最近，央視《機智過人》的一期節目引發廣泛關注：

　　寧波國家高新區一家企業開發的名為“阿爾法鷹眼”的智能識別系統獲邀參加節目，其與8名參與過護航、撤僑的原蛟龍突擊隊隊員過招。面對這些“泰山崩于前而色不變”的鋼鐵戰士，“阿爾法鷹眼”使用了視頻幀間運動振幅情感AI算法，判斷人是否說謊、緊張等情緒變化，精準地捕捉到了最細微的情感波線，用“情感AI讀心術”成功地找出了這8名隊員中唯一的狙擊手。

　　事實上，近年來隨著情感AI技術發展突飛猛進，央視節目中的特種兵測謊場景只是小試牛刀。在真實世界中，情感AI技術已經開始在安防、廣告、教育等與特殊人群密切相關的行業中得到初步應用。

　　而在被視為高端服務業的金融業中，各種人群會因為與金錢之間的千絲萬縷的關系而時刻發生著極為復雜的各種交互，爾虞我詐、互相博弈等情形比比皆是，情感AI技術在這樣的關系高度復雜、利益緊密相關的場景下將大有所為。

　　為了說明情感AI技術對于金融行業的重大影響，我們首先來了解一下情感AI技術的基本原理和發展前景。

　　情感AI時代的帷幕已經拉開

　　情感認知是人類的本能，幾乎每個人都具備這種認知能力（EQ）。然而，與智商（IQ）不同，這種有關情感的認知能力和認知結果在過去很難被量化，我們只能憑借主觀判斷（各種形容詞）去評價某個人的情緒狀態。

　　如今，情感AI技術就是要解決這個量化問題，它是通過什么原理實現的呢？

　　（一）情感AI技術的起源：保羅·艾克曼與羅莎琳德·皮卡德

　　情感AI技術的基礎在于心理學層面的情感識別分析技術，在該技術出現前，人類的情感只能用語言去描述，屬于純粹主觀經驗判斷。而情感識別和量化技術由美國心理學家保羅·艾克曼教授創立，其最大的學術貢獻是面部動作編碼系統（FACS）。通過該技術，人類第一次可以通過科學標記計量的方法將高興、傷心、害怕、憤怒、厭惡、驚訝、輕蔑等七種基本情緒進行科學定性定量分析。

　　而情感AI概念則是在1997年由麻省理工學院（MIT）世界著名AI專家羅莎琳德·皮卡德教授提出，其在MIT的跨領域尖端科學實驗室Media Lab從事機器學習與神經科學的交叉研究，一手創立了Media Lab情感計算研究部，致力于將AI技術引入到情感的識別和量化研究中，她的著作《Affective Computing》開創了計算機科學和人工智能學科中的新分支——“情感計算”，從此開啟了情感識別分析與AI技術相結合的全新情感AI時代。

　　（二）情感AI是AI向前發展的必然方向

　　情感AI=情感識別分析+AI。近年來，伴隨著AI應用強大風口的到來，情感AI領域成為AI時代的重頭戲和新路標。

　　具體來說，AI技術應用的爆發發生在2010年后（參見圖1），相關技術相繼在大數據分析、語音識別、計算機視覺、自然語言處理等應用領域取得重大進展，圍繞數據處理、語音、圖像等人工智能技術的創業創新大量涌現。

　　而按照尤瓦爾·赫拉利等人類學家的觀點，人類的能力分為身體能力和認知能力兩種。在工業時代，機器替代了人的體力即身體能力；在AI時代，機器替代的是人的腦力即認知能力。而認知能力又可以分為與智商相關的認知能力和與情商相關的認知能力。前者幫助人類解決自身與外部世界的認知和交流問題，比如處理數據所需的數學能力以及認知世界所需的圖像、語音識別能力等。后者是解決人和人之間的溝通問題，比如日常生活中的人際關系處理能力、商業活動中的談判博弈能力等，這些都需要準確評估他人的情緒、偏好等心理狀態。

