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。
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：
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。
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
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。
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。
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。
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。
2016年底，招行试点一年后于是扩大范围推广刷脸取款，把它覆盖到全国20多个分行。2017年6月，农行全面推试点刷脸取款，范围也在不断扩大。
金融行业与人脸识别技术
那么整个金融行业和人脸识别之间是如何进行融合与应用的。
金融行业在发展过程当中，一直面临三大要素的协调问题：安全、成本、易用。
第一，安全
需要解决冒名开户、资金失窃、APP安全性不足、欺诈交易、用户交易抵赖、还有克隆卡等问题。
第二，成本
金融客户要考虑用这类技术投入多少资金；同时，会考量如果用这类技术搞定用户，那么获客成本是多少；在交易过程当中会增加多少成本；使用专用设备又有多少成本；还有网络、存储以及人工投入和培训学习成本。
第三，易用
易用，首先要满足“容易获得”这一标准。容易获得，指的是如果金融机构想用一项新技术，那他是在现有的条件下无需做出变动就可以得到，还是必须去某个地方，搞一套申请流程把它拿到。
二是在使用的过程当中必须具备优良的体验，操作过程不能太复杂。如何检验新技术是否易用？很简单，找年纪比较大的人，如果他很容易学会，即可证明产品和功能易用。
另外，我们还要考虑客户本身用技术方案要投入多少时间、精力、资金，才能够真正把产品用起来。
协调安全、成本和易用这三大条件，被称作棘手的“不可能三角形”。
这是金融行业一直面临的问题，当满足其中两项后，第三项就无法达成。
当一款产品做得非常安全，成本控制得很低，如果还要保证易用，这其实很难。相反，有些银行既要考虑用户易用，又要考虑安全，这个时候怎么办？相应地就得多花钱，一旦银行多花钱就意味着成本会转嫁到普通用户身上。
还有一些银行既考虑易用，又考虑成本低廉，比如在手机上做一个APP，推广成本很低，又要保证它大多数情况下非常易用，这时候产品往往不太安全。
大家也有过不少经历，某些体验很好的APP安全事故屡见不鲜。
所以，安全、成本、易用性这三点历来难以平衡。
回到人脸识别本身，为什么人脸识别很有优势？
第一，它易得。
每个人都有一张脸，无需再去买设备。很多基于生物识别技术的软件，哪怕用UKey，都需在银行建一个底库，创建一条信息，预留很多内容。
而公安部恰恰都有人脸的相关数据，商业银行可以免费的使用公安部的这部分数据，不需要建库。
第二，易用。
人脸识别在应用时，可以做到免签约，免学习。
免签约是什么意思？就是我用该功能，可以不用去柜台单独做签约。
当时云从在给农行做刷脸取款时，拿出方案跟总行去聊，按照农行的风格，我以为他们会要求用户开通刷脸取款时需要做签约：到柜台上开通刷脸取款功能。用以证明用户认可这种形式，如果出现问题用户自担责任。
但我们把方案拿给客户时，客户说不要签约，农行追求用户体验。
打那儿开始，我们就发现很多人脸识别相关的应用，都做到了免签约、免学习。整个使用环节，用户按照系统提示去做就可以，无需特意学习和培训。
同时，人脸识别还是一项非接触和非配合的技术。
