关系圈识别可降低金融风险
接下来说搜索。
以前的计算机系统做的探索，主要是关键词的匹配和搜索。这在结构化数据当中可以做，但是80%的数据都是非结构化的数据。
现在认知系统有两个功能：
第一，可以做到模式匹配和关系的发现。通过语义理解和模式匹配，可以在海量的非结构化数据当中做搜索想要的东西。比如，对一个问题，可以从海量的知识库当中可以定位用户所需要的答案，而不是一个关键词。
第二，在海量数据当中，可以发现很多相关的知识、知识之间的关系是什么。
未来，IBM希望能做到无监督的知识的构建，现在做的知识图谱的构建大多还是有监督的。未来，希望人工智能能够从海量的知识库中抽取其中的关系、以及关系存在的类型，能够自动地去学习、更新、维护。
此外，现在很多人工智能在写诗、在写歌、在写文章。IBM希望未来的探索使得认知系统能够做一些艺术家所做的工作，即“创新”。
在这方面，IBM已有产品落地。赖开文介绍，IBM在四大行的某一家银行里头我们做了一个基于图计算的品牌。通过图计算帮银行来进行风险的识别和传导的预测。
具体来说，IBM做了八种关系的关系圈搜索，包括股权关系、担保关系、投资人之间的关系、资金圈的关系等等。在这八种关系当中，IBM去检索相应的关系圈。赖开文介绍，IBM的System G目前已经非常强大，原来做这样的一个关系识别要一个月的时间，现在做到了只要分钟级就可实现。原来这个关系圈做到6个就做不下去了，现在能够做到无限的，20个、30个，甚至上百个关系圈搭建。
利用关系圈的搭建，IBM做的是风险传导的预测。在这个关系圈里头当有一个点出现违约的时候，它剩下的关系圈的其他的点什么时候会违约？它违约的概率有多大？就像一个苹果筐里头有一个苹果烂了，其他的苹果什么时候会烂掉？就可以预测了。我们做的准确率在40的预测做到58.2%，基于这样的验证，IBM即将对银行进行这样的产品推广。现在很多银行都很关注，对风险传导的预测能够大大减少银行损失。
人工智能辅助决策
人工智能最重要的能力或者最关键的能力就是帮助人们做决策。IBM认为现阶段人工智能或者认知计算更多强调的是“辅助”决策的阶段。
“辅助”决策的意思是，IBM会给用户决策的建议，这些建议里有一个“置信度”，即这个计算机系统、认知系统认为他的置信度有多少，即判断它再多大程度上是靠谱的。并且“可追溯”，意思是，每个决策建议后面会给出证据，人可以据此作出判断，觉得合理就采纳，如果不合理，就做出自己的判断。
在这方面，IBM的落地项目是，帮日本的一家保险公司做智能理赔。寿险公司的理赔非常复杂，因为病种很多，每个病都很复杂，要分清什么情况赔、什么情况不赔，是很专业的事情。同时，在判断是否应该理赔时，要核查非常多的文档、检查的资料、医生的处方等等。一般复杂大病需要10年以上的员工才能做。这样人力成本的投入是非常高的。IBM通过沃森系统帮寿险做智能的理赔，做两件事情：
第一，从非结构化的数据（从医院拿过来的医生开的处方单、诊疗报告）当中，把关键特征信息抽取出来，包括了疾病名称、手术名称、诊疗结论，不需要通过人去录入。这是通过自然语言的理解、机器学习实现的。
第二，把抽取出来的特征与历史数据进行对比，从而做出理赔决策。
赖开文透露，IBM给这家公司做完之后，该公司理赔的平均时间减少了40%，人员的投入减少了30%，原来有30%的人员转岗去做别的事情了。每年减少支出1.5亿日元。
他透露，IBM正在谈中国的保险公司，TOP6的保险公司要把这样的一个认知理赔的方案从日本移植到中国本地。（温泉）
以下为演讲实录：
闫瑾：谢谢纪总的分享。因为保险现在是被大众越来越需要，我们也期待人工智能在保险领域更多地落地，让保险更加人工化、智能化和个性化。