　　目前的AI技術應用大多集中在與智商相關的智能領域，并且相關技術已經相當成熟，無論是數字處理能力還是圖像、語音、語義等信息的識別能力，AI已經開始超越人類，相關技術紅利和創新已經漸漸看到了天花板。

　　因此，很多AI領域的頂級學者都在探索AI技術下一步發展的方向。例如美國斯坦福大學人工智能實驗室與視覺實驗室負責人李飛飛教授認為，“下一步人工智能的發展，需要加強對情感、情緒的了解，要走進認知科學，心理學。未來，從情緒到情感，最是人工智能未來前進的方向?！?/p>

　　《人類簡史》作者著名歷史學家尤瓦爾·赫拉利在剛剛出版的新作《今日簡史：人類命運大議題》中論述道:“情緒也不是什么神秘的現象，只是生化程序反應的結果。因此在不久之后，只要用機器學習算法，就能分析身體內外各種傳感器所傳來的生物統計資料，判斷人的性格類型和情緒變化”。

　　因此，從機器替代人類的大邏輯和歷史路徑來看，情感AI技術從實驗室、象牙塔走向普羅大眾，現在僅僅是個開始，但是其改變世界是“必然”。那么，情感AI技術在金融領域的應用將有什么樣的新局面呢？接下來，筆者將以金融反欺詐為例，來闡釋情感AI技術對金融世界的潛在影響。

　　情感AI技術如何實現金融反欺詐？

　　金融的本質是實現資金在供求雙方順利融通。而資金的提供者和資金的使用者之間天然存在信息不對稱問題，因此就需要金融機構以盡量低的成本去降低或克服信息的不對稱，這是金融機構存在的根本價值。

　　由于信息不對稱形成的金融風險可以分為客觀層面的信用風險和主觀層面的欺詐風險。其中信用風險的成因較為復雜，與資金使用主體的自身情況、市場政策等外部情況相關，其造成的損失是相對損失，存在一定概率。而欺詐風險則不同，其屬于資金使用主體惡意為之，其結果是絕對損失。因此，欺詐從來都是金融行業的毒瘤、金融機構的夢魘。

　　而由上文可知，情感AI技術的源頭就是為解決“測謊”等情緒情感問題。因此，情感AI技術深刻改變金融業的開端就應該在金融反欺詐領域。事實上，情感AI技術在金融反欺詐領域的應用早已不是理論推演，平安一賬通、翼開科技、竹間智能等金融科技公司正在努力將其一步步變為現實。筆者經過調研發現，目前這些公司的具體解決方案的底層技術邏輯類似，請看下文分析。

　　(一）情感AI技術為何能實現金融反欺詐？

　　情感AI技術在金融反欺詐過程中的角色，目前主要是替代信貸審核人員從事貸前面審環節。在傳統信貸操作中，一個經驗豐富的信審人員可以通過信息分析和察言觀色等手段識別出惡意騙貸者，甚至有的時候需要憑借長期從事類似工作形成的職業“直覺”來認定，也就是格拉德威爾在《眨眼之間》一書中詳細闡述的“不假思索的決斷力”。在從前的人類認知中，有時候將這種能力歸結為某種“天賦”，甚至帶有某種不可知的神性意味。

　　然而，由于心理學和AI技術的突飛猛進和深度融合，越來越多的學者開始將這種能力定義為一種更為復雜的決策算法，是大腦神經元進行大量碳基計算的結果，而只要數據足夠巨大，基礎算法足夠精確，人工智能通過硅基計算一樣能夠達到同樣的結果。情感AI技術能夠從事信貸反欺詐，就是讓機器擁有了原以為人類獨有的在信貸欺詐識別領域的“不假思索的決斷力”。

