著者：周6月、アリゴールドのドレスグループの人工知能のディレクターは、現在、アリ駅を機械学習の研究開発を担当しています。Xlibの（アリ機械学習ライブラリー）、フライング（アリ分散オペレーティングシステム）、ODPS（アリデータ処理プラットフォーム）、大規模なマシン（パラメータサーバ）のプラットフォームを学習し、PAI（アリ機械学習プラットフォーム）および他の主要な流通に携わってきましたシステムやアルゴリズムのプラットフォームの開発。VLDB、WWW、SIGIR、AAAI、IJCAI、KDDと人工知能に関連した論文の数十の他のトップレベルの会議で発表され、人工知能、特許および特許出願は100以上、浙江省科学技術進歩賞1を提出しました。
AIフロントREVIEW：現在の金融技術は非常にホットな話題である、特にAI、AI +金融技術が巨大な想像力があるが、従来のレコメンド検索広告シーンに金融シーンと大きな差があります。長年にわたり金融セクター探査におけるAI +後の蟻ゴールドのドレス、経験より降水量、AIグループディレクター周6月アリゴールドのドレス、2019年11月22日の学習技術会議に開催された人工知能と機械AICONの世界では、どのように金融シーンでAI値と対戦するには？どのように各事業は、このような詳細なシェアを持ち上げるなどの問題の結果を達成を支援、より良いAIテクノロジ対応の金融シーンを作るために。
私のスピーチは、三つの主要な問題に分かれています。最初に、金融サービス直面している課題、第二、AI財務能力;第三、AIの財務アプリケーションは、一つ次の1程度の話をしましょう：
金融サービスが直面する課題
まず第一に、金融サービスが直面する課題は語りました。金融サービスと伝統的な電気の供給を推奨伝統的な検索広告に依存しているが、具体的には、非常に異なっている、シーンの数に大きな違いがあります。金融企業の多くは、支払い自体をカバーするために開始されて行った後、保険、マイクロクレジット、富などを拡張します私たちは、多くの場合、宝物の支払いで見ることができ、自分自身を支払うことにより、ユーザーの多くをもたらし、データとユーザの多くを蓄積しますいくつかのシーンは、お金「ゲートキーパー」リスク制御技術のために導出されます。機能「メインを訪問する」伝統的な電気の供給者とのこの典型的な金融サービスシーンは同じではありません。例えば、多くの場合、金融シーン必ずしも、有料に使う人は多くの場合、保険で使用されているが、保険が高いので、周波数を使用していない、良い未来を購入する時の中でいくつかの点で1年間の自動車保険と個人保険は、もはや頻繁に使用しません保険あまりにも、融資サービスを提供するために、ユーザーが回年に数十、あるいは百倍になりにくいボローお金にあり、これは現実的ではありません。システムとユーザーとの対話は、我々はいくつかの問題を見ることができ、これらのデータから、さまざまな情報を蓄積してきました。
まず、それはより多くの時間に敏感になります。例えば、2018年と2017年のデータ差の2セットは、それがより多くのイベントが発生し、相違の理由の一部は、国家のマクロレベルから来て、まだ大きいです。我々はサービスの最後の2年間、それを押すと、一方、ユーザーグループ内の連絡先の違いが相対的に大きくなります。一方ではとても経験や特定のサービスを感じるために比較的大きな差があるだろう、その全員の収入が成長している理解しても良くあります。
第二に、大量のデータ。これらのデータの体重は、支払い自体は、それがデータ量の量が非常に大きいですが、各支払非常に大きい、またはたびに、ユーザーのポイントは、支払いに二次元コードを開くには、この背後にあるデータ量が非常に大きいです。しかし、地元の電力会社の支払いとは、あなたがそのような保険、目の前で話すように、各シーンのリファイン内部には、実際には、それがより洗練されたシーンをカットするデータの量を入れて、特に大きくない場合は、同じではありませんスプリット保険そのものへのデータの量は、それはそれは良いボディの組み合わせの矛盾である、これはそれが十分ではありませんので、多くの中国のインターネット人口の視点の顔を参照するだけでは十分ではない、データのように十分な量ではありません。
