蚂蚁金服漆远：金融智能平台需要关注哪些因素?

大家好！从长远发展来讲，任何公司、任何机构的长远发展需要一个真正扎实的积累，在技术上的积累，这也是昨天阿里宣布建立达摩院的一个关键原因。也因此，蚂蚁金服在过去基于我们的业务场景积累了优秀的技术能力，比如 AI 的能力，今天我们把这个能力开放出来，如昨天我们的 CTO 鲁肃所说，我们开放技术，希望为世界带来给多平等的机会。下面我会介绍一下蚂蚁金服在这方面的一些工作和下一步的计划，希望我们通过技术来赋能给我们的生态伙伴。

金融服务面临很多问题，我们希望从问题入手。很多问题都是从场景自然产生的，所有这些对机器学习产生很多的挑战，比如对 实时性 的要求，一个 AI 驱动的交易风控系统需要在毫秒级做出决策，响应慢就不行。比如 海量数据和业务多样性 的问题。很多数据源从不同的场景进来，如何把不同的数据源结合起来？如果我们对一个行业有非常好的理解，我们不管是做信用，还是做保险，都会有非常大的帮助。在不少金融场景下，假如我们不能从总体来看就会有非常大的风险，可能一叶障目，所以我们要从多个维度多个数据源结合来综合分析。

还有 金融固有的系统性风险 ，比如说 2008 年的次贷危机，今天中国同样，在不同场景下我们也感觉到这些危机，如果这些危机迅速地扩散，从而成为系统性大风险，那么如何从金融网络的角度预防或者准备？

还有 金融性安全的挑战 。金融里安全是最为关键的，如果没有安全的话一切都是浮云。

面对这些挑战，蚂蚁金服建立了一个金融智能大脑 Antzero，希望它可以：

1）提升风控信用决策的能力

2） 降低金融服务成本

3）改善服务体验，比如通过智能助理让我们的服务方便简单。

这个金融大脑是安全加密的、实时对抗和大规模的。很多金融场景本身就是对抗性的，我们怎么来考虑到这些恶意的数据。金融大脑涵盖了我们搭建的一个金融智能平台，它可以输出金融级智能能力给我们的生态合作伙伴，比如加强学习、深度学习、无监督学习和图推理能力。在这些基础能力以上，我们希望能够提供系统性风险预备或防范能力、智能营销能力、智能理赔能力、智能金融信息服务。提升用户体验，希望方便，希望智能，希望懂你，通过 Antone 来给大家提供服务。

金融智能平台通过拖拉拽就能上手的交互方式，为模型开发者提供了简单但很完整的人工智能解决方案，沉淀了蚂蚁金服各条业务线上丰富的金融场景算法，开放服务给我们金融行业、甚至泛金融行业的生态伙伴。

我们金融智能平台是怎样服务我们的用户呢？就是 在超大规模异构计算平台上实现一系列金融场景的算法并且提供一套完整的产品解决方案来服务我们的用户 。金融智能平台解决三个关键的问题。一是安全，我们金融智能平台通过提供自研硬件支持安全合规的加密解密。二是实时，如果没有这个平台的话，有效但是大的机器学习模型没法短时间产生结果，那样的话技术同学只能把算法做简化，会很影响业务效果。所以如何通过工程和算法优化来 AI 在线服务的速度。三是我们支持大数据量的机器学习和离线训练。我们的目标其实非常简单，希望能够打通机器学习从建模、部署到迭代的链路，给我们的用户提供完整的平台解决方案，帮助他们 降低使用 AI 系统、AI 算法和 AI 资产的门槛 ，提供给我们的生态伙伴更普惠的金融服务。

具体来说金融智能平台有这样几个功能。首先是 可视化建模 ，我们有丰富的图表样式和非常强大的特征算子，用户通过轻松的拖拉拽就能完成数据建模。其次是 自动化部署 ，我们做到了模型自动翻译、集群自动管理和性能自动监控。在蚂蚁自己内部，我们支持的芝麻分，建模效率从一个月提升到一周，部署效率从两周提升到一个小时，这个效率的提升真的是一个天翻地覆的变化。还有 资产化沉淀 。模型算法也是很重要的资产，在算法的迭代演进过程中，我们最关心系统性能是否稳定，新的算法上线怎样效果可以更好。我们 支持性能评估和监控 ，还提供了 A/B 测试来帮助算法同学通过监视对比来发现 A 或 B 哪一个更好，从而更好的支撑算法的演进。另外一个关键是 共享 ，其实希望大家能够协同起来，把做过的东西沉淀下来，大家在一个平台上一起往前走，不同的人开发不同的模块，但可以沉淀在一个模型里。