　　機器是如何做到的呢？來看情感AI技術金融反欺詐的底層邏輯：

　　首先對金融機構的歷史視頻、音頻數據進行抓取處理，得到微表情、聲紋等核心的可用數據資源；

　　其次是對這些可用數據進行測量和標記，將其轉化成心理學情緒指標數據；

　　隨后，通過機器學習得出這些心理學指標數據與欺詐結果之間的關系算法，建立計算模型；

　　最后，將新用戶的數據納入模型進行分析，計算出被測主體的欺詐可能性。

　　依據上述底層技術邏輯，情感AI金融反欺詐若想實現，除了與AI相關的深度學習、神經網絡等通用算法技術之外，還必須具備以下兩大技術條件。

　　1、海量的數據資源

　　現代AI技術的基礎是機器深度學習技術，其需要大量數據源進行自我訓練從而形成AI算法，并且不斷吸收新的數據源實現算法自我更新。情感AI技術也不例外，它能夠實現金融反欺詐的重要前提是與人類欺詐心理相關的海量數據資源，相關數據量越大，算法越精確，技術的可用性越強。這些數據資源，根據層次和數據形式不同，可以分為四類：

　　一是原始數據，即金融機構通過錄音、錄像設備記錄存儲的音頻、視頻數據，這些數據在被處理和解讀之前不具有任何實際意義。

　　二是人體表征數據，即可被測量的微表情、眼神、肢體動作、聲紋等人體生理相關數據，需要從錄音錄像設備記錄的視頻、音頻等載體中進行抓取。這些數據從時間維度可以分為歷史沉淀數據和實時被測數據。前者主要被用來訓練情感AI算法模型，后者則被用來分析被測主體的即時心理狀態。此外，隨著物聯網傳感器技術的高速發展，在可見的未來，金融機構可能通過更先進的設備獲取血壓、血氧等更復雜的人體表征數據，以便建立更為精確的算法模型。

　　三是心理打標數據。前文提到的保羅·艾克曼教授發明的面部動作編碼系統（FACS）就是一種針對微表情數據進行心理打標的方法，將微表情數據轉化成具備心理學意義的情緒標簽，即人類的7種基本情緒，這些被打完心理標簽的數據經過整理形成“心理標簽數據庫”。平安一賬通在該領域則更進一步，其依照現代心理學理論，基于上述七大類情緒的框架，又細分至54種微表情，對每一種表情都通過精心設計的心理實驗完成相應人臉表情數據的采集，總計多達數十萬張圖像數據。

　　四是欺詐結果測量數據，即真正具備金融意義和應用價值的數據。必須指出的是，經過上述方法測量出來的欺詐結果只是一個概率，而不可能直接做是否判斷，這也是情感AI反欺詐與人工反欺詐的最顯著區別。因此，這些欺詐結果測量數據可以定義為“灰數據”。根據欺詐最終實際發生的情況，可以統計出系統的識別準確率，并通過對實際欺詐結果與系統識別欺詐的偏差去修正底層算法模型，從而使算法本身更加精確。

　　2、關于欺詐機制的心理學研究

　　上文已經提到保羅·艾克曼教授是利用情感計算技術解決欺詐問題的先驅。經過數十年的研究積累，心理學界已經逐漸認清了欺詐心理機制的規律，并且可以從微表情、聲紋等人體表征數據的異常變化預測欺詐可能性，這也是情感AI技術解決金融欺詐問題的基礎科學理論根據。

　　比較常見的金融欺詐情形包括主體不實和信息不實，前者可以通過人臉識別、指紋識別等生物體證識別類的AI技術解決，后者則是通過面審解決，傳統人工面審對面審人員的經驗和能力要求極高，而情感AI技術就是要替代這些技藝高超的面審人員，將其面審流程標準化和審核結果數量化。

　　欺詐心理機制與微表情等人體表征數據之間的關系極為復雜，在此不可能詳細展開，但我們只需要認識到欺詐心理作為一種異常心理狀態，其必定會在微表情等人體表征數據上留下痕跡。此外，欺詐心理機制還需要心理學家精心設計的問題框架來激發，包括無關問題、有關問題、業務問題以及個別追問等問題流程，這些問題會讓被測者的上述心理痕跡更易被機器測量。

