图片 10

金融行业如何发展,是要给更多的程序员带来福利

网易杭州研究院执行院长汪源在第七季“网易开物沙龙”上发表了关于人工智能发展的演讲,他认为,当前人工智能技术发展分为三个层次,第一个层次是底层的平台层,包括深度学习平台。中间的层次是能力层,云计算、自然语言处理、视觉处理等技术处于能力层中。第三个层次是应用层,人工智能各种落地的应用产品在这一层次中。中间的能力层是当前人工智能公司主要的发力点。

随着人工智能技术的不断发展,智能AI电话机器人出现了,房产电话机器人、金融电话机器人、客服电话机器人等产品不断涌现,相信不少人都在生活中真实的接到过人工智能机器人的电话,而且应用范围还在不断扩大,那么AI电话机器人用到了哪些技术,其核心技术究竟是什么呢?下面我们就来列举一下。

在阿尔法狗战胜李世石后,人工智能在全球的热议程度达到一个新的高度。得益于神经网络深度学习在算法上的突破,使得多个基础人工智能技术水平得到飞跃提升。计算机视觉、机器学习、自然语言处理、机器人技术、语音识别等人工智能技术快速发展对整个社会带来的改变将远大于互联网。

对于人工智能在工程领域应用的看法,他认为所有的人工智能都是从语音识别,到图像识别再到自然语言处理。在实际应用场景中,一个通用的处理技术,比如语音识别,在应用到特定场景里的时候,可能达不到较好的使用效果。在自然语言处理方面,以客服机器人举例,基于传统知识库的客服机器人不是真正意义上的人工智能解决方案,只是通过问题来检索知识库。客服机器人要解决多轮对话的问题,涉及到M的机制、A的机制,同时也要解决知识领域的一些问题,客服机器人实际上是知识库的动态学习,以上这些机制是为了提高知识库学习的效率。

一、语音识别

从未来的角度看,我们现在极有可能处在“互联网+”向“人工智能”转变的时点。在笔者看来,在金融领域,由于其服务的本质仍然是人与人之间的交流,人工智能带来的影响将是重新解构金融服务的生态,将互联网时代下银行转嫁给客户的服务成本以一种更有效的方式重新回归银行怀抱,从而降低客户选择倾向,加深客户对于金融机构的服务依赖度。本文就国内外金融行业人工智能应用情况进行了简单分析,重点就人工智能在金融的综合运用进行了探讨。

汪源表示,图像识别的应用场景同文本识别的原理相似,传统方法在图片过滤应用中解决不了的问题,通过深度学习的方式可以坐到非常精准。以网易的图片鉴黄为例,之前需要一些鉴黄师手动筛选,现在依靠深度学习的算法能够做到99.8%的准确率。

语音识别技术,也被称为自动语音识别Automatic Speech
Recognition,其能够将人类的语音中的词汇内容转换为计算机可读的输入,例如按键、二进制编码或者字符序列。

图片 1

最后,汪源称当前网易的近万名开发工程师需要用到机器学习、深度学习来解决很多问题,机器学习的能力需要民主化,让更多的工程师享受到这一技术成果带来的红利,同时语音识别、图像识别和智能创作等更多的领域需要应用深度学习。

图片 2

一、人工智能对金融行业带来的影响分析

附演讲实录:

自然语言处理

基础层的云计算、大数据等因素的成熟催化了人工智能的进步,深度学习带来算法上的突破则带来了人工智能浪潮,使得复杂任务分类准确率大幅提升,从而推动了计算机视觉、机器学习、自然语言处理、机器人技术、语音识别技术的快速发展。人工智能未来将会给各个产业带来巨大变革,其影响将远大于互联网对各行业的改造,在所有领域彻底改变人类,并产生更多的价值,取代更多人的工作,也会让很多现在重复性的工作被取代,让人可以从劳动密集型的工作中解放出来,释放人力去做更具有价值的事情。对于金融领域来讲,主要有以下几方面的影响:

汪源:刚才吴院长高瞻远瞩,然后讲了很多人工智能激动人心的前沿的一些课题。网易作为一家公司,而且比较侧重于注重技术跟业务相结合的这么一家公司的话,所以我讲的东西可能会比较落地,比较实际,没有特别高大上的一些话题,我们可能是去树立一些小目标,先解决一些小问题。

自然语言处理,就是使用计算机对语言文字进行处理的相关技术以及应用。能后识别文本内容,然后通过程序做相应的处理

一是金融行业服务模式更加主动

刚才韦院长说了一个很有挑战的问题,都叫吴飞,都是院长,人工智能能不能区分出是哪一个?我是因为最早做数据库的,数据库就在讲这个实体怎么去界定?我发现这个问题人工智能做到现在其实还是很难做的。

图片 3

金融属于服务行业,从事的正是关于人与人服务价值交换的业务,人是核心因素。在互联网技术大规模应用之前,金融机构需要投入大量人力物力资源用于客户关系维护交流,发现客户需求,以获取金融业务价值。如银行与客户发生关系的媒介主要在网点,客户与网点人员通过人与人的交流,能迅速的发现并满足客户金融需求,甚至通过一些交谈、观察客户的细节挖掘到潜在的需求。通过一段时间的人与人交流,客户与银行工作人员建立了深厚的关系,而这种关系提高了客户对于银行人员的依赖程度,我们称之为客户黏性(或者称为“使客户变傻”)。一旦黏性存在,客户很少会去比较银行人员所推荐的金融服务,如购买理财产品的时候,不会去比较多个银行的收益水平。

