蚂蚁金服漆远：人工智能是如何重新定义金融行业的？

“蚂蚁金服是一家techfin公司，而不是fintech公司”，这是蚂蚁金服给自己的定位。

蚂蚁金服副总裁、首席数据科学家漆远认为，金融领域核心的问题是风险管理，而蚂蚁金服希望用技术、数据能力去助力金融企业，去服务普通消费者和商户，提升金融机构的风险管理能力。这是蚂蚁金服强调技术，而不是做金融的主要原因。

事实上，人工智能就是蚂蚁金服最核心的技术之一。在蚂蚁金服内部，诸如机器学习、人脸识别、nlp等人工智能技术已经在支付、理财、保险定价、信用、智能客服等领域实现了应用。

对此，漆远举了个例子：蚂蚁金服从2015年中开始做智能客服，半年后自助率从百分之六七十涨到了94%，到16年双十一已经实现了97%的自助率。而这样的变化给蚂蚁金服内部带来了1亿的成本节约。

当然，techfin的核心除了技术，还有赋能。漆远表示，蚂蚁金服将逐步开放公司的ai能力。显然，这是这家techfin公司赋能金融行业的下一步棋。

<b>云栖社区：在加入阿里巴巴以及蚂蚁金服之前，您一直在学术界，如何看待人工智能学术和工业界的融合？</b>

漆远：人工智能起起伏伏很多次，现在突然火起来了背后最主要的推动力来自于工业界，例如语音识别以及去年就名声大噪的alphago，工业界的研究正在推动人工智能技术的发展。

以前人工智能学术界和产业界还是有本质的区别，学术界更关注的是核心技术的开发，着眼更长；对于工业界而言，大家会更着急于商业价值和短期内的应用。但现在这一局面也在逐渐改变，首先产学研正在更紧密的结合，很多高校老师，包括我自己也来到了工业界，蚂蚁金服包括阿里都在和高校展开合作，目的就是希望能够共同推进产学研的发展。

与此同时，工业界本身也在做更高精尖的科研，所以说这个界限和以前还是有区别。此外，学术界是整体人才培养的源泉。

阿里推出了nasa计划，蚂蚁金服也是其中一部分，我们希望共同推动nasa计划中人工智能和机器智能的发展。

<b>云栖社区：关于学术研究以及商业化，蚂蚁金服人工智能部是如何权衡的？</b>

漆远：蚂蚁金服一直强调“叫好又叫座”，叫好就是技术本身有深度，叫做就是要解决实际问题。

蚂蚁金服的定位是techfin公司，也就是技术驱动的一个金融服务公司，科技是我们的一个核心的能力，而不只是为了解决商业问题的手段。总而言之，现在学术研究和商业化的事情我们都会做。

<b>云栖社区：现在大家都在讲人工智能重新定义金融行业，但金融本身是一个比较宽泛的一个概念，蚂蚁金服希望通过人工智能打造一个什么样的场景？</b>

漆远：我们希望打造一个金融智能平台，或者说是金融智能技术服务公司。这其中最主要的场景都是来源我们现实的业务。

蚂蚁金服风控部门中的反虚假交易就是基于算法，又如贷款是通过机器学习的算法来做的；还有前几天发布的保险定损，通过图像技术实现的；我们的智能客服缓解了蚂蚁金服客服的压力。

在智能客服这一块，蚂蚁金服和很多公司不一样，我们的业务场景更加复杂。因为很多公司只有一项业务，比如说卖一个东西，或者物流，而蚂蚁金服有保险、信用、贷款、花呗借呗，还有本身支付的业务。这些复杂丰富的场景为蚂蚁金服提供了一个非常好的推动力。当然，我们的技术水平也处于前列。

