lida

新智元报道   编辑：元子 【新智元导读】清华大学“人工智能前沿与产业趋势”系列讲座的第五讲，由蚂蚁金服集团首席AI科学家与副总裁、达摩院金融智能负责人漆远亲临现场，与清华大学海峡研究院大数据AI中心专家委员、百度七剑客之一、酷我音乐创始人雷鸣老师共同参与，深度探讨AI赋能金融服务的发展趋势。 清华大学“人工智能前沿与产业趋势”系列讲座的第五讲，由蚂蚁金服集团首席AI科学家与副总裁、达摩院金融智能负责人漆远亲临现场，与清华大学海峡研究院大数据AI中心专家委员、百度七剑客之一、酷我音乐创始人雷鸣老师共同参与，深度探讨AI赋能金融服务的发展趋势。 首先，雷明老师提出了目前人工智能在大数据方面的发展，对金融、医疗、企业经营、教育等领域有哪些应用以及影响。 雷鸣首先抛出了一些很有意思的点。首先雷鸣讲到目前大数据领域遇到的比较大的挑战包括异构数据、高维数据的处理以及稀疏性、动态性等，这些问题目前还在持续的攻克中。 其次是应用。雷鸣提到，在医疗方面，人类已经定义的疾病有3万多种，这疾病如何分类、如何预测，都是需要通过大数据来解决的问题；大数据还可以销量预测，例如双11商家如何减少积压；金融方面，预测借款人的还款概率从而能够减少回款风险；针对企业可以进行客户的特征分析；个性化推荐，预测用户的口味提供更好的服务；除了个性化推荐，还可以进行个性化营销以及个性化教育，都可以通过大数据分析有针对性的为个体提供定制化的服务。 可以看到，大数据在很多领域都有非常广泛的应用。这其中，金融是一个特别强的应用场景，尤其是量化交易。比如通过分析全球主要产地的图像，预测农副产品的产量增幅或者跌幅，进而预测期货未来的价格。 如果说有哪家企业在AI+金融方面做到全球领先，蚂蚁金服肯定是其中之一，它也是全球市值最高的独角兽之一。今天就由蚂蚁金服集团首席AI科学家与副总裁、阿里达摩院金融智能负责人漆远为大家带来精彩课程《AI赋能金融服务》。 真正的金融科技公司，既有技术深度又有情怀温度 漆远提到经常有人问他一个问题：人工智能寒冬什么时候到来。其实这个问题没有答案，但是漆远认为机器学习只是一个开始，未来还有很长的路。 漆远提到一本非常著名的书叫做《从0到1》，里面讲人类发展有两个特别关键的点：首先是从0到1的科技创新；另外一个是从1到N的全球化。 科技创新非常重要，蚂蚁金服是一家科技公司，要不断创新；然后，将创新成果推向全球化。比如从中国市场得到验证的经验，就可以分享给印度。漆远提到在印度，蚂蚁金服的支付产品Paytm能够在2年之内成为全世界第四大钱包，获得上亿用户，支付宝为其提供了大量技术创新能力和经验。 近两年，不少全球大型科技公司不同程度地被媒体和政府挑战。他认为，这背后应该反思的是，一些有黑科技的大公司是否在推进社会向好的方向发展。 同时，在中国不少所谓的金融科技公司说自己是做普惠金融，但其实没有风控能力，只是高利贷互联网化而已。没有真正技术的金融科技公司的情怀只能是无源之水。 而蚂蚁金服在做有技术深度也有情怀温度的事情。从快捷支付，到小微贷款，到相互宝等等，蚂蚁金服一直通过技术创新做真正的普惠金融。 比如相互宝是一个互助产品。一人有难八方支援，从而可以将一个人的风险分散摊出去。5月8号还发布了老年专享产品：60到70岁专享的三高及心血管疾病均可申请加入。 但所有的有关怀温度的金融产品背后都是有风险的，金融本身与风险是密不可分的，这就需要一个真正有深度的技术支撑。 如何通过人工智能实现既保护了用户隐私，又能提供有价值服务 技术需要解决三个关键问题。第一个是风险，金融场景里风险无处不在。 第二个是数据安全和隐私保护。所以如何实现既保护用户隐私，又提供有价值服务成为需要解决的问题，第三个是效率和体验问题。 漆远举了一个贷款违约风险的例子。如何从 一个海量的、缺少标注的数据集来识别贷款违约风险。在深度学习上又往前走一不，把有监督和无监督的两种深度图算法结合起来做一个综合学习，效果非常明显，可以保证准确性的前提下，大规模提升效率，更有效的控制风险。 漆远还提到他团队开发的一个新算法，这种算法把注意力机制和深度图模型结合起来，自动识别关键路径和关键深度， 并用于精准识别骗保的风险。他们还开发了基于多层注意力的深度图算法来检测套现骗局。 大家都在讲数据孤岛，希望这些孤岛能够打通，发挥数据聚合价值 ，但同时如何保护数据隐私？解决这些问题在医疗与金融等行业都有很大价值。 为了解决这些关键问题，蚂蚁金服4年前就领先世界金融界开始研发基于隐私保护的机器学习和多方计算的共享学习。在该领域有50多个专利在审，国家认证技术证书。 在蚂蚁金服的实践里，共享学习技术应用于跟中和农信等合作伙伴的合作，他们向农村市场提供小微金融服务，通过共享学习大规模提升了合作伙伴的风控能力，降低贷款逾期率50%以上，服务全国300 多个县。 漆远说，计算机视觉和知识图谱技术在蚂蚁金服也有很多应用。例如在多收多保理赔的案件里，50％以上是完全自动处理，准确率达到了99％以上。使用计算机视觉，自然语言处理和知识图谱来有效防止骗保。利用技术，多收多保做到了2分钟申报，一秒钟核实，2小时到账的高效智能理赔。 漆远还提到，为了提高客服机器人对客户的服务质量，除了多轮对话和迁移学习外，他们还使用了对抗学习技术，通过两个自然语言处理BERT模型之间的对抗，类似金庸小说里周伯通的左右互博术，在对抗学习中模型变的越来越强大。 2015年，支付宝智能客服实现了94％的自助率，2017年，客服机器人已经超越人工客服的满意度，做到了不仅效率高，同时效果好。在2019年蚂蚁智能客服赋能生态，服务了近万个钉钉企业群。 最后，漆远说一个优秀金融科技公司一定是一个有深度有温度的公司。 未来在金融科技上能够大放异彩的技术 「你认为，哪些技术未来可能在金融科技上大放异彩？」讨论环节，雷鸣向朱军抛出这个问题。 朱军是清华大学计算机系教授、2013 CCF青年科学家奖、IEEE Trans. on PAMI副编委（Associate Editor），他认为一个是在人脸识别或者图像识别中存在对抗样本，这在金融领域非常重要；另外是大规模的图计算的快速算法；还有一个大数据处理相关，比如很多的文本和图数据这种异构数据做一些应用；还有就是如何在信噪比较低的数据中，挖局有价值的东西，不是简单用一个CNN就能实现，可能需要一些机器学习方法。 明势资本创始合伙人黄明明认为，相比阿里这样的公司，首先金融科技的初创企业本身没有海量数据，其次也很难跟银行拿到数据；其次银行本身把控非常严格，所以他们没有投太多这方面的创业公司。银行觉得已经把这么有价值的数据提供给创业公司了，因此不愿意给创业公司更多实际的收益。 黄明明认为，总的来说哪数据多往哪去。而创业公司的机会是在新数据。因为原有的数据要么在巨头手里面，要么是在传统行业的巨头手里面。对创业公司来说，有新数据产生的地方，可能是创业公司有更大机会，比如说自动驾驶，即使对于BAT也是新的。包括反欺诈方面也是非常大的机会。 漆远认为如果能结合自身优势，在一个行业扎进去了，然后它产生金融服务，也是很好的结合。 雷鸣谈到在垂直领域，或许能产生一些新模型让封孔变的更精确，另外也可以做一些新的金融模式的创新。比如淘宝商家需要小微贷款，这市场对银行来说利润太少。但是店铺的历绩、客户群体、复购情况等数据能够综合体现出商家的经营能力，蚂蚁金服可以对整个销售进行预测，从而通过机器评估出风险。...

