螞蟻金服漆遠：金融智能平台需要關注哪些因素？

編輯｜Natalie

大家好！從長遠發展來講，任何公司、任何機構的長遠發展需要一個真正紮實的積累，在技術上的積累，這也是昨天阿里宣布建立達摩院的一個關鍵原因。也因此，螞蟻金服在過去基於我們的業務場景積累了優秀的技術能力，比如 AI 的能力，今天我們把這個能力開放出來，如昨天我們的 CTO 魯肅所說，我們開放技術，希望為世界帶來給多平等的機會。下面我會介紹一下螞蟻金服在這方面的一些工作和下一步的計劃，希望我們通過技術來賦能給我們的生態夥伴。

金融服務面臨的問題和挑戰

金融服務面臨很多問題，我們希望從問題入手。很多問題都是從場景自然產生的，所有這些對機器學習產生很多的挑戰，比如對實時性的要求，一個 AI 驅動的交易風控系統需要在毫秒級做出決策，響應慢就不行。比如海量數據和業務多樣性的問題。很多數據源從不同的場景進來，如何把不同的數據源結合起來？如果我們對一個行業有非常好的理解，我們不管是做信用，還是做保險，都會有非常大的幫助。在不少金融場景下，假如我們不能從總體來看就會有非常大的風險，可能一葉障目，所以我們要從多個維度多個數據源結合來綜合分析。

還有金融固有的系統性風險，比如說 2008 年的次貸危機，今天中國同樣，在不同場景下我們也感覺到這些危機，如果這些危機迅速地擴散，從而成為系統性大風險，那麼如何從金融網路的角度預防或者準備？

還有金融性安全的挑戰。金融里安全是最為關鍵的，如果沒有安全的話一切都是浮雲。

螞蟻金服的金融智能大腦

面對這些挑戰，螞蟻金服建立了一個金融智能大腦 Antzero，希望它可以：

1）提升風控信用決策的能力

2） 降低金融服務成本

3）改善服務體驗，比如通過智能助理讓我們的服務方便簡單。

這個金融大腦是安全加密的、實時對抗和大規模的。很多金融場景本身就是對抗性的，我們怎麼來考慮到這些惡意的數據。金融大腦涵蓋了我們搭建的一個金融智能平台，它可以輸出金融級智能能力給我們的生態合作夥伴，比如加強學習、深度學習、無監督學習和圖推理能力。在這些基礎能力以上，我們希望能夠提供系統性風險預備或防範能力、智能營銷能力、智能理賠能力、智能金融信息服務。提升用戶體驗，希望方便，希望智能，希望懂你，通過 Antone 來給大家提供服務。

金融智能平台通過拖拉拽就能上手的交互方式，為模型開發者提供了簡單但很完整的人工智慧解決方案，沉澱了螞蟻金服各條業務線上豐富的金融場景演算法，開放服務給我們金融行業、甚至泛金融行業的生態夥伴。

我們金融智能平台是怎樣服務我們的用戶呢？就是在超大規模異構計算平台上實現一系列金融場景的演算法並且提供一套完整的產品解決方案來服務我們的用戶。金融智能平台解決三個關鍵的問題。一是安全，我們金融智能平台通過提供自研硬體支持安全合規的加密解密。二是實時，如果沒有這個平台的話，有效但是大的機器學習模型沒法短時間產生結果，那樣的話技術同學只能把演算法做簡化，會很影響業務效果。所以如何通過工程和演算法優化來 AI 在線服務的速度。三是我們支持大數據量的機器學習和離線訓練。我們的目標其實非常簡單，希望能夠打通機器學習從建模、部署到迭代的鏈路，給我們的用戶提供完整的平台解決方案，幫助他們降低使用 AI 系統、AI 演算法和 AI 資產的門檻，提供給我們的生態夥伴更普惠的金融服務。

具體來說金融智能平台有這樣幾個功能。首先是可視化建模，我們有豐富的圖表樣式和非常強大的特徵運算元，用戶通過輕鬆的拖拉拽就能完成數據建模。其次是自動化部署，我們做到了模型自動翻譯、集群自動管理和性能自動監控。在螞蟻自己內部，我們支持的芝麻分，建模效率從一個月提升到一周，部署效率從兩周提升到一個小時，這個效率的提升真的是一個天翻地覆的變化。還有資產化沉澱。模型演算法也是很重要的資產，在演算法的迭代演進過程中，我們最關心系統性能是否穩定，新的演算法上線怎樣效果可以更好。我們支持性能評估和監控，還提供了 A/B 測試來幫助演算法同學通過監視對比來發現 A 或 B 哪一個更好，從而更好的支撐演算法的演進。另外一個關鍵是共享，其實希望大家能夠協同起來，把做過的東西沉澱下來，大家在一個平台上一起往前走，不同的人開發不同的模塊，但可以沉澱在一個模型里。

最後舉一個關於 A/B 測試的例子，有些時候我們需要使用科學的方法通過比較數據來發現哪一種產品方案用戶更喜歡，哪一個演算法效果最好，哪一個業務流程最有效。大家支付寶新版本都更新了吧，首頁裡面我們就有做過一個非常簡單的測試實驗：在你收到一個首頁通知時，一方案是我們本來認為更好的方案，有三個小字，「新消息」，另外一個方案是小紅點，結果通過最後的用戶點擊數據比較，第二個方案更好，點擊率比方案一相對提高 8%。你看，我們並不像我們想像那樣更知道用戶的喜好，最終要讓數據本身來說話。A/B 測試既是決策的過程，也是學習的過程。在支付寶的保險首頁腰封內容的實驗中，我們吃驚地發現去腰封后頁面點擊率大幅度提升提高了 40%。我們要保證這樣的科學決策機制，它相當於一個錶盤，對基於數據的業務發展非常關鍵。

