【科讯】氪信CEO朱明杰：小数据思维无法处理大数据问题

本篇文章1222字，读完约3分钟

星期五，氪信ceo朱明杰博士应邀出席了第一届上海市大数据社会应用研究会年会，在复旦大学大数据研究院主办的大数据智能和金融创新论坛上，朱明杰博士发表了ai克服大数据课题的主题演讲 朱明杰博士表示，现在在大数据的应用中，观察了小数据思维，即个人或局部数据和自上而下验证假设的思维，试图解决大量的非结构化数据，从中得出结论。 他以氪在ai+金融行业的实践为例，分享了人工智能如何帮助金融机构克服巨大的数据课题的经验。

首先，对于金融业pb级的日解决数据量，氪将世界级网络ai引擎的构建经验和zb级的日解决数据量能力下降维度用于金融业，并为此发挥能力。 与以前传达的计分卡模型不同，氪信号通过综合模型架构帮助金融机构解决非结构化数据，氪信号也是最初与金融机构合作产生共鸣的重要因素。

第二，从以前就传入金融行业，风控专家几年来形成了风控经验，在互联网金融到来之际挑战，面对移动网络层出不穷的新情况，已经超越了大脑可以总结的规则范畴，氪信 为智能风控制提供了有效的创造性处理方案，相应的成果也可以应用于知识发现和数据挖掘国际顶级学术会议kdd、数据挖掘和机器学习，采用国际顶级会议wsdm世界顶级的东西等。

第三，从全球金融知识图像构建精确的顾客图像，实现大量非结构数据价值的最大化。 很多人提出了知识地图，但在金融业中，知识地图更深的含义是机器学习模型采用了数据，不是一个人理解的规则，而是人为表现的规则有安全上的顾虑，相反，如果利用机器学习模型，尼 朱明杰博士说

对此，受到金融监管合规要求，金融场景强调模型的说明和可追溯性，网络黑盒进入，黑盒退出的做法不适用于金融场景。 这种做法是因为人的经验不能介入。 另外，金融领域的样本非常稀少，所有注销都意味着巨大的损失。 因为这个机器学习是结合专家的经验不可或缺的。 氪的方法是以专家的经验教授ai模型和算法，增加模型解释器，使风控专家能够解释模型结果，追溯调整具体特征，根据模型的自我迭代进一步优化模型。 另一方面，使用半监督学习方法，结合专家的经验进行样本输出。

这是上海大数据社会应用研究会成立以来的第一次年会。 其中，大数据智能与金融创新平行论坛由上海市大数据社会应用研究会副会长、复旦大学大数据研究院副院长、教授吴立波主持，参加嘉宾由上海交通大学中国普惠金融创新中心主任、英凡研究院院长费方域、上海财经大学新闻 包括博导黄大容量、交通银行总行风险部副总裁孙荣俊，中国电信上海理想新闻产业(集团)有限企业副总裁胡忠顺、复旦大学数据学院青年副研究员魏忠钰、国泰君安证券新闻技术部企划主管梅继雄等。

与会者们结合各自的研究行业进行了深入的共享。 例如，胡忠顺总经理主要共享了基于数据沙盒的金融科技和监管科技的共同创新平台。 魏忠钰副研究员主要是研究小组采用深度学习模式进行金融事情预测和金融实体对互联网的学习研究，梅继雄主管介绍了国家泰君安数字化战术工作，分享了金融中的大数据和人工智能应用场景。