<b>云栖社区：人工智能在金融行业和其它传统行业例如医疗有很大的差异，您怎么看这其中的差异？</b>

漆远：我认为人工智能会在这两个领域快速落地。人工智能要成功不光靠的是底层运算的计算平台，同时需要对业务场景问题本身有深入的理解。

医疗和金融行业有着很大的区别，但是现在也在结合，比如说我们在医疗保险、人寿险上，围绕人的健康本身又能产生很多金融的机会，我们都要从两方面看问题。

<b>云栖社区：我们这边可能涉及到的技术比较多，有深度学习，人脸识别，自然语言处理等等，我们是怎么去把这些技术落地到实际应用场景当中？</b>

漆远：首先要考虑金融本身的特色，我们强调的一个是安全加密，保密性，安全加密特性，金融机器学习ai的能力。安全加密很容易理解，金融数据必须保障安全，要百分之百加密，其安全级别非常高，我们针对这一问题有一些技术上的投入。另外就是实时对抗，在与黑客的博弈过程中，我们自身的风控系统需要在实时的对抗性中学习，不断跟随环境进行演化。第三个特点，就是大规模，大家知道双十一的交易数量是12万笔，这需要自身达到一定的规模才能实现。

另外一方面，落地就是解决业务场景中的问题，我们需要从痛点出发，从用户的场景出发，来找到最合适的技术。通俗地说，我们不是拎着锤子找钉子，而是站在问题的角度来思考的。

<b>云栖社区：蚂蚁金服在区块链上做了什么样的尝试？</b>

漆远：区块链技术强调的是透明、信任，相互之间能够共同信任，区块链数据本身具有真实性、不可篡改性。基于这一点，我们通过区块链技术，促进了中国公益的发展。例如，蚂蚁金服现在正在和壹基金合作，我们还支持了器官捐送平台，实际上，支付宝用区块链做了很多相关的工作。

<b>云栖社区：蚂蚁金服人工智能部门有哪些最新的研究成果？</b>

漆远：首先，我们部门正在研究的项目就是智能客服，大概从2015年中开始做，做了半年自助率就从百分之六七十涨到了94%，到16年双十一的时候，实现了97%的自助率了。

这一数值极具意义。蚂蚁金服的业务在翻番，按照这个趋势需要更多的客服才能够满足需求，但实际上客服人数是在降低的。刨去人力成本、gpu成本以及计算资源的成本，智能客服能为公司节省一个亿。不仅仅是自助率高，解决率也更好了。目前，机器的问题解决率比人还高，这是一个标杆性的指标。

另外有一个典型的例子是风控，我们把一些的广告里面使用的跨界思维，如预测用户会点进哪个广告的算法，用在了我们的风控系统里面，安全和体验永远是个平衡。所以我们开发了机器学习的算法用在风控系统里面，这是一个非常真实的案例。

还有就是最新发布的定损宝，照张照片会自动告诉你车撞得有多严重，我们通过计算机视觉来自动判断。

<b>云栖社区：如何理解techfin？</b>

漆远：首先强调一下，我们的定位本身是个科技公司在服务金融行业。

金融领域核心的问题是管理风险，我们强调我们是一家techfin公司而不是fintech，想表达的是用技术、数据的能力去助力金融，去服务我们的客户，提升金融机构的风险管理能力，所以我们去强调技术，而不是说去做金融。

ai本身一定和场景分不开，训练一个深度模型不考虑业务，就没有价值，它一定有一个场景，而蚂蚁金服赋能的就是金融行业。

<b>云栖社区：ai+金融存在哪些技术难题？</b>

漆远：在我来看，技术难题就是前面提到的三个：第一个保密安全加密，这是第一大技术难题；第二是实时对抗；第三是大规模。我们需要开发一些技术来攻克这三个难题。

<b>云栖社区：突破口在算法上？</b>

漆远：不仅仅是算法，人工智能是算法和系统和数据的紧密结合，如果只是算法，它一定不能发挥作用，失败的概率非常高。所以一定要和数据（广义的数据）结合，对我们来讲就是金融场景和生活场景，支付宝要做一站式的生活平台，就必须了解生活数据本身的特色；风险、信用是金融行业的特色，我们必须从这个角度来出发。另外工程架构也是关键因素，没有工程ai不可能跑起来，更不会实现大规模、实时。