大家熟悉的指纹或指静脉识别技术，用户必须把手放在一个指定设备上。而使用人脸更简单，无需用户用人脸或者其他肢体接触传感器，体验很好。
同时也尽量做到无需特地去配合，用户站在设备面前甚至跟客服聊天时，很自然地便完成人脸识别的全部过程。
第三，人脸识别的适应性很强。
首先，它对终端依赖不是特别高，有摄像头的终端都能进行人脸识别。同时，也不需要投入太多资金 。
如果给用户推广指纹识别技术，用户拿指纹做支付。这时候会遇到很严重的问题，市面上一半以上的手机不带指纹识别，难道打算卖一个蓝牙模块或是一个附加模块送给客户插在手机上，然后让用户使用指纹识别吗？显然不合适，既不方便，投入成本也很高。
所以这些技术在适应性这方面并不友好，无法向消费者大范围推进，只适合先推给金融机构，然后金融机构内部人员推广至终端用户。
第四，线上线下的互联。
人脸识别作为线上和线下的统一入口，线上有用户标准的结构化数据：用户做了哪些消费，浏览过哪个网站，买了哪些理财产品，行为偏好是什么……
而在线下，当用户人脸出现在智能摄像头面前时，即可识别到他线下的行为轨迹，自然就可以和线上的行为轨迹打通。
得益于人脸识别具有入口特性，将来很多交易都会从人脸识别开始。
2015年初，人脸识别的准确率只有68.5%，几乎无法使用。到了2015年9月份，技术进步很快，已经达到98%，2016年中旬则达到99.8%。
从上图中我们可以看到，灰色线是人眼识别率（72.5%），人眼在做客户身份鉴别时，其实经常会出现错误。
我们再往后看行业的误识率基准。2015年以前，人脸识别业界参照的误识率基准为千分之一，也就是如果出现一千次攻击，有一次攻击可能会成功。2016年整个金融行业如刷脸登录、小额支付这些场景上，大家把它误识率基准提高到了万分之一，安全级别提升十倍。
2017年技术又在大踏步向前，业界的误识率基准已经提升到十万分之一到百万分之一的级别。
误识率基准是一把很严格的尺子，它卡得越严，正常识别通过率就会越低。刚才说的通过率是易用性尺度，误识率越低越好，整个系统的交易风险也就越低。
同样，人脸识别在各种跨场景方面也会轻松应对。比如不同时期、不同角度、是否佩戴饰品、面部情况有没有遮挡、有没有化妆、复杂背景等。
人脸识别在经过这些年的进步以后，整体来说有了明显的提升。
安全性是金融业务，一而再，再而三强调的事项。
现在的人脸识别有安全三道门。
第一道门，先要做活体检测，验证摄像头前的人是活的。
第二道门，攻击预防。如果用户进行各种复杂的攻击，第一道门骗过去之后，第二道门要给他防住，用一些非常复杂、严格的模型阻挡，不让他去攻击。
第三道门，人脸识别。当然，目前还没有发现能突破前两道门的情况，但理论上在非常非常小的概率下，会有人进入到第三道门。
这时候要考虑用非常低误识率增强人脸识别验证的严格性，然后用多维度的方式进行验证，甚至考虑立体建模。基于这些手段，保证人脸识别安全可靠。
安全性是金融业务，一而再，再而三强调的事项。
现在的人脸识别有安全三道门。
第一道门，先要做活体检测，验证摄像头前的人是活的。
第二道门，攻击预防。如果用户进行各种复杂的攻击，第一道门骗过去之后，第二道门要给他防住，用一些非常复杂、严格的模型阻挡，不让他去攻击。
第三道门，人脸识别。当然，目前还没有发现能突破前两道门的情况，但理论上在非常非常小的概率下，会有人进入到第三道门。
这时候要考虑用非常低误识率增强人脸识别验证的严格性，然后用多维度的方式进行验证，甚至考虑立体建模。基于这些手段，保证人脸识别安全可靠。
人脸识别技术未来还有前进的新空间，就是静默活体技术。
静默活体技术作为动作活体的下一代技术研究方向，它的目标是希望用户在单目摄像头前面，不做任何动作，不去配合，便能够检验出当前摄像头前面是一个活人。
它的体验也非常好，活体检测时间要比原来做动作减少一半以上；用户私密性也保护得非常好。
以往的技术要求用户张嘴、点头，如果用户在公开场所对着手机做这些动作，感觉有些傻。