金融智能平台的應用

我們把金融智能平台應用在螞蟻金服的各項業務里，比如智能營銷。我們通過深度學習，完整理解用戶差異化的需求，準確獲取用戶決策的階段，在合適的時間、合適的地點，多場景多頻次推給用戶合適的內容，最終提升業務的轉化率。我們實時深度模型的快速迭代，保障了對用戶精準的多輪多場景觸達。

例如在花唄簽約流程中，智能營銷如何幫助業務更好的向用戶推送簽約入口引導簽約，這個非常關鍵。哪些地方透出簽約，哪些新用戶可以發展，哪些用戶是可以挽回，什麼時間挽回，在哪裡挽回，通過深度模型和實時深度演算法的迭代，動態的找到最佳的入口和時機，幫助業務成功轉化原本可能流失的用戶完成簽約。最終幫助花唄簽約率翻倍，業務得到大幅提升。

另外一個例子是 AI 在保險行業的應用，我們希望通過 AI 技術來服務我們的保險行業的夥伴，並給行業帶來一些創新。目前我們已經和一家保險公司合作使用我們的科技產品，只需要對車拍一組照片，系統會通過圖像識別和 AI 深度學習的演算法來自動完成車輛損傷程度的識別以及維修方案的確定。這個項目剛開始做的時候還是壓力非常大的，比如由於車輛油漆顏色的不同，反光效果也不盡相同，並且由於車輛角度的不同會帶來視覺上很大的差異性等等。當時，我們進行了大量的思考怎麼通過 AI 的技術能力來大幅度提升車輛損傷識別的準確率和覆蓋率，現在團隊經過一段時間的努力以及不斷的嘗試，目前車輛損傷識別的準確率和覆蓋率已經達到比較高的水平了。同時在運費險項目，我們通過千人千面的演算法能力來根據用戶的不同特性推薦不同的產品以及更加精確的個性化定價，從而找到更合適每個用戶的保險產品以及定價。

當然除了以上金融智能大腦所賦能的應用場景外，目前金融智能大腦所衍生出來的一個很重要的能力就是 Antone——這是螞蟻智能助理機器人，螞蟻安安的英文名字。螞蟻的智能機器人首先在智能客服領域成功應用，並且從智能客服機器人一路發展而來。智能客服主要有兩部分能力，首先是猜你問題，80% 多的用戶訴求都是通過這種方式來解決的，主要通過用戶在支付寶中的行為來挖掘出用戶心裡想問的問題。另一部分是問答機器人。我們的問答機器人的問題解決能力一直在持續的提升，在今年的 5 月份，機器人解決率已經超過了人工服務。同時我們還在智能客服場景以外，進一步擴展對話機器人的應用場景，我們希望搭建一個智能助理平台，來使得我們機器人的能力能夠快速應用到我們支付寶的各個場景，包括智能投顧、保顧等等，今年的 9 月份我們完成了智能助理平台 V1.0 的版本建設。我們希望智能助理是能給用戶帶來非常多的便利的，想像一下用戶在支付寶上的一天都圍繞著智能助理展開，智能助理將很大程度上提升用戶在支付寶上的效率。用戶的一天從早晨開始，通過助理快速購買好常用路線的地鐵票，路上通過助理快速查詢餘額寶的收益；中午和同事不知道吃什麼，智能助理給你們推薦好吃的麵館，吃完同事結了賬，語音轉賬快速把費用轉給了同事。下午可以通過智能助理購買周六去北京的火車票，下班後想再消遣一下，通過智能助理買一張電影票等等。

Antone 目前不僅可以做到懂用戶（在智能客服場景的猜你問題），同時在支付寶的很多核心場景可以幫助用戶高效解決很多問題，比如快速直達城市服務裡面的應用，購買火車票等等。我們來做個現場演示，我現在打開了支付寶，出現了我和智能機器人的對話界面，我對它說「給魯肅發一塊錢紅包」，它就可以完成。如果在以前，首先要打開支付寶找到紅包，找到紅包之後要找到要轉帳的人，然後輸出多少錢，是需要很多步驟的，今天是通過一句話就可以完成，讓用戶更方便。

未來 Antone 將會成為智能的一站式金融生活服務機器人。我們會基於廣泛金融生活場景在智能投顧等領域給用戶提供更加廣泛的服務。將來我們將智能助理作為一個平台開放給螞蟻金服的生態合作夥伴。

最後總結一下，我們會開放金融智能大腦，通過科技來賦能我們的生態夥伴，從而進一步惠及我們的終端用戶，並通過 Antone 來為用戶提供更智能更方便的金融生活體驗。

引用丘吉爾的一句話，「這不是結束，甚至不是結束的開始，而僅僅是開始的結束！」，智能浪潮的時代才剛剛開始，人工智慧會對金融業帶來巨大的變革，我們會和生態夥伴一起攜手向前，謝謝大家！

作者介紹

漆遠，麻省理工學院博士後、美國普渡大學計算機系和統計系終身教授。現任螞蟻金服副總裁、首席數據科學家。

今日薦文

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！

本站內容充實豐富，博大精深，小編精選每日熱門資訊，隨時更新，點擊「搶先收到最新資訊」瀏覽吧！

請您繼續閱讀更多來自 AI前線 的精彩文章: