人脸识别已经在金融领域大显身手,很多明星AI公司均具备了完成“刷脸”的能力。
国内众多银行也开始大范围使用人脸识别技术,把其应用在手机银行刷脸登录、辅助远程坐席和柜员客户身份核验以及小额支付等业务当中,但真正把“刷脸取款”服务应用在线下ATM自动取款机中的银行却非常少。
目前把“刷脸取款”在全国范围内大规模应用的只有农业银行和招商银行,其中农行的刷脸取款服务则覆盖了全国2万多个分支机构,深入到县乡镇。
作为农行2万家刷脸取款服务的软硬件算法方案提供商,云从科技在成立2年的时间里推出了48种银行业解决方案,连接ATM/VTM、人证合一、红外双目等多种硬件的金融科技平台。
在本期雷锋网公开课上,云从科技金融事业部总经理张兴旺基于自己多年的研究和行业经验,从“刷脸取款”切入,深入分享了AI技术将怎样以全产业链、智能硬件和大数据的形式,深刻地变革整个金融行业。
嘉宾介绍
招行ukey多少钱(网络配图 侵删)
张兴旺,云从科技金融事业部总经理
美国项目管理协会项目管理专家,银监会2013年、2014年二、三类科技风险管理研究成果主要负责人,原青岛银行直销银行部筹建人,负责金融产品设计和运营工作。
张兴旺有着丰富的银行业业务分析和管理经验,扎实的技术基础及复杂大型项目管理经历,熟悉银行业、证券行业及互金行业。
7年银行从业经历,先后负责银行短信平台、金融市场资金交易及风险管理系统、供应链融资平台、信贷管理系统、国际结算及贸易金融系统、影像内容管理平台、验印系统、票据系统、客户服务系统项目集等多个系统建设、升级项目。6年公检法及国土、社保等政府行业项目管理经验。
本次公开课包括以下内容:
技术研究和产业化落地的区别(以刷脸支付及刷脸取款为例)
金融行业为什么需要人脸识别技术
人脸识别技术在金融行业有哪些应用场景
作为一个技术企业,如何服务好金融行业
当前的技术,在解决实际金融问题过程中面临的挑战
AI在金融行业未来发展中的意义
以下是公开课正文内容:
招行ukey多少钱(网络配图 侵删)
技术研究与产业化落地之间的差异
我们很多人工智能技术的研究,实际上主要目的是作为可行性研究,通常在实验室诞生。
其主要形式是通过做一个业务原型,然后验证这一技术可用即可。它的目的包括:证明理论方向是否正确;探索理论是否可以落地;辨别和论证一项事物是真是假。
而技术研究与产业化落地,两者之间存在较大的差异。
技术研究往往是简单的原型验证,这时候我们会有一种以管窥豹的感觉:比如做某一个层面的研究,实验室认为这件事可行,然而大多数情况下离落地还有一定的距离,实验室的研究结果不能够全面统筹和解决整个项目的所有技术问题。
招行ukey多少钱(网络配图 侵删)
研究员们做实验时,有必然成功的结果,也有必然失败的结果,同时也会有偶然的结果。我们做技术研究时,会出现把“偶然”当做“必然”来考虑。有时候,论证理论虽然完全可行、可以落地,但理论研究和实际落地的差距仍然很大。
因此需要结合市场和外部环境来看技术研究存在的问题,那么产业化落地时候要处理什么问题?
