金融部門經(jīng)常產(chǎn)生大量有價值的數(shù)據(jù)，從個人采購，到大型交易，這些數(shù)據(jù)關(guān)聯(lián)著巨大的財富，而人工智能技術(shù)預(yù)計到2030年為金融行業(yè)節(jié)省超過1萬億美元。

面對機(jī)遇，很多銀行開始采取行動。但是如何才能最大程度地利用人工智能技術(shù)呢？

這時候，銀行就面對著同樣一個嚴(yán)峻的現(xiàn)實：要想成功部署人工智能應(yīng)用，光有海量的數(shù)據(jù)還不夠。對于人工智能交付結(jié)果而言，數(shù)據(jù)質(zhì)量起到了重要的作用，這正是絕大多數(shù)組織都在努力解決的難題。

在過去幾十年內(nèi)，各大銀行一直在收集數(shù)據(jù)，因此，數(shù)據(jù)管理變得極為復(fù)雜。數(shù)據(jù)通常是斷續(xù)的，并且以不同的格式存儲，整個組織布滿了無法使用的孤立信息數(shù)據(jù)庫，這使得全銀行范圍內(nèi)的研究難以開展，人工智能應(yīng)用也無法從數(shù)據(jù)中發(fā)現(xiàn)見解。

幸運(yùn)的是，一個解決方案應(yīng)運(yùn)而生?！钢R圖譜（knowledge graph）」——亞馬遜、谷歌和蘋果公司等巨頭使用的一項技術(shù)——可以連接不同的數(shù)據(jù)庫，讓它們變得可供搜索。知識圖譜還可以連接結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)，使人工智能應(yīng)用不僅可以使用內(nèi)部數(shù)據(jù)庫的信息，還可以使用文本等文檔中的信息。

「知識圖譜」如何起作用？

知識圖譜是知識領(lǐng)域的模型。它映射了企業(yè)的所有業(yè)務(wù)對象和概念，以及它們之間的相互關(guān)系。知識圖譜被構(gòu)造為附加的虛擬數(shù)據(jù)層，位于現(xiàn)有數(shù)據(jù)庫之上，并將數(shù)據(jù)大規(guī)模鏈接在一起。電子表格等結(jié)構(gòu)化數(shù)據(jù)，以及文本文檔等非結(jié)構(gòu)化數(shù)據(jù)，都是知識圖譜連接的對象。

由于知識圖譜基于知識和概念，因此要想創(chuàng)建良好的知識圖譜，必須讓整個組織內(nèi)不同領(lǐng)域的主題專家都參與進(jìn)來。這增加了對協(xié)作的需求，并加強(qiáng)了知識管理領(lǐng)域的共同責(zé)任和透明度。而且，由于該技術(shù)并不會取代現(xiàn)有的IT系統(tǒng)，而是對它們進(jìn)行加強(qiáng)，因此具有極高的成本效益。

試圖建立自己的知識圖譜的金融機(jī)構(gòu)不必從頭開始。Financial Industry Business Ontology（金融業(yè)業(yè)務(wù)本體，F(xiàn)IBO）定義了金融業(yè)務(wù)應(yīng)用程序中有趣的一組業(yè)務(wù)對象，以及它們之間的相互關(guān)系。通過使用FIBO，組織可以使任何描述財務(wù)業(yè)務(wù)的數(shù)據(jù)變得有意義。

使用語義人工智能的個性化銀行服務(wù)

知識圖譜、自然語言處理（NLP）和人工智能的結(jié)合，對于銀行業(yè)的數(shù)字化轉(zhuǎn)型將是至關(guān)重要的。

一種特別有趣的趨勢是，使用該技術(shù)來改善個性化的客戶服務(wù)。這可以通過使用知識圖譜構(gòu)建推薦系統(tǒng)來完成，在線商店也經(jīng)常使用類似的推薦系統(tǒng)向用戶展示相關(guān)產(chǎn)品。

由于知識圖譜能夠以智能的方式鏈接數(shù)據(jù)，因而相比單純的機(jī)器學(xué)習(xí)系統(tǒng)，它們可以讓推薦系統(tǒng)做出更好的推薦。想象一下，一家在線商店遇到了一位對藍(lán)紋奶酪感興趣的用戶——例如羅克福奶酪（Roquefort）——藍(lán)紋奶酪中最富盛名的一種，盡管絕大部分的推薦系統(tǒng)可能會向這位用戶推薦其他類型的藍(lán)紋奶酪，但是得到知識圖譜支持的推薦系統(tǒng)則可能會技高一籌，它可能會推薦一款與特定類型奶酪搭配的葡萄酒。

對于不同實體之間相互關(guān)系的理解——在這種情況下，奶酪和葡萄酒及其所有屬性，可提供豐富的、額外的語境信息——這會讓建議的質(zhì)量有所不同。

很多銀行都在自助服務(wù)門戶中部署該技術(shù)，向客戶顯示個性化的信息視圖，例如新產(chǎn)品和服務(wù)。同樣，他們還在在線門戶中使用知識圖譜，以提高客戶的金融知識。這些是通過構(gòu)建數(shù)字化助手來實現(xiàn)的，可以幫助客戶通過知識中心的語義搜索獲得金融知識。

例如，瑞士瑞信銀行（Credit Suisse）通過其語義人工智能搜索引擎，幫助客戶和分析師們更快地做出更明智的決定。該平臺能夠快速、高質(zhì)量地檢索大量信息，并提供基于語境的高質(zhì)量結(jié)果。它讓客戶和分析師能夠只關(guān)注他們需要的信息，并且提供個性化視覺分析。

另一個例子是德意志銀行（Deutsche Bank），出于多種原因考慮，該行正努力實施知識圖以支持其人工智能策略，通過關(guān)系發(fā)現(xiàn)、內(nèi)容語境化、以及對數(shù)據(jù)含義的更好理解，對內(nèi)容進(jìn)行自動充實。

但是，銀行服務(wù)的個性化只是銀行業(yè)中眾多的技術(shù)趨勢之一。我們還看到該技術(shù)出現(xiàn)在與合規(guī)性、欺詐檢測、風(fēng)險評估、租賃協(xié)議甚至貸款申請等相關(guān)的事務(wù)中。在所有這些用例中，知識圖譜對于實現(xiàn)最佳結(jié)果至關(guān)重要。

基于知識圖譜的另一個重要應(yīng)用程序是“了解你的客戶”（KYC）或“客戶360”，它還涉及使用客戶的鏈接和整體視圖，豐富語境信息，以便能夠進(jìn)行準(zhǔn)確的交流、做出明智的決策、或匯總準(zhǔn)確的產(chǎn)品報價。

如何開始利用語義人工智能？

要開始使用語義人工智能，各大銀行應(yīng)該首先定義出具有特定目標(biāo)的具體用例。通過執(zhí)行已定義的項目，組織可以了解該技術(shù)的全部潛力，并找到應(yīng)用該技術(shù)的其他機(jī)會，并最終在整個組織內(nèi)部署該技術(shù)。

因此，有必要在單個用例的基礎(chǔ)上評估知識圖譜的有用性，同時建立足夠的知識，以便在更全面的人工智能策略中納入這種方法論。

在選擇用于管理企業(yè)知識圖譜的軟件時，你應(yīng)該尋找一種基于標(biāo)準(zhǔn)的解決方案，它既可以與你當(dāng)前使用的架構(gòu)互操作，可擴(kuò)展，且易于學(xué)習(xí)。引入語義人工智能的最大瓶頸已經(jīng)不再是技術(shù)，而是那些不愿意相信它可以長期為自己服務(wù)的人們。