■文/李子刚 金国
《“互联网+人社”2020 行动计划》明确提出了建设以大数据为基础的监管监控平台的工作任务,从而提高监管监控的针对性和精确性。笔者以为,现阶段社保基金风险的主要来源是“人”。解决“人”的风险,需要引入以“深度强化学习”为代表的人工智能技术,将大数据平台、云计算与当前社会保险系统有机整合,让人工智能全程介入社保业务,以杜绝人为风险,实现智能审核和精准风控。相关应用技术包括以下内容。
文字内容识别技术。可将各类业务档案中的文字、数字等手写内容迅速、准确地识别为数字格式,直接录入数据库。其驱动的信息录入模块可从根源解决数据源分散、数据缺失、难以管理等问题。
以社会保险的个人档案管理为例,传统管理方式下,档案内信息以纸媒文字形式保存,信息分散,保存成本高。引入人工智能文字内容识别技术后,可以在十几秒内完成纸质档案的数字化转换,解决纸媒档案分散、缺失、追溯难等管理问题,同时对新增信息扫描识别,建立档案信息时间轴、事件轴等多维度完整信息链,通过人工智能锁定档案信息的时效性、完整性和准确性,有效避免档案造假风险,实现数据监管无死角。
自然语言理解技术。可应用于审核业务信息是否合理合规,不同渠道业务数据与数据库中相关联的数据之间是否存在差异,以及与跨部门、跨系统信息是否矛盾。全面实现数据横向纵向对比,并在信息录入的第一入口及信息调用的第一出口,迅速发现问题并触发预警。目前的实际工作中,对不同文件进行信息比对校验、系统数据更新是巨大的挑战,每天新增数据量大、存量大、数据来源多、信息结构复杂、信息不对称等多种挑战制约着工作的进展。即使依靠经过长时间训练、有经验的业务人员,也难以避免出现校验失误、校验不及时等问题。
以某工伤保险业务为例,工伤诊断左肱骨骨折,工伤认定右肱骨骨折,劳动能力鉴定结论记载左肱骨骨折,该业务明显存在“左右”逻辑矛盾,人力很难第一时间发现疑点,即使发现问题后,核实信息也需要跨部门申请,难度很大。如果引入自然语言理解技术,可以在毫秒级时间维度上对信息中的文字进行比对校验,自动预警“左右”逻辑矛盾,从而第一时间判断出问题所在。由于信息熵的特性,文字内容越多,有效信息越多,处理难度反而越低,精度远高于人力,并且成本较低。
深度强化学习引擎技术。近年,深度强化学习引擎已成为人工智能技术突破的主要领域,以击败围棋界顶级选手李世石、柯洁的人工智能“阿尔法围棋”为例,通过多层神经网络自我训练,在持续决策问题中已能超过人类认知水平。该技术已在教育、金融等领域发挥巨大作用,如果用于社保基金的管理,可通过精准预测基金缴纳与支出情况,找出全局最优策略,优化管理方式。
可解释人工智能技术。这是学术界和工业界目前最前沿的研究方向。该技术主要解决神经网络的不可理解(即“黑箱”)问题,通过解释人工智能模型决策的原因,达到“知其然,知其所以然”的效果。该技术可应用于社保体系中的风险控制环节,通过深度理解多维度数据中异常信息、潜在问题,在核保核赔等多个场景找到全局最优策略,显著提升对骗保、不及时赔付等多种问题的分析能力,第一时间发现问题,提示风险,解释风险形成原因。与此同时,可适时为操作人员提供决策建议,告知该建议的原因,从而避免人为失误及违规操作带来的问题。该技术可辅助或代替内控各个环节的人工审核,规避主观性偏差,全力保障信息的自洽性、合理性与合法性,减少甚至杜绝业务操作中的失误,显著降低内控风险。
综上所述,通过引入以深度强化学习为代表的尖端人工智能技术,将大数据平台、云计算与当前社会保险系统有机整合,使人工智能渗透于社保系统的各个流程、模块及层级,促进信息的快速录入、溯源比对,有效降低管理人工成本,让权力运行在人工智能的监督下,可以杜绝人为风险,实现智能审核、精准风控和全面贯通。■