CCAI 2017 | 蚂蚁金服人工智能部技术总监李小龙：蚂蚁金服智能金融实践

蚂蚁金服人工智能部技术总监李小龙

记者 | 周翔，焦燕

7 月 22 - 23 日，在中国科学技术协会、中国科学院的指导下，由中国人工智能学会、阿里巴巴集团 & 蚂蚁金服主办，CSDN、中国科学院自动化研究所承办的 2017 中国人工智能大会（CCAI 2017）在杭州国际会议中心盛大召开。

在本次大会上，蚂蚁金服人工智能部技术总监李小龙作为 CCAI 2017 智能金融论坛主席为参会者带来了《蚂蚁金服智能金融实践》的分享。

以下内容根据李小龙本次主题演讲整理，略有删减：

今天早上我们的副总裁、首席数据科学家漆远博士给大家讲了很多金融智能创新的例子，我主要是从《蚂蚁金服智能金融实践》这方面给大家作阐述。

首先，我们认为金融服务是AI创新的最好场景之一，主要是三个理由：

• 第一，场景非常丰富，打开支付宝我们知道这不仅是一个支付工具，可以把AI应用到理财、投资、贷款、征信等业务中，还可以把AI结合到安全、保险、客服里。
• 第二，数据量大，全球数十亿用户、日常交易量巨大，另外天然业务数据化，比起其他行业来说，业务数据化程度要好得多。
• 第三，具有很大社会意义，我们的诉求是通过AI降低金融的门槛，能够服务80%的用户，传统金融可能只能服务到20%的用户。

对于蚂蚁金服来说，我们是一家以信用为基础，AI驱动的有想象力的金融生活公司，致力于为全球20亿人提供普惠金融服务。这里面有三个点：

一个是信用等于财富，我们想不断努力地往这方面走，建设信用社会，希望大家以后通过自己的信用记录就可以做很多的事情，比如说免交押金等。

第二点我们认为技术是推动平等的手段，这里面AI驱动至关重要。

第三个是我们最终是要实现普惠金融，AI是普惠金融的推动器。这里列出了有代表性的蚂蚁金服的智能金融的场景应用，比如微贷和花呗的准入模型和反套现模型，然后是账户安全、交易安全、反洗钱、反作弊、反欺诈等，这些都是金融领域的核心问题。还有智能客服，这是我们最近做得比较有突破的事情，包括猜你问题、智能问答和异常检测等。还有在财富方面，比如说怎样做理财产品的精准推荐，还有社区问答、智能投顾等，还有芝麻信用也是我们比较重要的一块，是通过用户画像做评估。

最后是在保险，我们觉得保险是AI可以发挥很大作用的场景。目前我们在人工智能业务架构上大致包含几个方面：底层的算法，包括各种各样的最先进的算法都在研究；中间是沉淀的一些工具，包括异构学习、模型服务、AI共享等；最上面的是产品，包括搜索推荐、智能营销、智能客服、金融大脑、舆情分析等；最终是通过人工智能的平台赋能我们蚂蚁内部的业务，以及将这个平台作为开放的方式输出给所有的金融机构，这就是说蚂蚁更注重于Tech的方面，把Tech能力开放给金融机构。

因为时间的限制，下面只讲一个例子，就是我们的智能客服助理。打开支付宝，可以看到“我的客服”图标，然后进去可以看到这样一个界面，主要包括两块，一个是“猜你问题”，这里你不需要输入问题我们就已经知道了你可能碰到的问题，我们基于用户过去的行为和特征来进行预测。如果你觉得这个问题没有猜中，你也可以在下面的机器人对话框直接输入你的问题，比如说你输入“余额宝的收益怎样计算”，我们会给一个详细的公式。在“猜你问题”里面，我们有一系列的创新，比如说特征层面，把用户的行为轨迹加进来，原来只是人工设计的因子特征。

实际上在用户问问题之前的一段时间，你在支付宝进行了什么操作是非常重要的，这些特征加入进来就提高了“猜你问题”的准确率。其次，用深度学习代替线性模型也获得了很好的效果。另外，是通过数据挖掘从用户原始问句得到标准问题，再从标准的问题得到标准答案，这样简化了知识库的建立过程并提升了精度。最后是数据闭环，模型能够在线上不断自学习和提升。总体来说，这些创新的效果是使得点击率从最开始的37%，到现在72%，有了巨大的提升。

前面提到了知识库的创新，背后其实就是基于语义的大规模聚类算法。支付宝上每天都有大量的求助，每天有四、五百万的求助量，机器人也有四、五十万的求助问题，这些问题我们仔细看，其实很多都是同一个诉求的不同的说法，通过聚类找到这些标准问题和标准答案以后，我们可以减少大量的人工去做这样的处理。

在机器人问答算法创新方面，最主要的是一方面采用了深度学习，像DSSM和LSTM结合，尤其是用户行为轨迹编码，我们改进了DSSM的结构，用时间序列的描述，加进历史的操作，比如你问怎么退款，有很多可能，你可能是转账退款，也可能是信用卡退款等等，但是比如看你之前的操作，我们就知道你是在转账以后遇到的问题，然后才能问这个，这样根据用户历史行为的LSTM编码，加上问句的DNN编码我们就很容易定位到知识点是“转账到账户转错了怎么办？”，而不是“为什么银行卡转账被退回来了？”

除了上面这些个创新技术以外，我们还借鉴采用了其他的技术，比如说Decomposable Attention Model，这也是最近比较热的深度学习上的技术，此外，包括语义匹配树，包括我们说的问题推荐以及最重要的系统优化，把算法和系统结合起来，这样使得我们的结果是每天支付宝上日常求助四、五百万，绝大部分可以走自助的渠道，自助占比达到94%。而去年双十一自助率的比例达到97%，也就是我们很多的人力可以节省下来，同时机器人满意度超过了人工的3个百分点。

最后我们还有很多其他的创新列在这里，左边的就是我们一直创新的产品和场景，右边是我们背后的一些技术，这些创新就是说我们将AI技术和支付宝和蚂蚁金服的很多场景进行结合，然后基于很多的创新的Idea，将它落于实际场景之中。