今天早上我們的副總裁、首席資料科學家漆遠博士給大家講了很多金融智慧型創新的例子，我主要是從「螞蟻金服智慧型金融實踐」這方面給大家作闡述。
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，開啟支付寶我們知道這不僅是乙個支付工具，可以把ai應用到理財、投資、貸款、徵信等業務中，還可以把ai結合到安全、保險、客服裡。第二，資料量大，全球數十億使用者，日常交易量巨大；另外天然業務資料化，比起其他行業來說，業務資料化程度要好得多。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%的使用者，傳統金融可能只能服務到20%的使用者。
對於螞蟻金服來說，我們是一家以信用為基礎，ai驅動的有想像力的金融生活公司，致力於為全球20億人提供普惠金融服務。這裡面有三個點，乙個是信用等於財富，我們想不斷努力地往這方面走，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。第二個是我們認為技術是推動平等的手段，這裡面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。這裡列出了有代表性的螞蟻金服的智慧型金融的場景應用，比如微貸和花唄的准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。還有智慧型客服，這是我們最近做得比較有突破的事情，包括猜你問題、智慧型問答和異常檢測等。還有在財富方面，比如說怎樣做理財產品的精準推薦，還有社群問答、智慧型投顧等；還有芝麻信用也是我們比較重要的一塊，是通過使用者畫像做評估。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。目前我們在人工智慧業務架構上大致包含幾個方面：底層的演算法，包括各種各樣的最先進的演算法都在研究；中間是沉澱的一些工具，包括異構學習、模型服務、ai共享等；最上面的是產品，包括搜尋推薦、智慧型營銷、智慧型客服、金融大腦、輿情分析等；最終是通過人工智慧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的方面，把tech能力開放給金融機構。
前面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演算法。支付寶上每天都有大量的求助，每天有四五百萬的求助量，機械人也有四五十萬的求助問題，這些問題仔細看，其實很多都是同乙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。
在機械人問答演算法創新方面，最主要的是一方面採用了深度學習，像dssm和lstm結合。尤其是使用者行為軌跡編碼，我們改進了dssm的結構，用時間序列的描述，加進歷史的操作，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；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，這樣根據使用者歷史行為的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？」
除了上面這些創新技術以外，我們還借鑑採用了其他的技術，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，以及最重要的系統優化，把演算法和系統結合起來，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，自助佔比達到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，同時機械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裡，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技術與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。
前面就是我的分享，基本上就是智慧型金融在螞蟻金服的實踐。
（本報告根據速記整理）
《中國人工智慧學會通訊》 2 24 結 果
我們將人類 bpl 以及其他模型在 5 個概念學習任務上的結果並列進行對比，檢驗僅從乙個或一些樣例得到的不同形式的泛化 見圖 5 的樣例任務 所有的行為實驗都是通過亞馬遜土耳其機械人 mechanical turk 進行的，實驗的詳細流程請參考 s5 章節。主要實驗結果總結在圖 6 中，額外的殘缺分...
《中國人工智慧學會通訊》 3 28 討 論
近年來，各種型別的 機械人層出不窮，人機互動控制策略對於 機械人實現臨床應用意義重大。通過上文的回顧分析，可以看出，現有人機互動控制依然存在如下問題。目前還不存在一種通用的人機互動控制策略。針對患者損傷部位及損傷程度採用合適的控制策略是常規的方案，但正如前文所述，現有 機械人系統的互動控制系統通常缺...
《中國人工智慧學會通訊》 1 32 詞嵌入
在此基礎上，也有研究者關注如何利用已有的知識庫來改進詞嵌入模型。wang 等人 5 結合知識圖譜和未標註語料在同一語義空間中來聯合學習知識和詞的向量表示，這樣可以更有效地實體詞的嵌入。rothe等人 6 直接利用 wordnet 知識庫的詞和語義集的關係來學習詞嵌入，能更好地利用已有的知識庫。該 獲...