螞蟻金服漆遠：AI金融一秒核實2小時到賬，99％準確率
【新智元導讀】清華大學「人工智慧前沿與產業趨勢」系列講座的第五講，由螞蟻金服集團首席AI科學家與副總裁、達摩院金融智能負責人漆遠親臨現場，與清華大學海峽研究院大數據AI中心專家委員、百度七劍客之一、酷我音樂創始人雷鳴老師共同參與，深度探討AI賦能金融服務的發展趨勢。
清華大學「人工智慧前沿與產業趨勢」系列講座的第五講，由螞蟻金服集團首席AI科學家與副總裁、達摩院金融智能負責人漆遠親臨現場，與清華大學海峽研究院大數據AI中心專家委員、百度七劍客之一、酷我音樂創始人雷鳴老師共同參與，深度探討AI賦能金融服務的發展趨勢。
首先，雷明老師提出了目前人工智慧在大數據方面的發展，對金融、醫療、企業經營、教育等領域有哪些應用以及影響。
雷鳴首先拋出了一些很有意思的點。首先雷鳴講到目前大數據領域遇到的比較大的挑戰包括異構數據、高維數據的處理以及稀疏性、動態性等，這些問題目前還在持續的攻克中。
其次是應用。雷鳴提到，在醫療方面，人類已經定義的疾病有3萬多種，這疾病如何分類、如何預測，都是需要通過大數據來解決的問題；大數據還可以銷量預測，例如雙11商家如何減少積壓；金融方面，預測借款人的還款概率從而能夠減少回款風險；針對企業可以進行客戶的特徵分析；個性化推薦，預測用戶的口味提供更好的服務；除了個性化推薦，還可以進行個性化營銷以及個性化教育，都可以通過大數據分析有針對性的為個體提供定製化的服務。
可以看到，大數據在很多領域都有非常廣泛的應用。這其中，金融是一個特彆強的應用場景，尤其是量化交易。比如通過分析全球主要產地的圖像，預測農副產品的產量增幅或者跌幅，進而預測期貨未來的價格。
如果說有哪家企業在AI+金融方面做到全球領先，螞蟻金服肯定是其中之一，它也是全球市值最高的獨角獸之一。今天就由螞蟻金服集團首席AI科學家與副總裁、阿里達摩院金融智能負責人漆遠為大家帶來精彩課程《AI賦能金融服務》。
真正的金融科技公司，既有技術深度又有情懷溫度
漆遠提到經常有人問他一個問題：人工智慧寒冬什麼時候到來。其實這個問題沒有答案，但是漆遠認為機器學習只是一個開始，未來還有很長的路。
漆遠提到一本非常著名的書叫做《從0到1》，裡面講人類發展有兩個特別關鍵的點：首先是從0到1的科技創新；另外一個是從1到N的全球化。
科技創新非常重要，螞蟻金服是一家科技公司，要不斷創新；然後，將創新成果推向全球化。比如從中國市場得到驗證的經驗，就可以分享給印度。漆遠提到在印度，螞蟻金服的支付產品Paytm能夠在2年之內成為全世界第四大錢包，獲得上億用戶，支付寶為其提供了大量技術創新能力和經驗。
近兩年，不少全球大型科技公司不同程度地被媒體和政府挑戰。他認為，這背後應該反思的是，一些有黑科技的大公司是否在推進社會向好的方向發展。
同時，在中國不少所謂的金融科技公司說自己是做普惠金融，但其實沒有風控能力，只是高利貸互聯網化而已。沒有真正技術的金融科技公司的情懷只能是無源之水。
而螞蟻金服在做有技術深度也有情懷溫度的事情。從快捷支付，到小微貸款，到相互寶等等，螞蟻金服一直通過技術創新做真正的普惠金融。
比如相互寶是一個互助產品。一人有難八方支援，從而可以將一個人的風險分散攤出去。5月8號還發布了老年專享產品：60到70歲專享的三高及心血管疾病均可申請加入。
但所有的有關懷溫度的金融產品背後都是有風險的，金融本身與風險是密不可分的，這就需要一個真正有深度的技術支撐。
如何通過人工智慧實現既保護了用戶隱私，又能提供有價值服務
技術需要解決三個關鍵問題。第一個是風險，金融場景里風險無處不在。 第二個是數據安全和隱私保護。所以如何實現既保護用戶隱私，又提供有價值服務成為需要解決的問題，第三個是效率和體驗問題。
漆遠舉了一個貸款違約風險的例子。如何從 一個海量的、缺少標註的數據集來識別貸款違約風險。在深度學習上又往前走一不，把有監督和無監督的兩種深度圖演算法結合起來做一個綜合學習，效果非常明顯，可以保證準確性的前提下，大規模提升效率，更有效的控制風險。
漆遠還提到他團隊開發的一個新演算法，這種演算法把注意力機制和深度圖模型結合起來，自動識別關鍵路徑和關鍵深度， 並用於精準識別騙保的風險。他們還開發了基於多層注意力的深度圖演算法來檢測套現騙局。