第三に、ビジネスの多様性。フロントエンド事業は言及されている、それだけで別のCTRは、シーンのために予想、あなたは関連する多くのことを行うことができ、従来の電気プロバイダではありません。金融シーン内の、CTRの推定値はプル新規ユーザーと成長、仕上がり後の加入者の増加を行い、しなければならない、多様性のビジネスになるので、金融シーンのユーザーにこれらのユーザーを変換する方法を検討する必要があります。
第四に、システミック・リスク。実際には、最大のリスクは、システムのリスクがあり、私たちは、今日何かをするシステミック・リスクを防ぐことができるようにしたいです。たとえば、私たちはユーザーの最大は800にのみ量自体を維持したくない、彼は、銀行や金融機関で同じユーザAの800を貸しや金融ローンが行く別のインターネット企業に行ってきました確かに、金融機関がある今日、唯一の800の彼のパフォーマンス能力ので、無理だろう800は、そのことを、あなたは彼に800ローンを与えれば、彼は、あなたにそれを実行した、彼に800を与えました市場全体のための巨大なリスクです。市場全体が崩壊した場合、誰もが一人で生きることができます。
最後に、システミック・リスクを防ぐ方法です。これは、強力なセキュリティは確かに非常に必要であり、また、我々が直面している大きな課題です。電力供給に比べてすべての関連財務データとデータは、セキュリティとプライバシーを重視は確かに高くなり、我々はすべて知っているように、財務データ自体は、電気プロバイダ金データの数、対応するための個人情報の感度よりも高く、挑戦が比較的大きいので、比較的高くなります。その後、我々はこれらの課題に対処する方法にしたいですか？次のAIアリを構築するために、金融能力で見てみましょう。
金融へのAIの能力
我々はいくつかのAIアルゴリズムを構築するためのコンピューティングパワー、多くの情報に依存する必要があります。ここに示されている、いわゆる金融アルゴリズムは、機械学習アルゴリズムを支持しています。ここでは、なぜ我々はそれをAutoMLを行う必要があり、このような自動機械学習アルゴリズム（AutoML）など、多くのリストは、ありますか？続く;その理由は、まず第一に、我々はそれが360またはアリゴールドのドレス、または他の他の企業であるかどうか、散乱シーンの多くを持っている、つまり、私は非常に多くの複雑なシーン、との顔ではないので、多くの中に置くことができるアルゴリズムのエンジニアのことを信じています近年の人件費は、この傾向がより明らかにどのカレッジや大学では、急速なアルゴリズムエンジニアの増加となりました。あなたは今、市場が行われていない人の作品を見つけるでしょう、これは時に募集するまで話すとして実際には非常に悲しいです。学校の誰もが、これは正常ではない、算術演算を行っています。私たちも自分と思考で自分の革命は、我々はアルゴリズムを使用して、いくつかのシナリオでは、いくつかの自動化された機械学習方法は、取扱説明書を交換、または少なくとも労働に優れたベースラインを提供することができ、そのようなシナリオでは、アルゴリズムを、聞かせするために行うことができます。
図推論、近年の学者でも話題より火災。私たちは、伝統的な実践モデルの内部にサンプルを輸送することである前に、このアプローチは、これは、物事はもっとみんなに沿ったものである、いくつかのより行いますニューラルネットワークの内部へのコンポジション入力をマッピングするための方法となります、合理的です社会的関係の深い理解。たとえば、あなたがあなたの収入を予測したい、そして平均所得であることを彼の側六十から七の親友を入れて、あなたの収入は、正解率は、技術が図面に適用することが可能である80％に達することができ、非常に近くに基本的にあります非常に重要なポイント内部のAI。
その後の話に来プライバシー 3、4年で、プライバシーの保護に、我々かもしれまだ比較的ほとんど注目。Facebookは、後に国のうち、昨年のイベントの後だけでなく、法律や規制の対応数はに導入されているので、我々はますますプライバシー保護についての懸念となっている可能性があります。
