今天差点就让flag倒了，不过忙完其它的活之后，本来趴成死狗的我，挣扎着起来扶旗子，快夸我，感觉自己棒棒哒！！！
今天一起来整理第二课，上一节课雷鸣老师主要带领我们从大局上看，而这节课则会具体到金融领域，看看AI 如何发挥作用，准备好亮瞎你的狗眼吧！
一、课堂回顾
青年财俊——漆远老师
美国麻省理工博士、MIT计算机与人工智能博士后，多个著名大学如哥伦比亚大学、杜克大学、伦敦大学学院以及布朗大学的访问教授，蚂蚁金服副总裁、首席数据科学家、国家千人计划特聘专家，说了这么多，其实我也不是特别懂，但是我知道很厉害就对了，别的不说，你知道蚂蚁金服的副总裁就很牛逼哄哄的了，敬礼！
分享内容
1、金融服务的基本挑战及“金融大脑的提出”
首先金融行业本身就会产生出很多的数据，而基于这些数据，AI落地成为产品的时候，因为其应用场景的特殊性，充满了挑战和困难，比如时间（需要实时判断交易是否产生）、安全性（毕竟是人民的血汗钱）等，都是整个系统考量的，这就可以考虑到使用机器学习建模来处理。而为了利用AI技术，更好地应对这些挑战，蚂蚁金服提出了“金融大脑”的概念。所谓金融大脑，就是像人脑里一样（只想着钱），具有一定的智慧，也会根绝用户的行为轨迹以及交易行为的数据分析，它对用户而言就像是一个应用的平台，提供风控信用决策、降低服务成本和提升服务体验等功能。它的核心在于安全，所以为了系统的安全性，会从算法以及硬件上进行加密，一切以安全和用户体验为前提。
2、金融大脑上的各种算法和落地实例
（1）智能安全；为了保证用户交易的安全，蚂蚁金服在安全研究上投入了许多。
第一，系统安全检测。它采用弱监督的模式（这是机器学习的一种模型训练方式，具体放到产品中，可以降低训练数据的要求，极大地降低数据的成本，因为生活中的很多数据都是弱标记或者是无标记的，弱监督也是当前许多工业应用的一种趋势），提取人的行为轨迹的特征，并进行分析。比如，之前某一些不发分子经常做一些什么行为，后来就发生了危害系统安全的行为，则再发现新的用户有这样的行为，算法就认为该用户可能危及系统的安全，以加强对该用户的监控。
第二，反洗钱。建立模型，借助网络自动识别不法分子的洗钱行为，这也是真的用到了实际中的。
第三，垃圾账户识别。这主要是为了提高平台用户的质量，确保服务确实提供给一些有需要的活跃用户，及时清除“僵尸用户”，提高系统的资源利用率。这在模型训练的过程中可能还需要加入一些用户社会关系，并构建网络加以判断。
（2）智能营销：基于机器学习方法，可以精准地刻画用户状态，从而进行实时场景化的智能营销。并且还可以针对不同场景，进行多渠道组合决策和全人群差异化决策，这种效果背后的原理是深度学习和强化学习的组合，当获得越来越多数据之后，系统的效果就会越来越好，具体地，比如花呗的智能签约，其本质就是这些模型精准地获取了用户的需求，然后在合适的时机出现，提高用户的签约率。还有另外一个例子，就是穿紧身牛仔裤的女孩更倾向于购买碎屏险。
（3）保险应用：关于保险，主要就是可以进行精准定价、精准定损、降低成本，提高风险防范，比如运费险、定损宝、在线理赔等。举了一个车辆的定损宝的例子。该算法基于全链路深度学习算法，利用计算机视觉的目标检测方法，检测车辆的图片，并进行去噪处理，然后进行分割，特征提取，最后再生成决策，一定程度上可能比人眼看的还准确。
3、从金融大脑到智能助理
金融大脑除了提供产品，也为提升用户体验做了很多努力，比如智能客服和智能助理。大家都知道，客服的工作其实大量重复的，而且用户的需求发生可能是随时随地的，智能客服可以大大减少人力成本。所以，未来的构想在于，通过自然语言处理技术的发展，提高多轮对话的可用性，则到时候智能助理甚至会具有购买飞机票、火车票、发红包等功能。
4、金融智能平台
之前提到的AI应用，都要基于一定的平台，才能获取到大数据流，并进行模型的训练，这就是金融智能平台。这个平台主要有三个特点。
第一个，安全。可从软硬件加密、数据安全等方面考虑。
第二个，实时。主要通过低延迟在线预测并进行硬件加速。
第三个，大规模。高吞吐率离线训练+分布式实时训练。
5、AI 应用也会存在一定的风险
（1）模型的可解释性低：深度学习的东西更像是一个黑盒子，我们不知道它具体是怎么学习和决策的，只知道输入和输出，解释性是比较差的。
（2）不确定性：所有的决策是基于不确定性做出来的，所以其风险也不是完全可控；
（3）各个系统同时在运行，多个模型（子系统）构成的大系统之间也可能存在冲突；
（4）还要考虑社会、国家法制的监管。
6、创业企业如何避开数据不足的劣势
首先，任何一个AI产品的落地，都要基于用户的某一个痛点的解决，然后围绕它，先产生出可落地的技术框架之后，其实数据是无处不在的。比如，传统企业手上也有很多数据，可以合作，或者新型数据也在不断地产生。（但是我可能会肤浅地觉得，虽然网络上数据很多，但如果要数据可用，其实还是比较困难的，需要付出比较大的代价，所以如何获得有价值可用的数据才是最重要的）
7、关于区块链问题的讨论
（1）从技术层面来看，区块链会创造出全新的社会机制，完成去中心化的一些工作，而且现在处于发展的早期，机会大而且多。
（2）具体的应用：跨境转账、物流跟踪、公益（麻麻再也不用担心我钱不见了）
（3）区块链是一种划时代的技术，但其还存在一些问题：比如分布式成本较高，而高成本意味着落地的困难，所以使用的性价比较低。
后话：
回忆完了，让我们回到现实。从漆远老师的分享中，我们可以看到，其实在很多金融的场景中AI都在发力，而且让人毫不知觉。对于一个产品狗而言，实现的技术细节可能无法深究，但如果想要做出有价值的产品，应当具体到某个应用和人的某个行为，然后把整个行为的流程记录下来，看每一步的操作逻辑是什么，是不是可以引入AI来实现，在不断地实践和思考中，可能就会有新的发现。而关于这一点，我也正在慢慢地实践。因为在过去，可能很多时候我们都是无意识地在使用AI，但现在，我们应该有意识地去关注产品背后的AI逻辑。
就以智能客服来说，我们可以多思考，哪些问题的回答是AI也可以做到，而且很好的？而有哪些问题是AI目前做不到，但随着新的自然语言技术产生，AI也可以更灵活地做到的？没事调戏一下智能客服也挺好玩的，恕我愚昧了，哈哈哈！！！
好吧，今天就吃这么多，避免消化不良，明年扶着旗子继续造作，加油。。。。。