首先要解决技术研究时期没有遇到的问题。
做技术验证时,需充分进入市场了解市场上的所有信息,然后充分验证技术本身的价值。
产业化落地是一件非常难的事情,通常数倍于技术研究、人力、财力和时间的投入。
我们经常会遇到技术研究结论误导的情况,在做技术研究时,有时明明认为一个方向可以,但实际上真正去用的时候发现并非如此,只有少数情况可以。
这些便是产业化落地需要解决的一些问题。
刷脸支付的愿景
招行ukey多少钱(网络配图 侵删)
以刷脸支付为例。
2015年4月,马云在汉诺威展示了刷脸支付,但直到近期大家才看到产品逐渐开始落地。
这两年多期间整个行业遇到了各种各样的问题,行业完成了理论研究,然而却在落地时发现存在不少难题:
第一,当时市场上人脸识别准确率不到70%,这意味着每做三次人脸识别,就有一次可能会失败。
可以想象,当年马云展示刷脸支付时,一定顶着很大的压力和勇气,因为过程中很有可能会遇到识别不了的情况。
第二,用户必须正面对镜头,不能有任何表情。
第三,光环境适应不佳:一定要在面部光环境很均匀的情况下才能做识别。
马云在刷脸支付过程中有一个细节大家可能没注意到,他当时把手机举得很高。拿高的原因很简单,就是为了让他面部有光,且要均匀。
第四,化妆、戴眼镜这些场景下难以识别。
第五,用户头部(脸部)有倾斜、转头,无法识别。
第六,人脸识别技术很容易被他人冒充。
第七,识别速度较慢。
第八,对网络带宽要求高。
第九,刷脸时对用户要求多,体验差。
早期我们在做产业化时发现,很多东西投入产出比太低,安全性不够,用户也无法接受。所以要把刷脸支付搞成产业化,实际上非常困难。
刷脸支付的落地(一)
招行ukey多少钱(网络配图 侵删)
2015—2016年,刷脸支付在产业化落地过程中,解决了各种各样的问题,可谓是翻越崇山峻岭。
截止至2016年底,国内一线厂商已把识别率提升到99.8%,同期,全国首台刷脸支付购物机也落地运营。
在各种光环境下,人脸识别的稳定性、有效性都通过大量的数据验证和学习,得到了足够有效的提升。用户再也不用为了刷脸还把脸放在光线很好的环境下,而且面部无需完全朝前,面部有表情也不受影响。
之后一线厂商又解决了化妆、脸部受伤、佩戴眼镜饰品、局部遮挡等问题,再往后随机性的面部倾斜、旋转问题也可得到较好的解决。
这里面需要强调一点,大家不太关注的手机适配也非常重要。
市面上至少有数千种手机,在实验室大家只针对几台计算机或几台手机进行终端适配,当它进行产业化落地后,最起码要解决主流几十种或者上百种手机的适配,还有各个操作系统适配,尤其像安卓的碎片化非常严重,如果不去适配,不去解决手机端问题,产品技术规格做得再好也没用。
在用户体验和操作适应性层面,有些用户面对摄像头时头部习惯性斜45度,有些喜欢平视,而部分用户可能喜欢低头。其次。用户在操作时的习惯也不一样,刷脸时系统提醒用户做一个动作获取验证,比如“向左转头”这一动作,有人可以在半秒之内转好几次,有人两秒钟才转一次。
系统让用户在一秒钟内完成转头,用户就会百分之百完全配合到位吗?当达不到这么高配合度时,需要改进的只有提高技术本身。
同时人脸识别还要解决监管控制和法律要求等问题,只有当监管机构认可你的技术,认为所做的事情满足法律要求,厂商才可以做。再往后,还需解决活体欺诈、持续高额研发投入等事项。
解决了上面这些细节问题后,我们才见到了今天的刷脸支付。
刷脸支付的落地(二)
招行ukey多少钱(网络配图 侵删)
我们再来看2017年整个这个市场的发展状况。
从金融角度来看,现在监管机构比过往更加鼓励和支持技术创新。
刷脸支付过去存在不少负面声音,大众觉得会泄露隐私。但从今年开始,这类声音逐渐减少,原因很简单,一方面大家愈加认可技术的成熟度,另一方面,人脸信息从某种程度上讲,隐私性并不强。
今年3·15晚会对攻防一事,促进了整个行业的技术水平和安全防范的意识。
市场竞争加剧后,导致很多新技术落地的难度进一步加大。为什么?因为门槛比以往更高了。
虽然技术和算法已达到不错的水平,但整个上下游设备制造商还有技术供应商,仍旧保持观望态度,只有少数厂商在快速跟进。
总体来说,我们还有很长的路要走。
刷脸取款的研究与产业落地
招行ukey多少钱(网络配图 侵删)
再看看最近比较热的ATM刷脸取款。
2015年底,我们就想做刷脸取款,当时人脸识别准确率达到了99%,千分之一的误识率。理论上来说,那时做刷脸取款基本可行,风险也不是特别大。
整个行业研究发现,红外双目活体检测技术经过研究初步验证,可以用于活体检测。当时招商银行走得较快,2015年底在几台ATM终端试点刷脸取款。
因为当时存在各种不确定性,银行也希望刷脸取款技术在应用体验、产品稳定性各个方面,得到快速改进。
2016年5月,云从也研发出红外双目红体检测技术,用在购物机和广东建行。随后整个技术随着应用推广逐渐变得成熟。
发表评论