在本次大會上，螞蟻金服人工智能部技術(shù)總監(jiān)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。

　　今天早上我們的副總裁、首席數(shù)據(jù)科學(xué)家漆遠(yuǎn)博士給大家講了很多金融智能創(chuàng)新的例子，我主要是從《螞蟻金服智能金融實踐》這方面給大家作闡述。

　　首先，我們認(rèn)為金融服務(wù)是AI創(chuàng)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(yīng)用到理財、投資、貸款、征信等業(yè)務(wù)中，還可以把AI結(jié)合到安全、保險、客服里。第二，數(shù)據(jù)量大，全球數(shù)十億用戶、日常交易量巨大，另外天然業(yè)務(wù)數(shù)據(jù)化，比起其他行業(yè)來說，業(yè)務(wù)數(shù)據(jù)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(wù)80%的用戶，傳統(tǒng)金融可能只能服務(wù)到20%的用戶。

　　對于螞蟻金服來說，我們是一家以信用為基礎(chǔ)，AI驅(qū)動的有想象力的金融生活公司，致力于為全球20億人提供普惠金融服務(wù)。這里面有三個點，一個是信用等于財富，我們想不斷努力地往這方面走，建設(shè)信用社會，希望大家以后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(rèn)為技術(shù)是推動平等的手段，這里面AI驅(qū)動至關(guān)重要。第三個是我們最終是要實現(xiàn)普惠金融，AI是普惠金融的推動器。這里列出了有代表性的螞蟻金服的智能金融的場景應(yīng)用，比如微貸和花唄的準(zhǔn)入模型和反套現(xiàn)模型，然后是賬戶安全、交易安全、反洗錢、反作弊、反欺詐等，這些都是金融領(lǐng)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。還有在財富方面，比如說怎樣做理財產(chǎn)品的精準(zhǔn)推薦，還有社區(qū)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。最后是在保險，我們覺得保險是AI可以發(fā)揮很大作用的場景。目前我們在人工智能業(yè)務(wù)架構(gòu)上大致包含幾個方面：底層的算法，包括各種各樣的最先進(jìn)的算法都在研究；中間是沉淀的一些工具，包括異構(gòu)學(xué)習(xí)、模型服務(wù)、AI共享等；最上面的是產(chǎn)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臺賦能我們螞蟻內(nèi)部的業(yè)務(wù)，以及將這個平臺作為開放的方式輸出給所有的金融機(jī)構(gòu)，這就是說螞蟻更注重于Tech的方面，把Tech能力開放給金融機(jī)構(gòu)。

　　因為時間的限制，下面只講一個例子，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(biāo)，然后進(jìn)去可以看到這樣一個界面，主要包括兩塊，一個是“猜你問題”，這里你不需要輸入問題我們就已經(jīng)知道了你可能碰到的問題，我們基于用戶過去的行為和特征來進(jìn)行預(yù)測。如果你覺得這個問題沒有猜中，你也可以在下面的機(jī)器人對話框直接輸入你的問題，比如說你輸入“余額寶的收益怎樣計算”，我們會給一個詳細(xì)的公式。在“猜你問題”里面，我們有一系列的創(chuàng)新，比如說特征層面，把用戶的行為軌跡加進(jìn)來，原來只是人工設(shè)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(jìn)行了什么操作是非常重要的，這些特征加入進(jìn)來就提高了“猜你問題”的準(zhǔn)確率。其次，用深度學(xué)習(xí)代替線性模型也獲得了很好的效果。另外，是通過數(shù)據(jù)挖掘從用戶原始問句得到標(biāo)準(zhǔn)問題，再從標(biāo)準(zhǔn)的問題得到標(biāo)準(zhǔn)答案，這樣簡化了知識庫的建立過程并提升了精度。最后是數(shù)據(jù)閉環(huán)，模型能夠在線上不斷自學(xué)習(xí)和提升�？傮w來說，這些創(chuàng)新的效果是使得點擊率從最開始的37%，到現(xiàn)在72%，有了巨大的提升。

　　前面提到了知識庫的創(chuàng)新，背后其實就是基于語義的大規(guī)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(jī)器人也有四、五十萬的求助問題，這些問題我們仔細(xì)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(biāo)準(zhǔn)問題和標(biāo)準(zhǔn)答案以后，我們可以減少大量的人工去做這樣的處理。

　　在機(jī)器人問答算法創(chuàng)新方面，最主要的是一方面采用了深度學(xué)習(xí)，像DSSM和LSTM結(jié)合，尤其是用戶行為軌跡編碼，我們改進(jìn)了DSSM的結(jié)構(gòu)，用時間序列的描述，加進(jìn)歷史的操作，比如你問怎么退款，有很多可能，你可能是轉(zhuǎn)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(zhuǎn)賬以后遇到的問題，然后才能問這個，這樣根據(jù)用戶歷史行為的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(zhuǎn)賬到賬戶轉(zhuǎn)錯了怎么辦？”，而不是“為什么銀行卡轉(zhuǎn)賬被退回來了？”

　　除了上面這些個創(chuàng)新技術(shù)以外，我們還借鑒采用了其他的技術(shù)，比如說Decomposable Attention Model，這也是最近比較熱的深度學(xué)習(xí)上的技術(shù)，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(tǒng)優(yōu)化，把算法和系統(tǒng)結(jié)合起來，這樣使得我們的結(jié)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(dá)到94%。而去年雙十一自助率的比例達(dá)到97%，也就是我們很多的人力可以節(jié)省下來，同時機(jī)器人滿意度超過了人工的3個百分點。

　　最后我們還有很多其他的創(chuàng)新列在這里，左邊的就是我們一直創(chuàng)新的產(chǎn)品和場景，右邊是我們背后的一些技術(shù)，這些創(chuàng)新就是說我們將AI技術(shù)和支付寶和螞蟻金服的很多場景進(jìn)行結(jié)合，然后基于很多的創(chuàng)新的Idea，將它落于實際場景之中。

　　前面就是我的分享，基本上就是智能金融在螞蟻金服的實踐，謝謝大家。