人工智能独角兽探智立方自动化规则生成系统，半小时内设计上百条金融风控规则

如今，人工智能在金融风控方面起到了越来越重要的作用。在许多金融公司的风控介绍中，都说自己用到了人工智能，机器学习，深度学习模型等技术。但是在生产应用中，人工智能模型，或者说机器学习模型存在着不可解释的问题，在公司内部，使用最广的还是规则引擎，目前来说还是没有一个可以完全脱离规则的金融公司。而人工智能新兴独角兽企业探智立方(iQubic)研发的DarwinML自动化规则生成系统，有效的解决了金融从业人员设计规则的现实问题。

研究规则的自动生成具有其现实的意义，不单单是规则对于人来说易于理解，没有机器学习的门槛那么高，同时规则对于业务人员来说其可控性也是最好的。

金融公司的风控后台的规则模块需要支持单条规则，组合规则以及评分规则等基本规则功能。单条和组合规则都是业务人员对数据理解后，抽象出来的数据组合逻辑，在设计过程中，需要对数据进行详尽的分析，测试，模拟等操作。人工规则的生成要经历比较长时间的数据分析过程，同时需要手动的部署到风控引擎上。在这样的业务背景下，探智立方DarwinML自动化规则生成系统应运而生，DarwinML自动化规则生成有效的解决了业务人员设计规则的现实问题：

1.数据自动分析组合

2.基于数据的可定量的解释

3.连接规则引擎，一键部署

DarwinML自动化规则生成系统可以自动对数据进行分析，拆解多个树类模型算法得到其执行路径并转化为可运行的规则，基于DarwinML设计的优化损失函数，对规则的生产进行迭代优化，得到最优的规则集合。很大程度上缩短了人工规则的设计过程，提升了规则设计的效率和精确度。

金融小贷用户在使用DarwinML自动化规则生成系统后，每期数据规则迭代在30分钟左右就可以生成100条以上独立有价值的规则。规则集的平均长度可以控制在5个变量以内。每条规则在数据样本比例上的提升能保持3倍以上，并且自动生成的模型可以帮助业务人员跳出思维的盲点，找到以前并不曾注意的风控点。

现阶段，加速实现金融风险技防能力已成为业界迫切的需求。今年4月，中国银保监会副主席黄洪于国务院新闻办公室上表示：疫情冲击下不良贷款有所增加，贷款逾期和违约情况增多。可以预见，疫情会倒逼金融机构进行更审慎的信贷政策，这对金融机构的科技能力、风控都提出更高要求。

“国内绝大多数企业都没有强大的AI开发团队，DarwinML可以把AI的整个流程工具化，无需高度专业的AI建模知识就可以开展工作。”探智立方解决方案总监徐宁说道：“对于传统公司而言，招募 AI 建模的开发者难度很大。但使用DarwinML就可以很大程度上省去这一过程。”