加えて、説明情報および通信モデルはまた、特に重要です。どんなに会社が行っているどのくらいの、ある時点での情報サイロの多くはまだありません。例えば、我々はいくつかの他の金融機関と比較して、我々は電気のプロバイダーのような大量のデータ、および伝統的な金融機関を有していてもよく、いくつかの大規模なデータベース、および、そのような収入のファンドデータなどのデータがあります。だから、どのように我々はこれらのデータの島々を介して取得することができます大きな課題です。同時に、我々は解釈アルゴリズムを提供したいと考えて、より良い一緒に、人間と機械を統合することができることを期待して、モデル自体のいくつかの解釈を行うには、いくつかの方法を使用することができます。
そのような他の自然言語処理、画像CV、バイオメトリクス、マップベースのエンタープライズ情報サービスなどのコンテンツを、だけでなく、より良い経験をユーザーに提供するためのロボットや他のサービスのように、我々は製品の「金融頭脳」と呼ばれる場所にそれらをパッケージ化しますスマートマネー、スマートリスク管理などのサービスシナリオのさまざまな、いくつかのシーンはまた、社内私たち自身だけでなく、パートナーにサービスを提供します。
金融AIフロアアプリケーション
次に、私が特に蟻について話だろうこれらのAI技術を使用する方法です。
インテリジェントなリスク管理
いくつかのケースがありますが、深い学習インテリジェントなリスク管理を行うための技術を使用する方法について説明します。伝統的なリスク管理技法は、経験に基づいて、または行うには、伝統的な機械学習に基づいて、ルールの多くに基づいています。私たちは、機械学習の精度と正確さを改善するための方法を学ぶの深さと、ディスターブ率を（多くの場合、ユーザーは気にしないで）犠牲にすることなく、どのように考えています。
インテリジェントなリスク管理の主な用途は、ニューラルネットワーク（グラフニューラルネットワーク）と従来のGE（グラフ埋め込み）をマップより置く産業です。業界や学界におけるこれらのデータは、自然に限り、あなたが組織のサービスの一部を利用して、サービスとのリンクを確立するよう、発生していることを学ぶために、チャートのこのタイプを使用する利点は、それが合理的にこの中にサービスを構築することができます巨大なマップ。将来的にはこの図では、我々は当然、デプスマップを学んでいる上図の行動の機械学習に方法はありません考える必要があります。私たち自身は、適切な枠組みを設定する上で、この地図データにあります。以来、すべてのAIアルゴリズムは、このプロジェクトを行うために結合しています。私たちは、あなたがこのフレームワークに基づいてうまくDachuアルゴリズムのさまざまなを作るための豊富なオペレータ、アルゴリズムのエンジニアを提供することもできますので、フレームワーク自体はやっては、比較的柔軟性があり、そのようなフレームワークを取ります。技術を学ぶようなグラフは、このような効果的詐欺の可能性、などに対抗するよう、金融に関連したリスクの数に適用することができますが、この技術はまた、信用を高めるために良いことができます。
図の特性の研究では、前述したAIの方法と大きな違いはありません。すべてのAIの方法は、ベクターを用いてモデルを学ぶための先のベクトルを特徴づけることができるようにするための最後の希望です、CNNや伝統的なRNNは、実際にはそれ以上のプロセスイメージとテキストに、少なくとも今のところはよりよいそれを処理できない場合があります複雑な異種マップのようなもの。ノードやエッジ自体がベクトルを特徴付けるために使用されることができる、などの地図データを構築したい、私たちはそう。対応する機能により対応する動作を行い、このようなフィードのネットワーク構造の深さ、すなわち。各ノード上の埋め込みがあるかもしれない、またはそれぞれの側には、このように埋め込みいくつかを生成する埋め込みか、またはこれらのエッジが存在しない予測する：最終的な結果です。
インフラトレーニング、難易度の存在の大きな問題は、ここでは地図記憶を行う方法です。多くの人々は、この質問は、研究の人々の多くは、仕事関連のこのような、複数の部分に合理的なグラフカットを入れた方のも、最も簡単な、複数のマシン上に存在しない、業界であります。図は、問題自体は簡単ではありませんカット。
具体的には、非財産ネットワーク、ノードとエッジの両方をサポートし、当社のアルゴリズムライブラリは、それは財産ではないということです。ゆっくりと我々は属性を持つことができ、また、異種ネットワークをサポートしています。その後、我々はまた、知識マップをサポートしています。私たちのアルゴリズムライブラリは、このようなアルゴリズムの豊富なライブラリへのネットワークの性質、学生にサービスを提供する知識がないからスペクトルをカバーして、彼らはそこに行くとアルゴリズムの使用の合理化しましょう。
