人工智能估值太高都投不起 但质量却良莠不齐(2)

上述消耗金融平台负责人对此也感同深受。此前他们博门为小微企业主研发了一款线下消耗信贷产品，那时产品研发团队认为有房有车的小微企业主还款风险没有高。但人工智能风控模型得出截然相反的结论——不房产的小微企业主坏账率会低于有房产的。

“早先我们也想没有通为何会有这样结论。”他回忆说，后来人人多方接头认为，人工智能的逻辑是没有长小微企业主喜欢拿房产去没有同机构重复借款，导致坏账风险骤增。没有过，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，他们至今都没搞理解。

“深度进修还大概存在过度弥合答题。”这位大型消耗金融机构首席手艺官透露，比如没有同借款人是否有公积金缴款记录，以及没有同借款人在京东、天猫没有同电商平台的消耗记录，都会通过人工智能得到完全没有同的风控结论，没有长风控结论在实验论证阶段看似相称有道理，但经没有起实践磨练。

在他看来，机器深度进修模型能否行之有效，关键在于手艺团队能否对人工智能举行有效干预，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，没有长消耗金融机构也知道人工智能机器深度进修手艺的瓶颈，但他们照样决心放大它的积极作用，因为这有助于提升消耗金融平台的团体估值，获得更多的股权融资。”多家消耗金融机构负责人直言，这也是互联网消耗金融领域人工智能企业估值持续走高的最大驱动力之一。

（原题目：人工智能互联网 消耗金融“伪应用”调查）