北大AI公开课 第三讲 人工智能驱动的金融生活服务

本次主讲：漆远，蚂蚁金服VP，首席科学家

以杭州为例，分析AI所带来的变化

智能城市生活服务：电影买票，订机票泰国旅游，购买地铁票，免押金入住酒店。所有的便利化都是依托于场景，所以AI离不开场景。人们在享受各种服务的同时，产生了海量的数据，通过这些数据，对人进行多维度刻画，对社会更好的理解，产生更有价值的服务。

 

AI的垂直应用场景（领域）：

 

金融生活的技术元素：

蚂蚁金服是一家技术驱动金融的公司，是一家技术重塑金融的公司，而不是一家银行。

 

人工智能应用：信用、推荐、风控、搜索、营销和智能助理。

人工智能能力：NLP、图像识别、语音识别、机器学习。

 

蚂蚁金服的应用：

         应用一：通过大数据，产生真是模型，包括定价，反套现，反欺诈；保证风控质量，大规模，低成本。

         应用二：交易风险，不同国家的不同情况，将风控能力输出，对于不一样的情况，如何控制风险。

国内信用分的产生：从数据，各个角度、维度来判断一个人的应用。运用大数据，智能化，自动化，降低成本。

        

案例一 智能客服例子：

从回答问题出发，涉及到的是一个知识库标准化问题，搜索问题；

参与、猜测问题（自动判断问题），“不幸都是相似的，幸福是百花齐放的”，这说明遭遇的问题的相似性，最终达到“可以猜测出现什么问题”；

小二工作台，人工+智能，AI结合具体的客服人员，优化整个流程。

问题关键：问题识别，包括，上下语义匹配，客户真实意图识别。

使用人工智能，自助转人工率下降70%，用户问题解决率，机器达到人工水平。商户异常处理问题，智能异常问题的定位与解决。

         蚂蚁聚宝社区机器人，懂客户，懂数据，保证回答问题质量。保险问题，流程复杂，小字难发现，难理解。

 

案例二 个性化产品和资讯推荐：

挑战：多个数据源的融合；

目的：满足用户个性化的需求；

当前问题：资讯阅读的数据如何赋能支付消费；电扇购买行为如何助力财富、保险。

最终实现算法和业务打通，多种资讯的不同，业务点击转化率提升。

深度学习Embedding+财经语义+财经事件应用：财经舆情分析，财经智能问答

         案例3 蚂蚁安全大脑：

 

         案例4 保险：

更好的理解保险内容。紧身裤和碎屏险。国内用户的消费行为，消费习惯，运费险，小而美的金融产品。前瞻性实时核保，实时差异化定价，出险率预测，极速理赔。大数据精确定价。

         移动互联网，云计算，大数据，人工智能，数据本身的价值，数据价值的体现，通过算法来实现。

 

挑战与机遇：

基于加强学习的对话系统；

小数据学习；

推理和uncertainty；

知识图谱和隐含空间；

无监督学习；

数据和模型压缩，Hashing，compression，要求计算的速度快。

分布式机器学习平台，分布式云计算。

 

AI落地经验与教训：

找到有商业价值有数据的场景；

从问题出发，要有核心价值；

团队，产品和技术的融合，真正的AI驱动。

        

对话环节：

1.      美国一家金融创业公司，能解决多大的问题，海量资讯，如何提取出来，映射到技术问题

2.      机器自动做交易的比例不断增加，算法进行交易。财富管理，往技术方向走。控制风险的同时，提高收益，了解用户的需求。

3.      创业公司的路在哪里，做什么不一样，《从0到1》，场景和数据联系的，从问题出发。

4.      人工智能对投资有什么帮助，商业计划书扔给机器人，机器人决定结果。看人，看问题，看结果。长相和犯罪的联系。机器学习和算命的关系。

5.      未来5年，突破比较大的方向，数据相关性较大的行业，非结构化的数据，

6.      学习模型比较困难，深度学习固化下来，专门去做。速度和精度的平衡。

7.      人工智能对比特币是否有影响，区块链技术，如何结合，如何解决问题，PR

8.      模型的效果，还是数据的增加，公司的成功。

9.      博士和硕士的产业优势，看自己想做什么，要不要出国读博士，到底想做什么。人生处处有惊喜。对抗学习，增强学习，