风险防控之人工智能深度应用

■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。■