蚂蚁金服李小龙:“人工智能+金融”机遇与挑战并存,蚂蚁金服都做了什么?

  • 时间:
  • 浏览:1
  • 来源:uu快3开奖_uu快3娱乐_输钱

编者按:由中国人工智能学好、阿里巴巴以及蚂蚁金服联合主办,CSDN、中国科学院自动化研究所承办的第三届中国人工智能大会(CCAI 2017)将于7月22-23日正式召开,届时,蚂蚁金服人工智能部技术总监李小龙将在智能金融论坛上分享蚂蚁金服在“人工智能+金融”的进展。在此完后 ,阿里云云栖社区作为独家直播合作伙伴对其作了专访。

专访 | CCAI、深度学习泡沫人工智能入

会讲师访

CCAI 2017大会由中国科学院院士、中国人工智能学好副理事长谭铁牛,阿里巴巴技术委员会主席王坚,香港科技大学计算机系主任、AAAI Fellow 杨强,蚂蚁金服副总裁、首席数据科学家漆远,南京大学教授、AAAI Fellow 周志华一同甄选出在人工智能领域本年度海内外最值得关注的学术与研发进展,汇聚了超过 40 位顶级人工智能专家,带来 9 场权威主题报告,以及“语言智能与应用论坛”、“智能金融论坛”、“人工智能科学与艺术论坛”、“人工智能青年论坛”4 大专题论坛,届时将有超过 30 位人工智能专业人士参与。报名请戳 

这其中涉及的人工智能技术种类非常多,如图像识别、图像分割,图像定位以及决策模型、目标检测,噪声去除等等。

云栖社区:那末来越多的互联网企业和传统金融机构都开始着手研究人工智能+金融,蚂蚁金服有有哪些技术特点?

云栖社区:针对大规模数据训练,蚂蚁金服现在在使用大规模参数服务器“鲲鹏”,介绍一下这其中的应用。

不久前,蚂蚁金服把其在深度学习图像算法研究上的最新成果开放给了保险行业:开放车险定损产品——定损宝。

云栖社区:您老是专注机器学习和数据挖掘等领域,有有哪些技术在蚂蚁金服业务中发挥了有哪些样的价值?  

云栖社区:作为 CCAI 智能金融论坛的主席,组织这名 论坛的出发点是有哪些?本次论坛将主要围绕有哪些内容展开?希望为听众补救有哪些问題?

识别真的比肩人了?听听阿里iDST初敏为甚说

可能现在有这名 研究是纯研究,可能纯应用的,而蚂蚁金服是基于场景在研究,结合了研究和应用另有另一个方面,它带来的挑战更大。同类于,车险定损也不我非常好的例子,它比一般意义上的人脸识别可能图像识别的挑战更大,可能有有哪些有的是基于真实的用户问題出发的场景。基于真实的用户问題,基于真实的场景来研究,最终是补救有有哪些大规模的实际问題,实现普惠金融的目标,让金融触达30%以上的用户,这比单纯的学术研究更具挑战性,也更有价值和意义。

问題的维度更加复杂,这是金融行业独有的挑战,这名 情况下算法前要如保的创新?模型否是是具备可解释性?蚂蚁金服正在攻克人工智能+金融领域最棘手的问題。

云栖社区:蚂蚁金服老是希望用技术助力金融行业,现在做出了有哪些创新?

李小龙:组织智能金融论坛的目的是为了针对金融智能前沿的这名 挑战,集中学术界和工业界的智慧人生,朋友 一同来碰撞然后 产生更好的观点和可能的方向,从而推进人工智能+金融的进展。

CCAI讲师专访 | Toby Walsh:用AI提高器官移植的成功率

阿里人工智能实验室王刚:找到至少 的应用场景是实现人工智能商业化的关键点

比如支付宝线下支付的营销活动(奖励金),应该给有哪些样的人发奖励金?发十几个 奖励金会进一步提升他消费的活跃度?有有哪些会涉及到智能圈人和智能推荐的问題,朋友 用到了机器学习的模型;还有金融产品推荐,如基金推荐、保险产品的推荐也前要用到机器学习的算法;而智能客服、理财社区机器人还涉及到NLP、语义匹配、长句分析匹配等问題。

李小龙:蚂蚁金服的特点也不我依托了阿里和蚂蚁的充沛场景(安全、信用、征信、微贷、客服、保险等)来构建机器学习平台。在实时性、安全性、稳定性和可靠性这十几个 方面,蚂蚁金服的人工智能技术比常规的人工智能要求更高,换句话说也不我金融级的人工智能。

李小龙:从技术深度看,强化学习、迁移学习、无监督学习和图推理是业界的另有另一个方向,随便说说这名 方面的基础研究的进展未必理想,但我相信它们一定是未来的趋势。

CCAI会简介:

CCAI 2017 | 学习对人工智能究竟有着如保的影

云栖社区:您完后 提到越深度学习的局限性,同类于小样本场景下的挑战?蚂蚁金服是如保补救的?