我々はまた、より多くのとここでは、業界で広く人気注意機構であり、それ自体が良く解釈可能を提供したいです。注意さらに、我々はまた、適応幅と深さを行うことができるようにしたい、それが上記の図のパスより重要なパスを選択することができます。この利点は、私たちが学生に提示ビジネスのこのラインを入れたときに、彼らは合理的に、ビジネス作ら行動の背後にある理由を分析し、そのフォローアップ作業のためのインスピレーションを提供することができるようになるということです、これはよりよく達成することができますマン・マシン・協力。当社は、財務内部AI +全体のマンマシン協力は、非常に重要な側面であると考えています。完全に機械のうち、人々は非常に困難である、と今アルゴリズムのいくつかは、彼らがより良い相互作用を完全支援するために、彼らのためのインスピレーションを提供することができ、このアルゴリズム自体がプロモーションで、アルゴリズムが良いのアップグレードを取得するためにシーンを組み合わせることができます。
数年前、アリペイは、多くの行でのマーケティングの支払をしました。我々は、すべての企業が不合理で同じ賞を、作った与えることはできません。私たちは、これらの事業に多くのインセンティブの発行への参加度の高いを与えたいです。そこでここでは、マーケティング費用を節約するために自分のお金の一部に対してより敏感であるより積極的な企業、ある人を見つけるために、このようなマップを使用します。このように、企業はその非常に重要な実用的な意義の一つである、より多くの最後の6ヶ月または年の時間よりもこのイベントをするために同じ金額を使用することができます。それは別の意味は、我々は今日のビジネスのクレジットは、データが不足しているため、非常に難しいだろう、私たちはこの事業は、上流と下流の対応する数字ではない方法がないと判断しないということであるのです。ビジネスが強くなる返済に対応する上流と下流の、そして企業の返済能力と意欲を持っている場合我々は、データの観測を所有しませんでした。我々はいくつかのアルゴリズムを使用しての可能性について考えているので、これらの企業の間で予測することは、この関係の推論上流と下流を特徴づけるために、より良いマップは、特定の上流と下流ではありません。より多くの個人、個人識別に、同社は、より正確な場合は、物事には、いくつかの複数の操作を行います。
一方、上記のランディングのシナリオに加えて、我々はより多くのシーンを上陸させました。金のドレスとしてファイブ赤アリは、スクラッチの背後にあるだろう毎年実施し、実際には、私たちの目標は、償却率を高め、かつ行うための新しいオンライン商人の一部をプルダウンすることです。より多くの火災ブラシ面では、有料の瞬間「あなたはあなたをされている」生体認証に加えて、存在するだけでなく、認証のための方法の助けを借りてよりよく行うバイオメトリクスを超えない場所に方法はありません。詐欺に対処する上でも、そのようなノードが黒であるかのように、適切な処置を行い、その周囲に大きな周囲の確率とが黒であること、例えば、どのように不正仲介等を識別します。このような方法は、図損失を効果的に低減することができる資産を使用することができます。
インテリジェントマーケティング
メイン画像機械学習の適用の前で話すと自然言語処理の組み合わせを言いたいのほかにインテリジェントなマーケティング。
スマートマーケティングのアイデア、チャンネルと3人の間でデカルト積以外の何ものでもありません。それでは、どのように右のそれを得るのですか？実際には、群衆は固定されているので、どのようにAIと創造性との間の結合を検討したいです。私たちは、コピーと画像間の連携を行うことであると考えます。マーケティングのコピーの多く過去の自分自身を書くためにマーケティングの専門家であり、我々は、画像の後をある程度理解した後のことを願って、そしていくつかのリンケージを持つことができるように自分自身をコピーするには。私たちは、自分の金融コーパスの多くを持っているので理由は、第二に、我々はこのパン業界のマーケティングモードの多くを蓄積してきています。また長年にわたり、私たち自身がこのように知的で創造的な学習を生成するために、いくつかの宣伝用語を持っている、そしてそのバートに似たようなモデルで強化を通じて、後述される可能性があります。ここでは2例は以下のとおりです。
