857
技術社區[雲棲]
螞蟻金服人工智能部技術總監李小龍：智能金融實踐
螞蟻金服人工智能部技術總監李小龍
7 月 22 - 23 日，在中國科學技術協會、中國科學院的指導下，由中國人工智能學會、阿裏巴巴集團 & 螞蟻金服主辦，CSDN、中國科學院自動化研究所承辦,雲棲社區作為獨家直播合作夥伴的 2017 中國人工智能大會（CCAI 2017）在杭州國際會議中心盛大召開。
在本次大會上，螞蟻金服人工智能部技術總監李小龍作為 CCAI 2017 智能金融論壇主席為參會者帶來了《螞蟻金服智能金融實踐》的分享。
以下內容根據李小龍本次主題演講整理，略有刪減：
今天早上我們的副總裁、首席數據科學家漆遠博士給大家講了很多金融智能創新的例子，我主要是從《螞蟻金服智能金融實踐》這方麵給大家作闡述。
首先，我們認為金融服務是AI創新的最好場景之一，主要是三個理由：
- 第一，場景非常豐富，打開支付寶我們知道這不僅是一個支付工具，可以把AI應用到理財、投資、貸款、征信等業務中，還可以把AI結合到安全、保險、客服裏。
- 第二，數據量大，全球數十億用戶、日常交易量巨大，另外天然業務數據化，比起其他行業來說，業務數據化程度要好得多。
- 第三，具有很大社會意義，我們的訴求是通過AI降低金融的門檻，能夠服務80%的用戶，傳統金融可能隻能服務到20%的用戶。
對於螞蟻金服來說，我們是一家以信用為基礎，AI驅動的有想象力的金融生活公司，致力於為全球20億人提供普惠金融服務。這裏麵有三個點：
一個是信用等於財富，我們想不斷努力地往這方麵走，建設信用社會，希望大家以後通過自己的信用記錄就可以做很多的事情，比如說免交押金等。
第二點我們認為技術是推動平等的手段，這裏麵AI驅動至關重要。
第三個是我們最終是要實現普惠金融，AI是普惠金融的推動器。這裏列出了有代表性的螞蟻金服的智能金融的場景應用，比如微貸和花唄的準入模型和反套現模型，然後是賬戶安全、交易安全、反洗錢、反作弊、反欺詐等，這些都是金融領域的核心問題。還有智能客服，這是我們最近做得比較有突破的事情，包括猜你問題、智能問答和異常檢測等。還有在財富方麵，比如說怎樣做理財產品的精準推薦，還有社區問答、智能投顧等，還有芝麻信用也是我們比較重要的一塊，是通過用戶畫像做評估。
最後是在保險，我們覺得保險是AI可以發揮很大作用的場景。目前我們在人工智能業務架構上大致包含幾個方麵：底層的算法，包括各種各樣的最先進的算法都在研究；中間是沉澱的一些工具，包括異構學習、模型服務、AI共享等；最上麵的是產品，包括搜索推薦、智能營銷、智能客服、金融大腦、輿情分析等；最終是通過人工智能的平台賦能我們螞蟻內部的業務，以及將這個平台作為開放的方式輸出給所有的金融機構，這就是說螞蟻更注重於Tech的方麵，把Tech能力開放給金融機構。
因為時間的限製，下麵隻講一個例子，就是我們的智能客服助理。打開支付寶，可以看到“我的客服”圖標，然後進去可以看到這樣一個界麵，主要包括兩塊，一個是“猜你問題”，這裏你不需要輸入問題我們就已經知道了你可能碰到的問題，我們基於用戶過去的行為和特征來進行預測。如果你覺得這個問題沒有猜中，你也可以在下麵的機器人對話框直接輸入你的問題，比如說你輸入“餘額寶的收益怎樣計算”，我們會給一個詳細的公式。在“猜你問題”裏麵，我們有一係列的創新，比如說特征層麵，把用戶的行為軌跡加進來，原來隻是人工設計的因子特征。
實際上在用戶問問題之前的一段時間，你在支付寶進行了什麼操作是非常重要的，這些特征加入進來就提高了“猜你問題”的準確率。其次，用深度學習代替線性模型也獲得了很好的效果。另外，是通過數據挖掘從用戶原始問句得到標準問題，再從標準的問題得到標準答案，這樣簡化了知識庫的建立過程並提升了精度。最後是數據閉環，模型能夠在線上不斷自學習和提升。總體來說，這些創新的效果是使得點擊率從最開始的37%，到現在72%，有了巨大的提升。
前麵提到了知識庫的創新，背後其實就是基於語義的大規模聚類算法。支付寶上每天都有大量的求助，每天有四、五百萬的求助量，機器人也有四、五十萬的求助問題，這些問題我們仔細看，其實很多都是同一個訴求的不同的說法，通過聚類找到這些標準問題和標準答案以後，我們可以減少大量的人工去做這樣的處理。
在機器人問答算法創新方麵，最主要的是一方麵采用了深度學習，像DSSM和LSTM結合，尤其是用戶行為軌跡編碼，我們改進了DSSM的結構，用時間序列的描述，加進曆史的操作，比如你問怎麼退款，有很多可能，你可能是轉賬退款，也可能是信用卡退款等等，但是比如看你之前的操作，我們就知道你是在轉賬以後遇到的問題，然後才能問這個，這樣根據用戶曆史行為的LSTM編碼，加上問句的DNN編碼我們就很容易定位到知識點是“轉賬到賬戶轉錯了怎麼辦？”，而不是“為什麼銀行卡轉賬被退回來了？”
除了上麵這些個創新技術以外，我們還借鑒采用了其他的技術，比如說Decomposable Attention Model，這也是最近比較熱的深度學習上的技術，此外，包括語義匹配樹，包括我們說的問題推薦以及最重要的係統優化，把算法和係統結合起來，這樣使得我們的結果是每天支付寶上日常求助四、五百萬，絕大部分可以走自助的渠道，自助占比達到94%。而去年雙十一自助率的比例達到97%，也就是我們很多的人力可以節省下來，同時機器人滿意度超過了人工的3個百分點。
最後我們還有很多其他的創新列在這裏，左邊的就是我們一直創新的產品和場景，右邊是我們背後的一些技術，這些創新就是說我們將AI技術和支付寶和螞蟻金服的很多場景進行結合，然後基於很多的創新的Idea，將它落於實際場景之中。
前麵就是我的分享，基本上就是智能金融在螞蟻金服的實踐，謝謝大家。
最後更新：2017-07-25 09:32:43