【bet36】

bet36在线体育_bet36在线体育投注-欢迎您!

金融行业怎么用Abet36体育开户I?蚂蚁金服是这么做的

  伴随着金融科技的不断创新,人工智能技术已成为金融行业的重要驱动力。

  在9月27日于杭州云栖小镇召开的云栖大会“金融智能”专场上,蚂蚁金服集团副总裁、AI首席科学家、达摩院金融智能负责人漆远博士做了开场演讲,向与会嘉宾分享了金融智能方面的思考与实践。议题覆盖复杂网络、共享智能、知识图谱、深度图学习等多个核心技术领域,以及这些技术在蚂蚁金服的业务落地和实践,体现了以”人工智能+金融服务+普惠可持续”来打造“有深度有温度的金融科技”的理念。

  以下为演讲的文字实录。

  最新调查显示,全世界仍有超过17亿成人没有使用过银行服务,占世界总劳动力的50%,并且,金融服务在不同地区存在巨大服务差异,尤其是低收入、女性、少数民族和经济不发达地区。由此可见,普惠金融仍然任重道远。

  AI是普惠金融的核心驱动力之一,这里将分享蚂蚁金服在发展金融智能过程中的实践与思考。

  金融与AI两者是相辅相成的。AI可以赋能普惠金融提升风控能力,提高效率,改善用户体验和减少信息不对称。而金融也为AI提供完美的场景,因为金融行业数字化程度最高,拥有全方位多场景的应用,同时AI可以对金融服务提供显著的改善效果,所以金融行业也更有动力去发展和应用AI。

  金融智能的机会与挑战

  那么从金融行业的角度,目前对金融智能有哪些机会和挑战?我们总结,它主要集中在复杂动态网络、对抗性、人机协作、公平性、数据安全和隐私保护,以及不确定性几个方面。

  首先是复杂动态网络,网络在金融服务里无所不在,不管是人和商家、商品间的网络,还是支付交易网络,再是社交网络,各种网络产生大量复杂的结构性数据,这些网络之间带有各种强网络效应,比如合作或竞争活动等,如何对它们进行建模后分析是非常有意思的挑战。

  规模本身也是一个挑战,蚂蚁金服已经服务了上千万家的商户,全球十二亿用户,超过一百万服务和小程序,这背后有海量的数据和巨大的生态,我们需要考虑如何从这些海量并有噪音的数据里提取有效信息构建好的金融服务 。

  比如对贷款的套现欺诈,或者保险的带病投保,如何有效地利用机器学习分析海量的网络数据来防止欺诈行为是非常关键的。蚂蚁金服在这方面已经取得了一些成果,在AAAI 2019上发表论文:基于Attention及LSTM的GeniePath学习网络关键路径的重要性,在实际防骗保应用里达到95%的准确率。

  第二,对抗性是金融里非常关键的特点。每一笔交易都有可能是人和系统的对抗。对抗性与前面的大规模网络和实时处理需求结合起来,将会变成更大的挑战。比如在支付宝一个简单的扫码结账的操作里,需要多个流程节点,而人和商家之间的结账交易构成了一个非常大的关系网络,同时要得到近乎实时的返回结果。对此,对抗性的风险决策的时间需要控制在100ms以下。这绝对不是个容易的任务。

  第三,人机协作问题,要想服务海量用户,可扩展是很基础的能力,而要实现可扩展,需要把操作链条中的人移除,实现自动化。但另一方面,为了防止灾难性风险或者系统性错误,金融系统中人工干预是不可或缺的。在这种混合式的人机系统里,我们需要解决机器预测和决策的可解释性,自动化算法可监测、可中断等等问题。

  第四,算法的公平性。女性、少数族裔、低收入人群等弱势群体都应享有无偏见的金融服务。但标准化方法极易引发不自觉的偏见,完美的公平性和算法的准确性可能产生矛盾 。随着机器智能在我们越来越多的系统里发挥着关键决策功能, 我们如何能够合理设计算法及其Metrics来预防和减少算法偏见,也是一个非常关键的研究方向。

  第五,数据安全和隐私保护,在整个社会对数据和隐私保护越来越重视的大前提下,作为服务提供方希望能够打破数据孤岛,让更多的数据融合产生价值,同时保证数据安全隐私,这两者其实也是矛盾的,因此,我们要想办法应对这个挑战。

  最后,还有金融风险的不确定性,现实中的一些黑天鹅事件会对金融造成非常大的影响。这些不确定性可能来自非线性自反馈或者隐含变量或者复杂动态网络。 当前的机器学习缺乏好的工具来处理这些问题。我们看到一个好的方向是把经济学中的理论,比如博弈论和机制设计,与机器学习进行融合,推动对抗学习、基于机器学习的机制设计、多智能体系统,及因果分析等方面的进步。

  当然,金融智能还有不少其他方向,这些方向既是挑战也是机会,每个方向往前走一步会推动技术发展和业界落地。

  蚂蚁金服金融智能实践


bet36在线体育开户《百战不输》 (http://www.zlqjlc.com/a/keji/jrxyzmyAbet36tykhI_myjfszmzd_593.html):金融行业怎么用Abet36体育开户I?蚂蚁金服是这么做的