李小龙:深度学习前要克服的另有另一个问題是不可解释性,同类于芝麻信用是前要强解释性的,减分和加分都前要解释,可能用深度学习则是比较难解释的;完后 例子是信用风控,随便说说目前在中国拒绝贷款不前要给理由(在美国是前要要给理由的),但实际上这会给客服带来很大的压力,可能不给理由,用户会打这名 电话去问客服。

云栖社区:未来,人工智能+金融的发展方向在哪?现在最前要哪方面的人才?

李小龙:机器学习和数据挖掘在蚂蚁金服这名 场景上有的是应用。金融行业非常关键的能力之一是洞察用户,给用户更精准的画像,这是数据挖掘底下很重要的一环,朋友 前要根据用户画像更好的进行产品推荐,可能是智能营销。

还有在智能客服底下,朋友 采用了基于语义匹配的大规模层次聚类算法来做用户原始问句的聚类,然后 用聚类产生的标准问題来代替完后 人工定义的知识点的问題,这前要更好的反映用户的真实诉求,不都能否 复杂知识库的建设过程。

完后 值得一提的是机器人问答,蚂蚁金服客服机器人的补救率现在可能超过了人工(比人工高了另有另一个百分点),这是为甚实现的呢?除了应用这名 业界比较新的深度学习的算法然后 结合朋友 的实际进行模型创新之外,朋友 还采用了问題推荐和相关问題推荐,也也不我在精准匹配模型的信心分较低的情况下,把多个问題的推荐作为问答机器人的并有的是输出最好的方法,另外,即使在信心分较高的情况下,在直接输出知识点的一同,也会输出相关问題的推荐(一般对于复杂的问題,相关问題往往也是用户关心的),然后 通过点击数据就无需都能否 得到用户的反馈来训练模型,从而通过不断学好习来提升模型效果,这在QA上是相对比较少的并有的是做法,但在朋友 的客服机器人上取得了很好的效果。

李小龙:蚂蚁金服在技术上有这名 的创新,保险产品的推荐也不我其中之一,在这名 产品中朋友 利用了多维度的用户画像数据。

李小龙:鲲鹏是蚂蚁金服和阿里巴巴一同合作研发的大规模参数服务器,朋友 从2014年就开始研发,2015年在阿里集团正式上线。目前它的规模无需都能否 支持百亿甚至千亿的形态,千亿级别的样本,以及最大万亿的参数规模,这是业界的一流水平。阿里经济体内部内部结构包括几乎所有BU120多个场景有的是用鲲鹏训练模型,包括现在蚂蚁这名 场景也有的是使这名 功能,比如前面提到的智能营销、智能推荐,还有智能客服。另外,在安全风控领域朋友 也用到了鲲鹏来训练大规模的深度学习模型。借这名 可能也打个广告:今年8月份在加拿大举行的全球顶级数据挖掘会议KDD上朋友 会以Oral报告的最好的方法第一次向学术界和工业界介绍鲲鹏系统和算法的特点、朋友 的创新以及在阿里和蚂蚁业务的应用,欢迎朋友 到完后 参加和指正。

关于人才,懂算法又懂工程是朋友 最前要的,一同,算法不仅要要紧随国际前沿,在功能上它还前要快速的落地。目前蚂蚁金服非常缺的是图像以及大规模分布式系统的人才。

这身前给技术带来了多大的挑战?

