不少机构甚至认为，尽管很多人工智能技术现在看起来算是伪应用，但随着机器深度学习能力的不断增强，有朝一日它或许能大幅提升平台的运作效率，成为平台的新核心竞争力。
“不过，机器深度学习有时也会起到双刃剑作用。”这位大型消费金融机构首席技术官指出，比如在智能风控领域，机器深度学习得出的风控结论，往往是难以解释的。
上述消费金融平台负责人对此也感同深受。此前他们专门为小微企业主研发了一款线下消费信贷产品，当时产品研发团队认为有房有车的小微企业主还款风险不高。但人工智能风控模型得出截然相反的结论——没有房产的小微企业主坏账率会低于有房产的。
“起初我们也想不通为何会有这样结论。”他回忆说，后来大家多方讨论认为，人工智能的逻辑是不少小微企业主喜欢拿房产去不同机构重复借款，导致坏账风险骤增。不过，人工智能风控模型通过哪些风险因子与借款人数据得出这样的观点，他们至今都没搞明白。
“深度学习还可能存在过度弥合问题。”这位大型消费金融机构首席技术官透露，比如不同借款人是否有公积金缴款记录，以及不同借款人在京东、天猫不同电商平台的消费记录，都会通过人工智能得到完全不同的风控结论，不少风控结论在实验论证阶段看似相当有道理，但经不起实践考验。
在他看来，机器深度学习模型能否行之有效，关键在于技术团队能否对人工智能进行有效干预，通过有效调整风险因子参数，让风控模型及结论更贴近实际环境。
“其实，不少消费金融机构也知道人工智能机器深度学习技术的瓶颈，但他们还是刻意放大它的积极作用，因为这有助于提升消费金融平台的整体估值，获得更多的股权融资。”多家消费金融机构负责人直言，这也是互联网消费金融领域人工智能企业估值持续走高的最大驱动力之一。
（编辑：闫沁波）
登陆|注册欢迎登陆本站，认识更多朋友，获得更多精彩内容推荐！