机器之心原创 作者：李泽南 李纪为博士是近期涌现出的著名青年 AI 学者之一，在 2017 年 7 月份博士毕业之后不久，机器之心就对他进行了独家专访，并与他探讨了 NLP 研究、博士生涯等问题。历经半年，李纪为博士在大公司招揽与创业之间，毅然选择了创业，加入了 AI 创业大军。 李纪为等人成立的人工智能金融公司「香侬科技」Shannon.AI，刚刚获得红杉中国数千万天使轮融资。 香侬科技官方网站：http://shannon.ai/ 李纪为博士期间研究方向是人工智能的一个重要分支——自然语言处理（NLP），他是第一位仅用三年时间就获得了斯坦福大学计算机科学博士学位的人。在三年的博士生涯中，他的多篇论文被各类顶级会议接收，他也是自然语言处理领域引用量最高的博士生之一。据统计，ICLR 2017 上李纪为有三篇论文被大会接收，其中两篇为第一作者；在 EMNLP 2017 上，他有两篇论文被大会接收，同样均为第一作者。 李纪为此前在接受机器之心专访时曾经表示，「如果有合适的机会，创业当然非常有可能。」如今看来，李博士最终还是选择创业，他告诉机器之心，经过半年的准备，他与两名大学同学共同创立了 AI 金融公司——香侬科技，专注于利用 NLP 技术提取、分析金融信息，为广大投资者提供有效、准确、全面的投资信息。据了解，香侬科技已经获得红杉中国数千万元人民币天使轮投资。 在投资消息发布前，机器之心对李纪为博士进行了专访，了解其创立的香侬科技、AI 金融、NLP 等方面的问题。 李纪为博士（右）接受了机器之心编辑的专访。 机器之心：恭喜公司天使轮融资成功，目前你的感觉如何？ 李纪为：创业是一种全新的体验。在创业时，你能遇见到不同的人和事儿，无时无刻不在刷新着你对周围世界的认识。不管是金融从业者（一级市场、二级市场、投行、券商等等），投资人，还是科研界学霸、工程大牛、产品经理等，他们所带有的与生俱来的职业嗅觉与理念，都值得我们学习很久很久。这是一个非常有意思的过程，每天都有新的东西需要学习、新的挑战。 这有一点像我刚开始读博士的感觉——每天早上都是带着对一天的憧憬起床。我非常愿意用「有意思」这个词来形容现在的生活。团队每天都在学习和成长过程中，这也是最令人鼓舞的。 机器之心：能否简单介绍一下新成立的公司？ 李纪为：香侬科技-名称来自于信息论创始人克劳德·香侬（Claude Shannon）。 这来源于一种情怀，在 CMU 学习的时候仔细拜读过他在 50 年代那篇划时代的论文「Prediction and entropy of printed English」....

▲点击上方 雷锋网 关注 CCF-GAIR 2019 AI金融论坛全回顾。  文 | 王艺  编者按：7月12日-7月14日，2019第四届全球人工智能与机器人峰会（CCF-GAIR 2019）于深圳正式召开。峰会由中国计算机学会（CCF）主办，雷锋网、香港中文大学（深圳）承办，深圳市人工智能与机器人研究院协办，得到了深圳市政府的大力指导，是国内人工智能和机器人学术界、工业界及投资界三大领域的顶级交流博览盛会，旨在打造国内人工智能领域极具实力的跨界交流合作平台。 大会第二天上午，在聚焦金融行业AI技术应用的「AI金融」专场，六位顶尖AI金融技术与产品专家齐聚，为与会者带来了一场别开生面的主题论坛。 微众银行杨强：用联邦学习解决数据隐私难题 香港科技大学讲席教授、微众银行首席AI官、IJCAI理事会主席杨强教授作为主会演讲嘉宾及AI金融专场开场嘉宾。在AI金融专场，杨强教授为与会者带来题为《联邦学习的最新发展及应用》主题演讲。 演讲开始，他先介绍了微众银行两年来所取得的成就。杨强教授表示，微众银行在金融业务的各个环节均已实现自动化。