当然,这其中实际上处在这名 挑战。随便说说在深度学习的早熟是什么是什么是什么期期图片 图片 图片 图片 的句子让图像识别在最近几年取得了突飞猛进的发展,各项大赛中的识别率每年有的是提升,但在图像定损上依然有非常大的挑战。这比人脸的识别、普通的图像识别难度更高,比如光照反光程度的细微变化就会极大地增加识别难度,即便是人眼也那末 分辨这其中的差异。朋友 基于计算机视觉算法以及多模型不都能否 精准输出针对各种程度的刮擦、变形、部件的开裂和脱落等损伤的定损结论。

举个例子,朋友 基于大数据分析发现穿紧身牛仔裤的女孩手机比较容易碎屏。然后 启发了手机碎屏险的精准推荐,事实证明转化成交率也比较高。

另外,深度学习在样本数量过小的场景下也比较难发挥作用,小样本学习现在是学术界非常感兴趣的问題。不过,蚂蚁金服的个别场景中处在的完后 严重问題也不我标注样本比较少,而大次责机器学习算法以有监督学习为主,这对样本的标注需求比较大。同类于在安全风控底下那末 标注,可能说是标注非常少的情况下为甚去做建模,朋友 叫做隐案挖掘,这是很大的挑战,目前,朋友 采用的是无监督学习可能半监督学习最好的方法来克服完后 的问題。

蚂蚁金服漆远:人工智能是如保重新定义金融行业的?

朋友 邀请了这名 学术界和工业界的顶级专家:同类于工业界的嘉宾有柳崎峰老师,他现在专注做量化交易的工具,通俗点说是通过智能的最好的方法去判断交易的风险,然后 帮用户做决策;学术界的嘉宾比如ACM Fellow邓小铁老师是专门做博弈论市场机制的,对于金融博弈下的价值学习有很好的经验和观点;香港中文大学计算机系的张胜誉老师,他正在研究计算复杂理论以及AI在资源分配中的应用;王梦迪老师是普林斯顿大学的助理教授,研究的内容包括增强学习在智能金融的应用;还有佐治亚理工学院的杰出教授Sudheer Chava,专注计算金融学的研究,他将带来对于AI应用在金融界的优势和挑战的这名 整体思考。

云栖社区:金融领域会面临这名 安全问題,蚂蚁金服如保通过人工智能技术来规避有有哪些风险?

有有哪些应用场景都前要机器学习的模型包括深度学习的模型来补救。

CCAI 讲师专访 | 机器学习奠基人Thomas Dietterich:人类将如保受到AI

朋友 希望通过工业界和学术界的顶级专家在论坛上的思想碰撞让听众了解到金融智能的热点话题,同类于有有哪些比较实用的最好的方法,学术界在探索有哪些新的最好的方法,学术界和工业界为甚更好的结合,等等。

以下是云栖社区对李小龙的采访实录:

李小龙:金融领域最核心的另有另一个问題也不我安全风控和信用风控,针对安全风控问題,蚂蚁金服人工智能部和安全业务部门正在进行紧密的合作,用先进的人工智能技术,如深度学习模型来代替代完后 人工规则为主的体系,这前要大大提高速率单位单位。举十几个 例子,朋友 目前把深度学习用在了可信领域,即在每天的几亿笔交易中判断是有的是可信的交易,可能不可信就中断,朋友 的模型能在尽可能减少用户打扰的情况下,保持很高的安全性。第二种情况下是盗账号模型,当一笔交易被系统判断它是不可信的情况下,朋友 前要再确认是有的是盗帐号,这前要更多精细的形态来描述,也前要创新的算法不都能否 实现。朋友 采用了自主创新的GBDT+DNN的模型,超越了完后 的单个模型以及GBDT+LR的效果,在实际业务中取得了很好的效果。

李小龙:传统保险公司的车险补救流程,一般为报案、现场查勘、提交理赔材料、审核、最终赔付。用户完成整套链路获得理赔的周期往往长达几周甚至另有另一个月。而定损宝前要通过技术来提升车险理赔的速率单位单位。

金融被誉为是人工智能的风口之一,蚂蚁金服无疑是这名 风口下的先行者。

而这也不我蚂蚁金服用技术服务金融行业的冰山一角,从支付、智能风控、信贷决策、理财、保险定价、信用到智能客服,蚂蚁金服正在在用人工智能来影响和助力金融行业。

蚂蚁金服只做Tech(技术),用技术支持金融机构做好Fin(金融),完后 的定位和大多数试水“人工智能+金融”企业大相径庭。

蚂蚁金服人工智能部技术总监李小龙表示,蚂蚁金服所做的人工智能研究有的是基于场景,而完后 的尝试远比单纯的学术研究复杂。以定损宝为例,产品核心的技术是图像识别,但它的实现比人脸识别、普通的图像识别难度更高;除此之外,还前要根据不同的输出结果来计算出保费的变化情况。

云栖社区:不久前,蚂蚁金服向保险行业开放了“定损宝”,这其中使用了有哪些人工智能技术?