虽然这些技术通过使用动作来验证，但即便如此也很容易被攻破。借此技术在普通手机上刷脸解锁、看邮件可以，但用在金融行业还是远远不够的。
在人脸识别产业化期间，各种各样的硬件也开始出现：专用服务器可以做到传统设备的十倍甚至百倍性能，通过集群目前可做到每秒十万笔以上的处理能力。
第二，高安全性，通过各种技术解决了安全问题。
第三，高可用。经过多个银行两三年的连续商用，其可靠性已经远远超过99.99%，人脸识别成为生物识别技术中商用最快的佼佼者。
接下来我们看一看人脸识别是如何改变金融服务的。
人脸识别出现后，会对现有的四样事物造成冲击：密码、短信验证码、银行卡、U Key。
实际上这四样事物与人脸识别存在互补和替代作用。
我们见到很多银行业客户使用了多种有意思的交易实现形式，比如有的银行希望使用人脸代替密码，然后进行小额转账。
也有银行认为人脸识别从经济角度代替短信验证码最好，用户输完转账金额后，再输入帐号密码，然后做下一步刷脸，验证结束之后即可取款。
一方面，可以省下短信验证码的查看和输入时间，同时又增加了安全性。我们通过种种途径的计算，了解到人脸识别比短信验证码技术的安全性要高很多，U Key也是上述这种情况。
人脸识别在金融安全方面提高了哪些：
第一，安全开户使用人脸识别以后，可把互联网冒名开户比率从万分之五几乎降至为零。
第二，大额转账消费交易，以往完全凭靠卡介质。有时候一些信贷类交易，消费金融，搞一张身份证即可，这个时候很容易出现盗窃案件和欺诈案件。
消费金融非常火，收益空间也很大，但是它遇上一个很大的问题就是黑产。
黑产专门在互联网买一些身份证、银行卡就可以做消费分期，之后他们用冒名的卡做消费分期后进行诈骗，东西买到手后再倒卖掉。
这时候消费金融公司还觉得自己业务量挺大，然而过了一段时间去追款时，发现追不回来。然后去起诉申请人（卡主），卡主会说这和我有什么关系，我住在农村里从来没上你的网站，也没注册过信息。
因此，消费金融公司常常会被这种欺诈案件搞垮。
除此之外，大型理财投资、申请贷款，如果引入人脸识别可有效核实客户意愿，预防抵赖，还可为交易做举证。
抵赖这件事在银行经常碰到，我举个真实的例子：
前段时间一个老太太在银行说，她十几年前存了几万元，有天她想起这些钱加上利息也大概有十万多，于是她拿着存折去银行取款，银行提示她卡里只有几块钱。于是她把媒体找来，说银行骗她钱。
后来银行经过一番核实发现这些钱在三四年前就已经被老太太取走，但老太太否认这笔交易，她认为这是银行“内鬼”所为，银行去翻会计凭证、仓库，最终从很多的凭证库里找出老太太当年取款签字的回单、底单，银行才得以证明清白。
从这件事可以看出预防抵赖的重要性。
第四，内控。
使用人脸识别后，可有效地实现内控，预防各类案件。如某大行发生内外勾结诈骗资金，如果使用人脸识别后，即可避免这种案件。
同样，使用人脸识别还可有效降低交易成本，主要包括提升身份鉴别效率，降低运营成本、人员在项目里的投入。
第二，减少安全案件数量的发生，有效降低风险损失。
第三，可以代替动态验证码，降低交易成本。
这里分别举了两个银行的例子，如果用它来预防信用卡欺诈案件，可为该行每年至少减少400万的损失。根据我们上线后的情况来看，该行的欺诈案件预防成功概率达到了95%。也就是说，基本每年至少减少800万的损失。
如果用刷脸代替短信验证码，以另外一家大型股份制银行为例，可为该行每年节省3600万的短信费用。
同样，使用人脸识别后，很多交易也变得更加简化，并且有了新的玩法。
比如小金额交易可以在线上使用人脸识别代替密码，大金额可用人脸代替短信验证。线下支付时，比如我用自己的手机刷完脸以后，会生成一个二维码，可以拿去让别人扫，同时刷脸以后，还可以扫他人的二维码。
刷脸环节，其实是基于安全信任计算的本质。大家觉得用户更愿意把执行过程基于自己的脸作为可靠性中心，还是把额外设备作为可靠中心？很多时候，大家更相信自己的“脸”。设备容易被攻破，刷脸相比而言更加可靠。