このように、十分な人員を提供する事業者のための最終的なコピー、マーケティングを行うためにそれらを支援し、創造的なコピーを生成することがより可能。
スマート保険
私が言いたいの3番目の部分は、スマートな保険です。インテリジェント保険金で使用する場合、どのように効率のクレームは、より正確かつ迅速にします。私たち自身の宝物、このような主張は、相互のセキュリティ製品を発売しました。我々が探している効率の主張を強化するために、人間とAIを結合する方法はあります。私たちは、それらの抽出されたいくつかのいくつかの情報に対応したOCR画像とを識別することができるようにしたいです。情報のほとんどは、疾患に関連し、あなたが戻っにおける知識マップをすれば、地図上のクエリを実行し、効率を改善するためのより良いクレーム担当者にできる可能性があります。
技術自体は、優れた効率の主張を達成しようとしています。AIモデル自体の進化の過程で蓄積された大量のデータは、偉大なブーストです。一方、システムが自動的に請求の妥当性、自身が速く開発することができ、このような保険事業を決定することができ、手動で決意をする必要はありません相互保険金請求でいくつかの経験を落ち着いた後にプラットフォームをマッピングします。
スマートカスタマーサービス
第一部は、スマート顧客サービスです。それらの多くは、AI +金融サービスの前でやりたいより良い経験を持つことができます。また、これはスマートでインテリジェントなアシスタント顧客サービス関連の仕事に業界に企業の多くを行う理由です。
2015年から、我々は、AI技術の多くの真ん中に、インテリジェントなアシスタントを開始し、その目的は、自動的に計上比率を高めることです。途中で、より直接的、より迅速な質問に答えるために、そしてより多くの困難な問題のいくつかのために、我々はまだサービスの手動一部それをしなければならないことをAI希望。
今年、我々はまた、他の企業は、インテリジェントな顧客サービスへの能力を持つことができるようにすることを、主にこのようにネイルを通じて、外部のエンパワーメントこのサービスを呼び出します。技術がその多くを使用内部の自然言語処理技術のいくつかに関連しています。
インテリジェント・ファイナンス
最後に、金融インテリジェンスについて話しています。これは、中国最大の農村金融機関の一つ、CFPAと呼ばれるプラット・アンド・ホイットニー、についてです。中国農村部の多くの部分では、多くの人々が金融サービスを受ける権利がされていない、私たち自身が、統計に行っている、今の大人、世界の50％が金融サービスを享受していない、中国の農村部にこの数字はさらに大きな割合になりますもあります。私たちは、それが伝統的な信用モデルのアップグレードであることが判明し、一緒に、このような金融機関をしたいです。これは、信用のラインを通じて、伝統的な融資を訪問する人工的な方法ですが判明しました。いわゆる人工訪問は、融資担当者の数がすべきこの男は、彼のリスクフリーレートがどのくらい信用を決定するために、自分自身の経験と理解に基づいて、貸し手の質問をすることです。このモデルの利点は、この経験が役割を果たしますする群衆に動き回ることができ、多くの場合、より多くの経験です。しかし、それはあなたが広く新兵より多くの人々がない限り、それ以外の場合はありませんが、このサービスを推進し、中国の農村に行きたい場合は、まずすべてのそれは、大規模な展開ではない、という欠点があります。しかし、将来的に多くの人々はまた、リスクの効率にいくつかの問題をもたらすでしょう。
私たちは、モデルライン完全に自動化されたモードになることをしようとしている、実際には、一緒に組み合わせ、インテリジェント、プライバシーや共有学習の共有と呼ばれるものを通して、私たちの情報やその他の情報を、置くことです。データのプライバシーの保護の場合、データはその行に展開CFPAにこのモデルの結果は、CFPAを聞かせて、AIのモデルを構築するために一緒にように、目に見えない達成するために使用することができますあなたはこの方法に基づいて、農村信用ラインをアップグレードするために行くことができます。このように、中国の多くの農村部では、いくつかの包括的な金融サービスをかかりますので、それ自体が、重要性の強いデモンストレーションを持っていながら、このモデルはよく、国の多くの機関に拡張することができますが、彼らは楽しんでいません彼らは、より良いことができ、より合理的なこのサービスを通じて、この金融サービスを享受すること。