从贷前业务咨询环节的企业画像，到贷中身份核实、资料审核，再到放款操作环节。此外，微众银行在一些辅助环节，如智能客服、录音质检等也在应用智能自动化技术。目前，微众银行98%的客户问题由智能客服机器人解答，其系统能够进行多轮对话并进行情感分析。 有趣的是，在小微企业贷款方面，微众银行不仅做线上自动化，还做线下自动化。为了解决线下企业风险核查耗时耗力的问题，微众开发了一款线下核验头盔机器人。申请人只需佩戴该头盔设备周游工作场地，即可自动识别风险。 与此同时，杨强教授也强调，在小微企业信贷过程中，出现了一些挑战，业界需要寻求新的解决方案。 第一，如何对抗干扰信号。以金融领域为例，当申请人对面部信息作假时，如何应对？第二，如何在只有小数据的领域应用深度学习。 杨强教授谈到，往往高质量、有标签的数据都是小数据，且不能随着时间的推移进行累积，因为每个阶段的数据和上个阶段都呈现不同的分布，甚至特征都不尽相同。这一问题在金融、医疗、法律场景非常常见。这就意味着，要解决这一问题，需要多方数据打通，联合建模。 但这其中又遇到了问题，那就是数据的隐私保护。2018年，欧盟提出史上最严数据保护法GDPR，足见数据隐私在人工智能发展道路上的重要性。在这样的大环境下，合并数据变得异常困难。 为应对这一问题，杨强教授倡导「联邦学习」（Federated Learning），他以人们合作创作作品为例进行了解释。在两个人或多个人共同写书的过程中，合作者的大脑并非物理地连结在一起，人们用语言交流，传递参数。在这一过程中，人类是有能力保护大脑中的隐私的。 联邦学习参与各方先用本地数据建立模型，再将这个模型的关键参数加密，得到一个即使传到云端也无法解密的包。千万个包用算法加以聚合，得到高精度的模型，再将该模型下传，供个体使用。整个过程中Server、云端均接触不到包内的实际内容。 杨强教授表示，联邦学习技术已经在微众银行得以应用。微众银行的合作企业中包含互联网企业、车企、保险企业等。这些合作方拥有用户大量的不同维度行为信息。应用联邦学习，微众银行能够与合作方联手，针对同一批用户在不交换数据的前提下进行建模。实践证实，AUC指标得以提升，不良率大为下降。 此外，杨强教授还介绍了联邦学习在城市管理、语音识别等领域的应用。杨强教授表示，联邦学习的发展需要建立生态，共同推进。与此同时，杨强教授也在积极推动相关国际标准与参考框架的建立。 京东数科&ZRobot乔杨：不仅要关注黑，更要服务好白 京东数科生态中心信用管理部总经理&ZRobot CEO乔杨在风控行业已有10余年的经验，他曾长期供职世界500强企业——Discover美国发现金融，兼备技术与金融的跨界实力与中美两国的世界级金融科技视角。 现场，乔杨就「数字科技驱动的信贷反欺诈技术」同与会者进行了探讨。ZRobot成立于2016年10月，旨在利用高维度数据资源，结合数据挖掘技术及模型算法，借助京东数科丰富的实践应用场景，打磨自身技术实力并赋能合作伙伴。目前，ZRobot已与近300家银行、保险、证券、信托、小贷公司、持牌机构、消金以及融资租赁公司展开合作，为客户提供智能风控、智能营销解决方案等各类产品支持。 乔杨现场分享了ZRobot在信贷反欺诈方面进行的尝试与取得的成果。 乔杨表示，随着移动互联网的发展，欺诈分子应用的手段层出不穷，产品类型不断迭代进化。现在欺诈已成为一门生意，欺诈分子和团伙多为非常勤奋且聪明的人。早期的欺诈手段往往是员工腐蚀机构，现在已经发展为潜入机构、自营骗贷等更有手段的欺诈方式。与此同时，金融机构对欺诈的防范往往处于滞后状态，这为反欺诈工作的开展带来了阻碍。 乔杨表示，虽然业内已经有很多成熟的可以利用的机制，比如建立良好的内控合规机制、客户管理体系，但往往无法识别三方欺诈的风险。 