第三，现金业务，比如ATM刷脸取款，还有一些银行用刷脸生正手机二维码，把二维码发在自助机具上取现。
通过分析得出前面讲到的“不可能三角形”，其实在使用人脸识别以后得到了更好的平衡。客户花费更少的钱，并且在终端用户非常易用且愿意接受的情况下，极大提高了安全性。
在客户的关键性需求当中，对安全的高标准西区永远是第一位的。
第二是营销。整个行业在面临转型，因此既要开发新用户，也要维护老用户。精准识别出用户，并把用户想要的推送给他，这就是营销的一种展现形式。
第三是创新。金融机构有着很强烈的创新愿景，他的创新是希望面对监管要求，做新业务试水，有时候要考虑与其他银行进行差异化竞争，做其他银行没有的产品。
人脸识别出现以后，给我们的生活带来哪些变化？
第一，人脸即身份。用人脸有效解决冒名开户，做关键交易可有效预防各类交易风险。
强化金融交易安全。如果使用刷脸去做借款、分期，在线上完成可有效提高风控水平，预防欺诈，降低不良，提升净利。
还可防止抵赖；快速进行处理，有效减少客户的投诉处理时间。
第二，脸即介质。人脸其实可以当做金融交易介质。
现在无卡刷脸取现，只要有ATM机就可取现。这在未来会大范围爆发，目前来说农行招行已经大范围开始用。
第三，刷脸购物。
没有手机、现金、银行卡，照样可以刷脸购物。
广东省建行校园银行安装了多个刷脸购物机，学生可买饮料食物。将来这些机器会走进更多的商超、写字楼、社区，甚至包括无人超市中。当然，目前无人超市的概念略微超前，我觉得先从刷脸购物机入手更加靠谱。
从更大的方向看，即关于未来的无现金社会。
人脸+电子货币无疑将会成为最容易成为受监管认可，也最容易被公众所接受和普及的全新支付方式。
第三，脸即权利。
为什么脸可以代表权力？我们可以看到，在闸机、门禁等地方，使用人脸识别配合动态无感知技术，可让有权限的人自由通过，畅行无阻，而没有权限的人则无法通过。
在相关交易系统方面，如果使用了刷脸登录，可有效解决系统的安全性，特别像金融系统。
金融机构当中的核心帐务系统、交易系统、财务系统、风险管理系统，办公系统等，使用刷脸也可有效解决账户被盗等各种风险问题。
上述关键业务的审批和授权同样需要使用人脸。
这里我举个例子，某个银行曾出现十多亿的案件，案件本身其实是它的分行批了一份十多亿的保函，业务出现问题以后，保函要兑现，结果总行没有发现他们批复过保函，这时候就出现整个内部的授信、业务审核，这种关键操作指令上下不一致，有人冒充等问题。最后一查到，总行不知道，但保函是真的。
这说明了他们没有很妥当地做好风控，如果使用人脸识别来解决这些问题，在授信、审核、放款、大额操作指令，只有加上这些验证才可确保交易是经由负责人员本身发出，非未经授权的指令，也非冒充，
第四，脸即信息。
有“脸”出现的地方就是营销的开始。也就是说，当每个用户出现在商业区或网点时，我们通过无感知VIP识别系统，就可在人流当中快速定位出哪一个是VIP客户，然后把信息通知到营销人员，帮助营销人员快速、准确地进行销售行为。
同时，用户的脸出现以后，从宏观层面来讲，我们可以做更多事，比如去做客户流量统计分析、网点运营分析，甚至掌握商业体当中哪些客户、哪些年龄段的客户喜欢干什么，喜欢逛哪些店，把单个用户的轨迹、兴趣点进行抓取分析，既可以帮助我们提升效率，也能优化运营，甚至找到更新的营销思路，这就是人脸分析的价值。
除此之外，通过人脸识别技术识别出用户的表情，同时对他的眼球运动视觉焦点进行跟踪，以及他本身的行为轨迹追踪。基于此快速找到客户，分析出他的兴趣点在哪，还可知道客户本身的情绪。由此更好地以用户为中心，提供他喜好的产品服务。
大家都知道，每个人的情绪感知不同，计算机根据用户的表情和行为帮你分析，哪些人表现出对产品和服务的不耐烦，这时候就反馈给系统和工作人员，不用再去给他做过多的推销。
如想获得本文PPT，关注雷锋网旗下只专注报道人工智能商业化的微信公众号：AI掘金志，回复关键词“云从科技” 即可。雷锋网
正在生成分享图...
嘉嘉