概要
全体的に、AIと金融は相補的です。私たちは多くの場合、前の話として、AIはグラフニューラルネットワークによるリスク管理能力や他の深さの学習を向上させることができます。例えば、上記のドルのマーケティングだけでなく、黒とグレーのに対して、生産の範囲節約、会社の信用限度を向上させることで上部に、より効果的です。それはより速く、より正確なサービスをユーザーに提供することができ、効率性と経験の面で、より良い金融のシーンと組み合わせることができます。
AIは、いくつかの主要なシーンに、伝統的な電気の供給者とは異なり、より多くのですが、実際の内部金融シーンを提供し、あらゆるシーンで異なっています。別の例として、あなたの人々での支払いで不正行為は、必ずしも信用詐欺を行くことはありません。これは、ラベルの定義が同じでないという問題が、データが同じではない定義し、ケース内部いくつかの小さなシーンをカットするために割り当てられた大量のデータを、見える、データの量はそれほど完璧ではありません、でも、多くの場所で、私たちは、必要があるデータ詐欺の多くは、我々のシステムの範囲内ではないので、例えば、AIは、実際に私たちは、この点のラベルではありませんが、我々は今、戦闘詐欺にやっているアプローチラベルしていません戦いへの社会全体の産業。
したがって、この問題を解決する方法もAI自身のための主要なテストですが、またの機会をもたらすでしょう。ネットワークが動的であると考えている場合たとえば、ネットワークの前で話して、それはより複雑になります。動的なネットワークモデルを構築する方法？これ自体は行うには非常に難しいものです。そのため偉大たら、でも、単純なクエリを実行するデータの大きさと量の、難易度自体は非常に大きいです。
サンプルサイズならば、百回10回以上になっ量、回帰、ロジスティック回帰直線的であっても、簡単なだけでなく、非常に困難なものを備えています。これは別の問題を含むことになる背景には、そこにこの巨大な問題今日に対処する方法も、その後、マシンの束にそれを適用することができる、パイルマシンはまた、これらのマシンは、さらに低いコスト作り方コストを、持っていますその機械の稼働率がアップ上昇したことを、アルゴリズムの問題の問題は、それは間違いなく、単一のポイントではなく、単一のポイントではない、またそれは、運用上の問題の一つのポイントではなく、全身の問題です。
そこ対立の問題。実際には、あなたが使用した各支払に対して、今日、あらゆるビジネス、人とシステムが遅れています。今日、一部の人は何人かの人々が対立通常のサービスを楽しむことができるかどうか、内側にウール引き出すしたい場合は今日、可能なサービスの成長量、及びそのシステムを強化することができ、人とシステムがそれです。ヒューマン・マシン・コラボレーションで考慮すべき2つの問題があります。
我々の観点からは、少なくとも短期間で、金融シーンは、人々を取り除くことは困難です。今、私たちがやりたいことがたくさんが存在する場合には、人間と機械を組み合わせることがより可能で、AIアプローチはいくつかのインスピレーション、いくつかのアイデア、ヘルプ運営スタッフにいくつかの説明、事業戦略から人材を提供することができます良いの設立後、この正のフィードバックは、より良いことは、AIの地面に貢献している間の角度は、ユーザーに、より良いモデルを抽出します。
もちろん、金融セクターが直面している中でAIの応用の公平性を解決する方法を、現在のプライバシーは大きな課題です。それは、これらの機会と挑戦していました、中国近年では持っているより多くの実務家が直面する問題を克服するために行くために喜んで、金融スマートフィールドについて学ぶために喜んでいます。ビューの全世界の業界のポイントでは、金融業界、この数字は、少なくとも最高度で、そして今私たちのインテリジェントな金融セクターは依然として世界の最前線で歩いて、何のサンプルを真似することはできませんし、金融+ AIの技術革新を行う方法への事業は、aがあります大きな課題と機会。