<b>云栖社区：5月份，人工智能领域的泰斗迈克尔·欧文·乔丹(michael i.jordan)加入了蚂蚁金服，他的加入会给公司带来哪些帮助？</b>

漆远：乔丹是我们科学智囊团的主席，对蚂蚁金服而言，他会给我们带来三大帮助。

第一个是对技术大方向的建议和指导，尤其是宏观大方向；第二，他也会帮我们建立整个智囊团，智囊团本身也会制订未来的方向，他是非常好的科学家，伟大的场景往往会产生伟大的问题，伟大的问题能产生伟大的科学技术；第三，这个科学智囊团，包括乔丹本人会为我们整个技术品牌影响力的扩展做出贡献。

<b>云栖社区：去年蚂蚁金服宣布着手研发虚拟机器人，这是一款什么样的产品？</b>

漆远：实际上智能客服就是个机器人，并且已经在支付宝上线了。支付宝的定位叫一站式生活服务平台，我们通过智能机器人能够帮您订票、订晚餐、打滴滴车，还可以通过语音给好友发红包、转帐等等，这些都是已经实现的应用。

此外，我们现在正在接通更多的业务直达能力，因为支付宝提供了非常多的服务，例如各种各样城市服务非常复杂，通过智能助理就可以直接解决，这是一个非常好的应用。

当然，蚂蚁金服在智能投顾上也在建立智能机器人，通过对话的形式理解到用户的风险偏好、家庭情况之后，就可以给他更合理的理财建议；另外，我们还希望通过智能助理帮助用户更好的解决生活问题。这些智能机器人底层都是一个技术体系。

<b>云栖社区：未来人工智能的趋势是什么？</b>

漆远：人工智能经历了起起伏伏，它虽然是像正弦波一样跌荡，但是整体往上走的技术，对社会影响力越来越大，技术本身也在逐步成熟中，我相信这是人类最后最伟大的发明，关于未来还有很多的不确定性。但是现在从技术角度来看，我觉得还有很多挑战需要攻克，很多核心的问题我们还未解决，但仅仅解决了很小的问题，对社会对商业的冲击力就已经非常大。

之前有一个朋友讲的话讲得非常好：将来每一个成功的公司都会是一个人工智能的公司。

<b>云栖社区：针对开发者，蚂蚁金服将会开放哪些能力？</b>

漆远：我们将来计划把机器人能力对外开放，开发者可以在里面做更多的东西，包括一些个性化的应用。蚂蚁金服两个关健词，一个是开放另一个是人工智能，目的就是把更多的能力开放给大家。 

<b>云栖社区：ccai大会将在22号召开，届时您会分享什么样的话题？</b>

漆远：在大会上我会介绍蚂蚁金服的人工智能技术，从预测到推理我们怎么来布局的，因为我们以前大多是从应用角度来讲，技术方面讲的并不多。

<b>ccai大会简介：</b>

<b>大会讲师采访：</b>

<a href="https://yq.aliyun.com/articles/119574" target="_blank">阿里人工智能实验室王刚：找到合适的应用场景是实现人工智能商业化的关键点</a>

<a href="https://yq.aliyun.com/articles/111091" target="_blank">语音识别真的比肩人类了？听听阿里idst初敏怎么说</a>

<a href="https://yq.aliyun.com/articles/118063" target="_blank">专访 | 杨强教授谈ccai、深度学习泡沫与人工智能入门</a>

<a href="https://yq.aliyun.com/articles/117809" target="_blank">ccai 2017 | 小数据学习对人工智能究竟有着怎样的影响？</a>

<a href="https://yq.aliyun.com/articles/102239" target="_blank">ccai 讲师专访 | 机器学习奠基人thomas dietterich：人类将如何受到ai威胁</a>

<a href="https://yq.aliyun.com/articles/104468" target="_blank">ccai讲师专访 | toby walsh：用ai提高器官移植的成功率</a>