要识别三方欺诈，第一步要做好交易对手的身份识别。乔杨介绍，当前一些移动APP可从前端抓取多达200余个用户标签，在此之上进行特征延伸拥有很大的空间。常用的做法包括抓取纬度信息，利用陀螺仪检测设备仰角、滑动轨迹等，同时通过前端SDK进行浅层次的生物识别，已经能够做到在用户体验不受影响且不需要额外硬件支持的情况下进行有效的反欺诈识别。 在中国，欺诈行业的群体作案呈现上升趋势，欺诈团伙已经形成了非常完善的上下游产业链。因此，单单识别个人的欺诈风险是不够的，需要由点及面，通过机器学习及复杂的网络技术对用户及周围群体的关联关系进行判断。ZRobot已经积累大量的前端数据用于数据库关联，具体包括设备关联、地址关联、通信关联等。 乔杨认为「近朱者赤，近墨者黑」，与业界的通常做法不同的是，ZRobot不仅将关联关系用在黑名单节点，在白名单上也有所应用。「我们提出的概念是不仅要关注黑，更要服务好白」，乔杨说。 宜信向江旭：用AI实现「以用户为中心」的财富管理 宜信公司高级副总裁、首席技术官向江旭先生一上台就向在场嘉宾透露了一个好消息，宜信旗下品牌，也是国内首家海外上市金融科技公司——宜人贷目前已完成品牌升级，将线上能力与线下资产结合，定名宜人金科。 宜信成立于2006年，是业内领先的财富管理公司。宜信在支付、网贷、众筹、机器人投顾、智能保险、区块链等前沿领域均有积极布局，并通过业务孵化和产业投资参与全球金融科技创新。 关于宜信在信贷行业地位，向江旭谈到，经过13年的耕耘，宜信已经在业界取得了傲人的成绩。「业内有这样一个说法：一个用户想申请贷款，如果他曾经从宜信拿到过贷款，那么其他机构就不用审核了。」向江旭说。 然而在CCF-GAIR 2019 AI金融专场，向江旭不谈信贷，转而和与会人员聊起了智能化的财富管理。 向江旭表示，中国财富管理规模在6万亿，与美国的9万亿尚有一定差距。中国财富管理线上化渗透率为35%，与之相比，美国为40%。中国拥有50余家财富管理公司，而美国拥有300多家。就财富科技的投资规模而言，中美几乎持平。 总体来看，虽然在财富管理市场中美存在一定差距，但中国的增长率很高，产业投入也更高。这就意味着中国的财富管理潜力更大。2007-2016十年间，中国财富管理市场规模以年化20%的复利增长。2016-2018年增长率保持在12%，可预期的未来几年时间内，增长速度仍将维持在双位数。 财富管理行业的目标客户为可投资产在1000万人民币以上的高净值人群以及可投资产在100万人民币以上的大众富裕阶层。在中国，高净值人群截至今年年底将达到220万，未来几年大众富裕阶层人群很快会达到3000万的规模。 向江旭表示，这两类人群对于智能财富管理均有非常强烈的期待。高净值客群一般而言长期享受私人银行家、理财师、金融顾问服务，但尽管如此，这类人群对线上实时获取股票信息、资产状况、财经资讯、投资理财教育内容仍有迫切需求。对于大众富裕阶层而言，很可能他们人生中的第一款投资理财产品就是在线上购买的，这类人群对线上的理财投资及智能化财富管理有天然的需求。 通过大数据技术，宜信能够了解客户对投资理财、家族传承，对创富、守富、传富的需求，也即财富管理行业的KYC。向江旭介绍，这些数据包括客户的电商购物行为轨迹、线下财富管理讲座活动的参与经历等。获得用户画像后再利用AI技术将客户与产品进行精准匹配。 向江旭认为，以前的财富管理是以产品为中心的，很多理财产品网站相当于一个理财超市，这并不是宜信希望看到的财富管理方式。宜信希望用大数据及人工智能技术将以产品为中心的财富管理过渡到「以用户为中心」的财富管理，真正做到千人千面的资产配置模式。 平安寿险沈剑平：深挖应用场景，让AI赋能寿险各业务线...