戰(zhàn)略決策。

2、算法交易

根據Techfunnel的數據，2017年，多達73%的日常交易活動是通過機器學習算法進行的。如今，金融公司越來越認識到算法交易的好處：它遵循預先定義的規(guī)則，減少了失誤，無需使用耗時的市場監(jiān)控，最重要的是，它不受人類情感的影響，而人類情感往往是高錯誤率的罪魁禍首。隨著金融技術的發(fā)展，越來越多的企業(yè)更信任機器學習而不是人類的直覺。

3、信譽評估

自然語言處理是所謂金融普惠背后的驅動力，有助于最大限度地為以前沒有銀行賬戶的人群提供銀行服務。例如，在美國和歐盟，銀行可以通過分析客戶的信用記錄來評估其信譽，但在發(fā)展中國家，大多數客戶根本沒有任何信用記錄。

這就是自然語言處理和高級文本挖掘發(fā)揮作用的地方：通過分析用戶在瀏覽互聯(lián)網和使用社交媒體時留下的數字足跡，生成一個信用評分，幫助準確預測用戶的下一步行為。

4、客服機器人

根據近年來開展的多項研究，如果有其他出路，絕大多數美國千禧一代會很樂意拋棄銀行。這一代的技術人才列出了他們在銀行亟待解決的難事，包括排長隊以及與銀行人員不愉快的互動等等。

自然語言處理是一套旨在識別人類語言和語音的技術，它的使用推動了聊天機器人的發(fā)展，使其能夠執(zhí)行一系列令人印象深刻的操作：如虛擬助理及自動索賠處理。虛擬助理將先前令人厭惡的經歷變成愉快的體驗。

基于此技術，聊天機器人可以幫助客戶分類整理金融產品，創(chuàng)建儲蓄計劃并控制客戶的消費。例如，光大永明人壽（Sun Life）創(chuàng)建了數字教練Ella，幫助客戶瀏覽他們的福利和養(yǎng)老金計劃。 在保險技術領域，人工智能的操作都是與客戶相關的：保險公司使用的客戶風險評估中，個性化遠程信息處理設備在跟蹤駕駛狀況和健康狀況中發(fā)揮了重要作用。

人工智能會自動選擇適合每種風險狀況的保險產品，并通過虛擬顧問提供給客戶。

5、預測分析

另一個在金融技術中使用機器學習的典型例子是預測分析。通過及時采集、處理和分析大量數據集，企業(yè)能夠比傳統(tǒng)方法更快、更準確地預測未來的金融趨勢。由于有助于分析數據、預測風險和識別機會，時至今日，機器學習算法穩(wěn)步取代了傳統(tǒng)的分析工具。

6、欺詐檢測

技術進步往往會給金融機構帶來更多的欺詐風險和安全漏洞。事實上，沒有哪個行業(yè)像金融業(yè)那樣遭受無數欺詐相關的損失。根據Javelin的身份欺詐報告，2018年，美國約有1700萬企業(yè)經歷過欺詐。

幸運的是，ML欺詐檢測工具也變得越來越先進，并且被證明比傳統(tǒng)的手工方法更有效。ML能實時檢測異常，驗證措施少而有效，能識別隱藏的欺詐活動。銀行交易和生物識別用戶認證只是ML應用于檢測欺詐的一部分例子。 Regtech是另一個新興的金融技術細分市場。

簡而言之，它被公認為能夠“利用新技術促進實現(xiàn)監(jiān)管要求”，在現(xiàn)代快速發(fā)展的市場中，監(jiān)管要求變得越來越復雜且無處不在。例如，像Comply Advantage這樣的公司利用人工智能和機器學習來檢測洗錢和恐怖融資，幫助公司遵守全球法規(guī)并保護其業(yè)務。

在人工智能、移動設備和互聯(lián)網使用增加的推動下，據報道，在2014-2025年內，金融技術市場的最高預期復合年增長率（CAGR）為74.16%。 金融技術最初用于推動大多數金融機構的后端流程，現(xiàn)在則是客戶相關金融業(yè)務背后的主要力量，并正在改變全球范圍內處理金融的方式。

誠然，由于缺乏合格的人工智能顧問，阻礙了其廣泛應用，但從長遠來看，企業(yè)可以利用人工智能外包、與可靠的第三方提供商合作來推進其金融服務，從而解決這一問題。

今后，人工智能還會如何幫助金融技術發(fā)展呢？我們一起拭目以待……