　　事實上，由于人類的心理機制生成極為復雜，相關心理學理論成果汗牛充棟，目前各家市場機構選擇的欺詐心理理論路徑不盡相同，這也成為各家機構的殺手锏，這也是情感AI金融反欺詐市場能夠百花齊放的根本原因。

　　隨著AI底層技術逐漸與互聯網一樣成為技術基礎設施，情感AI金融反欺詐技術公司比拼的終將是有效數據體量和心理學理論研究應用能力，現在來看，這條賽道才剛剛形成，誰能傲視群雄還有待觀察。

　?。ǘ┣楦蠥I技術在金融反欺詐中的特殊價值

　　雖然情感AI技術在金融反欺詐領域的應用正在逐步變為現實，但是其價值還存在一定爭議，特別是在當今金融行業，大數據風控在近年來已經成為主流風控范式，其展現了強大的金融風控能力。有市場人士認為情感AI技術可能只是看上去很美，事實上多此一舉。然而在筆者看來，事實可能并非如此，情感AI技術是現行大數據風控技術的有益補充。

　　1、現行大數據風控的致命缺陷

　　互聯網金融現行的風控基礎設施是基于歷史數據的“大數據風控”。其致命缺陷至少存在于以下兩方面：

　　一是其只關注貸款申請人的歷史情況，沒法顯示貸款申請人的即時情況，在貸款申請的當下，大數據評價是滯后的；

　　二是容易通過數據摻水造假，甚至反向精確制造大數據風控系統偏好的數據，使大數據風控系統完全失效。

　　互聯網欺詐手段變得越來越多樣，用戶及互聯網金融平臺受到的欺詐風險也在急劇增加。統計數據顯示，中國互聯網欺詐風險已在全球排名前三，網絡欺詐導致的損失已達到GDP的0.63%，這一數字僅次于美國的0.64%。

　　現有金融反欺詐行業都是聚焦歷史數據的廣度和算法，缺乏對自然人主體的主觀風險評價機制，導致惡意騙貸/騙保/老賴等現象無法得到根本解決，甚至大數據的現存漏洞已經成為騙貸類黑產的源頭。

　　2.情感AI技術應用在金融反欺詐領域的獨特價值

　　針對上述現有大數據風控的致命缺陷，情感AI技術應用就有其用武之地：

　　一是情緒反欺詐數據來源是貸款申請人當前的微表情等實時數據，具有實時性，反映了貸款申請人當前的資信狀況和主觀心理狀態。

　　二是除實時性之外，該數據還具有“不可偽造”的特點，貸款申請人是否說謊或者情緒異樣，機器通過人工智能算法測量得出，除非經過專項反偵察的特種訓練，這樣的造假成本極高，因此情緒數據幾乎不可偽造。

　　因此，情感AI技術在金融反欺詐領域，不僅解決了信貸面審過程中面審人員的隨機性、主觀性難題，還可以彌補現行大數據風控的既有缺陷，金融欺詐風險有望得到根本性防控。事實上，人臉識別等生物識別類AI技術已經根本性解決了長期困擾金融行業的因主體不實而導致的金融欺詐問題，情感AI技術將是AI賦能金融風控的下一站。

　　結語

　　隨著情感AI技術的逐漸普及，更為智能的AI技術將深刻地改變金融行業，金融反欺詐僅僅是開始。在未來，智能營銷、智能催收、智能客服等領域都將因情感AI而迎來全面變革。

　　當今金融行業被公認為金飯碗，原因在于金融從業人員大多需要具備豐富的專業知識和高超的人際溝通能力（前者已經被互聯網大大削弱，后者顯得越來越重要），而情感AI是對人類的終極性替代，機器從此不僅比我們知道得多、計算得快，甚至比我們更理解自身和他人的主觀感受，在這樣宏大的未來科技變革的大背景下，或許我們應該重新思考金融行業的未來和我們自身的未來。

　　來源：蘇寧財富資訊；作者：蘇寧金融研究院高級研究員 趙一洋

<menuitem id="zjj55"></menuitem>

<menuitem id="zjj55"></menuitem>

<big id="zjj55"></big>

責任編輯：韓希宇