最后举一个关于 A/B 测试的例子，有些时候我们需要使用科学的方法通过比较数据来发现哪一种产品方案用户更喜欢，哪一个算法效果最好，哪一个业务流程最有效。大家支付宝新版本都更新了吧，首页里面我们就有做过一个非常简单的测试实验：在你收到一个首页通知时，一方案是我们本来认为更好的方案，有三个小字，“新消息”，另外一个方案是小红点，结果通过最后的用户点击数据比较，第二个方案更好，点击率比方案一相对提高 8%。你看，我们并不像我们想象那样更知道用户的喜好，最终要让数据本身来说话。A/B 测试既是决策的过程，也是学习的过程。在支付宝的保险首页腰封内容的实验中，我们吃惊地发现去腰封后页面点击率大幅度提升提高了 40%。我们要保证这样的科学决策机制，它相当于一个表盘，对基于数据的业务发展非常关键。

我们把金融智能平台应用在蚂蚁金服的各项业务里，比如智能营销。我们通过深度学习，完整理解用户差异化的需求，准确获取用户决策的阶段，在合适的时间、合适的地点，多场景多频次推给用户合适的内容，最终提升业务的转化率。我们实时深度模型的快速迭代，保障了对用户精准的多轮多场景触达。

例如在花呗签约流程中，智能营销如何帮助业务更好的向用户推送签约入口引导签约，这个非常关键。哪些地方透出签约，哪些新用户可以发展，哪些用户是可以挽回，什么时间挽回，在哪里挽回，通过深度模型和实时深度算法的迭代，动态的找到最佳的入口和时机，帮助业务成功转化原本可能流失的用户完成签约。最终帮助花呗签约率翻倍，业务得到大幅提升。

另外一个例子是 AI 在保险行业的应用，我们希望通过 AI 技术来服务我们的保险行业的伙伴，并给行业带来一些创新。目前我们已经和一家保险公司合作使用我们的科技产品，只需要对车拍一组照片，系统会通过图像识别和 AI 深度学习的算法来自动完成车辆损伤程度的识别以及维修方案的确定。这个项目刚开始做的时候还是压力非常大的，比如由于车辆油漆颜色的不同，反光效果也不尽相同，并且由于车辆角度的不同会带来视觉上很大的差异性等等。当时，我们进行了大量的思考怎么通过 AI 的技术能力来大幅度提升车辆损伤识别的准确率和覆盖率，现在团队经过一段时间的努力以及不断的尝试，目前车辆损伤识别的准确率和覆盖率已经达到比较高的水平了。同时在运费险项目，我们通过千人千面的算法能力来根据用户的不同特性推荐不同的产品以及更加精确的个性化定价，从而找到更合适每个用户的保险产品以及定价。

当然除了以上金融智能大脑所赋能的应用场景外，目前金融智能大脑所衍生出来的一个很重要的能力就是 Antone——这是蚂蚁智能助理机器人，蚂蚁安安的英文名字。蚂蚁的智能机器人首先在智能客服领域成功应用，并且从智能客服机器人一路发展而来。智能客服主要有两部分能力，首先是猜你问题，80% 多的用户诉求都是通过这种方式来解决的，主要通过用户在支付宝中的行为来挖掘出用户心里想问的问题。另一部分是问答机器人。我们的问答机器人的问题解决能力一直在持续的提升，在今年的 5 月份，机器人解决率已经超过了人工服务。同时我们还在智能客服场景以外，进一步扩展对话机器人的应用场景，我们希望搭建一个智能助理平台，来使得我们机器人的能力能够快速应用到我们支付宝的各个场景，包括智能投顾、保顾等等，今年的 9 月份我们完成了智能助理平台 V1.0 的版本建设。我们希望智能助理是能给用户带来非常多的便利的，想象一下用户在支付宝上的一天都围绕着智能助理展开，智能助理将很大程度上提升用户在支付宝上的效率。用户的一天从早晨开始，通过助理快速购买好常用路线的地铁票，路上通过助理快速查询余额宝的收益；中午和同事不知道吃什么，智能助理给你们推荐好吃的面馆，吃完同事结了账，语音转账快速把费用转给了同事。下午可以通过智能助理购买周六去北京的火车票，下班后想再消遣一下，通过智能助理买一张电影票等等。

Antone 目前不仅可以做到懂用户（在智能客服场景的猜你问题），同时在支付宝的很多核心场景可以帮助用户高效解决很多问题，比如快速直达城市服务里面的应用，购买火车票等等。我们来做个现场演示，我现在打开了支付宝，出现了我和智能机器人的对话界面，我对它说“给鲁肃发一块钱红包”，它就可以完成。如果在以前，首先要打开支付宝找到红包，找到红包之后要找到要转帐的人，然后输出多少钱，是需要很多步骤的，今天是通过一句话就可以完成，让用户更方便。