其次，我们还设计了一套风险安全体系，通过异地登陆、设备指纹、GPS、时点、IP 地址一些指标，预测用户风险。举一个常见的例子，比如说上午还在北京，然而中午就到美国了，用户是否存在异常的异地登录？这种时候机器会让你做一些额外的核实。虽然当用户出现一些程度上的信息不符时，并不代表 100% 欺诈，但是它会预测出一个欺诈概率，atv，比如「10% 欺诈风险」「60% 欺诈风险」，由此对一些高危的行为进行一些管控，有利于预测并及时防范欺诈。

　　同时，当我们发现某个用户表现一直比较好，比如用户复贷率高且没有任何违约的倾向，AI 也会主动给他一些降费率、提额度等奖励，或者通过对他的了解，给他推荐其他最适合的金融服务。

　　当然，AI 也会出错，可以说 AI 在金融的应用不可能永远 100% 正确。比如，它预测出来 50% 的可能性会逾期，但是它实际可能只有 40%，而最终表现甚至可能并没有逾期。并不是说人工智能的技术不好，只能说模型多少都会有偏差——AI 对未来的预判就是想要不断接近真实。

　　当年的计算能力将人送上了月球，我们用更高的计算能力不断开发 AI 技术。应用 AI，并不是为了做技术而做技术，而是为了解决实际的难题，找到技术的商业应用。