微信扫一扫,关注公众号

  • 科技行者

  • 算力行者

见证连接与计算的「力量」

首页 中国平安“刷脸”贷款全球首发 6分钟完成放贷

中国平安“刷脸”贷款全球首发 6分钟完成放贷

2016-04-18 16:02
分享至:
----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-
2016-04-18 16:02 CNET科技资讯网

CNET科技资讯网 4月18日 北京消息(文/周雅):在传统金融服务中,用户向银行提出贷款申请时,必须到实地进行身份信息核实,核实无误之后才可以完成签订协议。从审核时间上来说,至少需要7个工作日左右的时间。如今,一场消费金融的变革正在到来。

中国平安“刷脸”贷款全球首发 6分钟完成放贷

平安科技天下通事业群总经理石端桥

4月15日,在平安天下通“人脸识别”技术发布会现场,“刷脸”交易真实上演。平安科技天下通事业群总经理石端桥现场演绎整个过程,通过人脸识别技术,用户通过平安天下通APP申请贷款时,只需要打开手机摄像头,由系统拍摄并抓取用户若干面部影像,再进行检测,5秒即可远程完成身份核实,最快实现6分钟完成放贷。

石端桥说“我都被自己感动了”。

自2014年开始,经过短短一年多的时间,平安科技人工智能实验室团队完成了从核心技术研究到产品、技术的实现,最终完成人脸识别技术的应用。

此次发布的人脸识别技术,由平安科技基于平安生物特征认证平台(BioAuth)开发,通过对人脸的数据信息,包括结构、五官以及肌肉等方面的数据分析,提供端到端身份认证类服务,今年5月份全面上线。

在安全层面,该人脸识别技术自优化的架构已经可以应对人脸随着年龄增加而发生的变化,比对速度可达每秒1500万次,识别准确率达99.993%,高于人眼的97.53%。至于大众比较关心的双胞胎如何进行人脸识别的问题,只要具有两个双胞胎的对应照片和相关数据,机器依然分辨出谁是谁。

石端桥指出:“从贷款的角度,我们对人脸的技术对客户的准确度识别是有信心的,线上贷款实际上对于金融公司来说是承担高风险的,我们能够很踊跃的拿出这个贷款作为场景直接进行测试,或者是拿他作为推广,说明我们对“人脸识别”技术有信心。”

人脸识别技术基于神经网络,让计算机学习人的大脑,并通过“深度学习算法”的大量训练,让它对人脸产生记忆,实现识别。其之所以能够准确率高于人眼,主要在于计算机可以关注更多的关键细节,并通过算法,剔除一些干扰因素。

分享至
0赞

好文章,需要你的鼓励

推荐文章
  • 南方科技大学等机构联手破解AI推理训练难题:让大模型"一次思考"就学会解题

    南方科技大学等机构联手破解AI推理训练难题:让大模型"一次思考"就学会解题

    本文介绍了由南方科技大学等机构于2026年4月发表的研究(arXiv:2604.08865),提出了名为SPPO的大模型推理训练新方法。该方法将推理任务重新建模为"序列级情境赌博机",用一个轻量级价值模型预测题目难度,以单次采样替代GRPO的多次采样,解决了标准PPO的"尾部效应"问题。实验显示,SPPO在数学基准测试上超越GRPO,训练速度提升约5.9倍,配合小尺寸价值模型还能显著降低显存占用。

  • 香港科技大学数学系研究者:扩散模型原来是一个"魔法恒等式"拆成了两半

    香港科技大学数学系研究者:扩散模型原来是一个"魔法恒等式"拆成了两半

    这项由香港科技大学数学系完成的研究(arXiv:2604.10465,2026年ICLR博客论文赛道)提出了一种从朗之万动力学视角理解扩散模型的统一框架。研究指出,扩散模型的前向加噪和逆向去噪过程,本质上是朗之万动力学这一"分布恒等操作"被拆成了两半。在这个视角下,VP、VE-Karras和Flow Matching等不同参数化的模型可被精确互译,SDE与ODE版本可被统一解释,扩散模型相对VAE的理论优势得以阐明,Flow Matching与得分匹配的等价性也得到了严格论证。

  • 中国人民大学研究团队打造的"AI科学家":让机器自主完成几十小时的科研工程,它是怎么做到的?

    中国人民大学研究团队打造的"AI科学家":让机器自主完成几十小时的科研工程,它是怎么做到的?

    中国人民大学高岭人工智能学院等机构联合开发了AiScientist系统,旨在让AI自主完成机器学习研究的完整工程流程,包括读论文、搭环境、写代码、跑实验和迭代调试,全程无需人工干预。系统核心设计是"薄控制、厚状态":由轻量指挥官协调专业代理团队,通过"文件即通道"机制将所有中间成果持久化存储,使每轮工作都能建立在前一轮积累的基础上。在PaperBench和MLE-Bench Lite两个基准上,系统表现显著优于现有最强对比系统,论文发布于2026年4月。

  • 字节跳动发布GRN:像人类画家一样"边画边改"的AI图像生成新范式

    字节跳动发布GRN:像人类画家一样"边画边改"的AI图像生成新范式

    这项由字节跳动发布的研究(arXiv:2604.13030)提出了生成式精化网络(GRN),一套模仿人类画家"边画边改"直觉的视觉生成新框架。其核心包括两项创新:层级二进制量化(HBQ)通过多轮二分逼近实现近乎无损的离散图像编码,以及全局精化机制允许模型在每一步对整张图像的所有位置重新预测并随时纠错,从根本上解决了自回归模型的误差积累问题。配合基于熵值的自适应步数调度,GRN在ImageNet图像重建(rFID 0.56)和生成(gFID 1.81)上均创下新纪录,并在文本生成图像和视频任务上以20亿参数达到同等规模方法的领先水平。

----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-