大家都在講數據孤島，希望這些孤島能夠打通，發揮數據聚合價值 ，但同時如何保護數據隱私？解決這些問題在醫療與金融等行業都有很大價值。
為了解決這些關鍵問題，螞蟻金服4年前就領先世界金融界開始研發基於隱私保護的機器學習和多方計算的共享學習。在該領域有50多個專利在審，國家認證技術證書。
在螞蟻金服的實踐里，共享學習技術應用於跟中和農信等合作夥伴的合作，他們向農村市場提供小微金融服務，通過共享學習大規模提升了合作夥伴的風控能力，降低貸款逾期率50%以上，服務全國300 多個縣。
漆遠說，計算機視覺和知識圖譜技術在螞蟻金服也有很多應用。例如在多收多保理賠的案件里，50％以上是完全自動處理，準確率達到了99％以上。使用計算機視覺，自然語言處理和知識圖譜來有效防止騙保。利用技術，多收多保做到了2分鐘申報，一秒鐘核實，2小時到賬的高效智能理賠。
漆遠還提到，為了提高客服機器人對客戶的服務質量，除了多輪對話和遷移學習外，他們還使用了對抗學習技術，通過兩個自然語言處理BERT模型之間的對抗，類似金庸小說里周伯通的左右互博術，在對抗學習中模型變的越來越強大。
2015年，支付寶智能客服實現了94％的自助率，2017年，客服機器人已經超越人工客服的滿意度，做到了不僅效率高，同時效果好。在2019年螞蟻智能客服賦能生態，服務了近萬個釘釘企業群。
最後，漆遠說一個優秀金融科技公司一定是一個有深度有溫度的公司。
未來在金融科技上能夠大放異彩的技術
「你認為，哪些技術未來可能在金融科技上大放異彩？」討論環節，雷鳴向朱軍拋出這個問題。
朱軍是清華大學計算機系教授、2013 CCF青年科學家獎、IEEE Trans. on PAMI副編委（Associate Editor），他認為一個是在人臉識別或者圖像識別中存在對抗樣本，這在金融領域非常重要；另外是大規模的圖計算的快速演算法；還有一個大數據處理相關，比如很多的文本和圖數據這種異構數據做一些應用；還有就是如何在信噪比較低的數據中，挖局有價值的東西，不是簡單用一個CNN就能實現，可能需要一些機器學習方法。
明勢資本創始合伙人黃明明認為，相比阿里這樣的公司，首先金融科技的初創企業本身沒有海量數據，其次也很難跟銀行拿到數據；其次銀行本身把控非常嚴格，所以他們沒有投太多這方面的創業公司。銀行覺得已經把這麼有價值的數據提供給創業公司了，因此不願意給創業公司更多實際的收益。
黃明明認為，總的來說哪數據多往哪去。而創業公司的機會是在新數據。因為原有的數據要麼在巨頭手裡面，要麼是在傳統行業的巨頭手裡面。對創業公司來說，有新數據產生的地方，可能是創業公司有更大機會，比如說自動駕駛，即使對於BAT也是新的。包括反欺詐方面也是非常大的機會。
漆遠認為如果能結合自身優勢，在一個行業扎進去了，然後它產生金融服務，也是很好的結合。
雷鳴談到在垂直領域，或許能產生一些新模型讓封孔變的更精確，另外也可以做一些新的金融模式的創新。比如淘寶商家需要小微貸款，這市場對銀行來說利潤太少。但是店鋪的歷績、客戶群體、復購情況等數據能夠綜合體現出商家的經營能力，螞蟻金服可以對整個銷售進行預測，從而通過機器評估出風險。
演算法能不能做交易呢？
漆遠說螞蟻金服自身不做演算法交易，但演算法是可以服務交易的。比如國外有研究人員用強化學習來分析交易對市場環境的影響來實現自動交易下單。另外， 市場上很多風險是由人性導致，在於人的選擇。從計算機的角度其實是可以幫助避免的，因為AI演算法本身並沒有人類心理的恐懼與貪心。但也有可能出現不好的情況，如果設計的不好，幾個交易系統演算法互相正反饋可能導致大規模股市暴跌。
給立志從事AI＋金融的學生的建議
黃明明認為需要往產業走，因為數據都在產業，AI一定和產業是深度結合的，多找實習。
漆遠認為要把社會需求、自己想做、和是否擅長做結合起來。漆遠還特別提到，在大學學習階段不要化太多時間學習各種AI框架上，應該多花一點時間打好AI基礎，包括優化與概率，線性代數與邏輯，數據結構和演算法，博弈論，機制設計（及經濟學），甚至大腦科學。
在線課程地址：
http://www.iqiyi.com/w_19s99ixveh.html
TAG:新智元 |