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,