风险管理行业如何应用人工智能？

当人们可以通过技术手段实现风险管理模型的优化时，钻法律空子和规则漏洞的违法者未来可能没有那么轻易能够得逞了。

政府招标项目中的腐败调查、集装箱货物在海关的入关查验、批贷评估，这些看似毫不相关的问题，解决的思路是类似的：在全部数据或者文档中，抽样检查很小的一部分样例。在荷兰，这些问题都在通过人工智能的技术手段解决。传统的分析方法越来越无法处理日益庞大的数据量，认知技术包括数据挖掘、机器学习和自然语言处理正在取代传统分析方法，并应用这些海量数据集，以帮助找到已知和未知风险的指标。

荷兰德勤通过人工智能技术调查政府官员接受贿赂以帮助某些公司赢得公开招标的案件。这些行贿的公司通常会聘请销售代理人向公职人员支付账外贿赂费。在调查过程中，需要在海量的合同数据中确定调查哪些合同与贿赂案有关，同时需要确定哪些合同与销售代理人的哪些付款相关。

在这个案例中，基于监督学习的方法可以改善现有的风险评估模型，因为模型决定什么是高风险指标，通过数据反馈优化模型中的指标，最终海关在基于优化的风险评估模型的基础上，对严格符合某些标准的集装箱进行检查，所产生的结果数据形成反馈闭环，不断优化的风险评估模型。在反腐败调查和集装箱查验问题中，处理方式是相似的。

荷兰德勤高级经理SanderKoemans根据项目实施的经验告诉我，在风险管理行业应用人工智能技术的挑战并不是如何使用人工智能技术本身，而是数据相关的问题。挑战是如何获得数据，如何获得正确格式的数据。公司通常所拥有比他们以为有的数据更多的可用数据，如何以创新性的思路获得所需要的、可用的数据，并将数据结构化，是一个通常的挑战。数据在哪里？如何将这些数据转移到一个单一的系统里？

parseInt(o[t]))return1;if(o[t]&&!