我今天介绍是15分钟时间,所以基本上不会涉及太多的技术的细节,只是想总体上给大家介绍一下网易在人工智能做的相关的工作,分成五六个部分。

三、机器学习

图片 4

第一个是介绍一下杭州研究院的定位。研究院是06年成立,我刚好在成立的时候进入研究院。网易杭州研究院它是负责创新业务的孵化,同时也负责给整个公司提供公共的基础平台的支撑。互联网企业里面网易有一个研究院,这个机制还是比较特殊的。对于我来讲我要为公司的业务提供非常多的一些刚才介绍的从比较高大上的人工智能,到不高大上的质量保障都得做。质量保障我们也跟人工智能做了相应的很好的结合。

不需要编写机器学习的算法,而是通过提供大量的相关数据,来训练它们。机器能通过历史对话信息,不断进行泛化,提高回答准确率。

而在互联网时代,互联网技术和互联网金融企业的蓬勃发展,共同促使金融机构大力开展系统建设工作,网银、APP的出现降低了银行服务客户的成本。而不管是客户端或者是网页端,均采用了标准化的功能模板,需要客户学习如何使用,并在众多菜单功能中找寻想要的金融服务,客户与金融机构的交流是单向的。这一发现使“客户需求的成本”由金融机构转嫁给了客户,即在方便了金融机构的同时,麻烦了客户的金融需求发现和满足,这同样也使银行失去了创造更多金融价值的机会。

整个研究院主要负责构建的是我们称之为互联网的技术体系,七大技术体系里面其中一个就是多媒体以及人工智能方向,所以今天讲的主要是人工智能方向我们做的一些工作。

图片 5

无论如何优化功能菜单,客户总要去付出这一选择成本,在这个过程中,客户的金融专业度被动提升(或者称为“使客户变聪明”),他会去主动比较哪家金融机构提供的服务价格最优、服务效率最便捷,客户对金融机构的依赖度不断降低,随时可以被其他同业甚至互联网金融公司争取走。如银行这几年受到第三方支付机构极大冲击,无论在支付领域还是其他C端金融服务,银行的创新灵活度和政策监管尺度均处于下风,个人用户大规模被互联网金融机构圈走。

这张图,这里可以囊括一下我们现在人工智能主要的工作,其实人工智能是一个非常基础的技术,所以我也很难梳理清楚我们到底整个研究院,特别网易公司到底用了多少人工智能的技术是很难梳理的。总的来讲我们的人工智能的技术可能我们做的相关工作,我在这张图里面大概做了一个概括。这里面可以看到分成三个层次,第一个层次在底层是平台层,包括深度学习的一个平台,中间这个层次是能力层,云的技术、自然语言处理的技术、智能头像处理的技术,第三个是应用层,应用在网易云、游戏、有道翻译等产品里面,对公司来讲我们从三个层面,从品牌、能力最后到应用的场景,今天主要从中间的能力层展开来讲。

四、声纹识别

图片 6

第一块是语音技术。网易在语音技术上为了去解决超大规模的上万个小时的语音的训练的问题,所以我们在云这一块就把我们的深度学习的一个平台的技术带动出来了。这个是我们最早在语音的时候所练出来的一个分布式的深度学习的框架的内容。我们大概是在13年的时候开始做语音识别,网易在现在所有的游戏、社交的易信这些产品里面都是采用自己的自研的语音的技术。具体的应用场景,最主要的是在手游里面使用量非常大,每天的处理请求量达到五千万,根据公开的一个数据来看,这个量达到苹果系统的1/3左右。这里面我想着重可以突出说一点的是语音识别我认为,这一点也是我们对人工智能在工程领域应用的一个核心的一个认识,所有的人工智能这些能力从语音到图象到自然语音理解,其实它都没有办法提供一个非常通用的解决方案。所以在语音识别我们一开始用的是通用的,比如科大讯飞和百度,后来觉得在游戏里面效果不太理想的,游戏里面涉及到太多跟游戏世界观相关的词汇,还有游戏里面特殊的一些词,那我不玩游戏我都不太清楚,后来我们在自研的过程中针对游戏特定的世界观的经过优化获得比一个通用的云识别要高一两个点的效果。所以这个我觉得也是我们实际的场景里面会不断的去发展这样的问题,就是一个通用的人工智能的能力它在应用到特定的场景里面的时候,可能是达不到一个很好的一个使用效果的。这是我们做的另外一件事情,发音评测的工作,主要应用在我们有道翻译里面。

生物识别技术的一种,也称为说话人识别,有两类,即说话人辨认和说话人确认。可以有效识别意图和情绪

人工智能的飞速发展,使得机器能够在很大程度上模拟人的功能,实现批量人性化和个性化的服务客户,这对于深处服务价值链高端的金融将带来深刻影响,人工智能将成为决定银行沟通客户、发现客户金融需求的重要因素。它将对金融产品、服务渠道、服务方式、风险管理、授信融资、投资决策等带来新一轮的变革。人工智能技术在前端可以用于服务客户,在中台支持授信、各类金融交易和金融分析中的决策,在后台用于风险防控和监督,它将大幅改变金融现有格局,金融服务(银行、保险、理财、借贷、投资等方面)更加地个性与智能化。

第二块是自然语言理解做的工作,这边做的一些,有一些例子,比如说是一个,对于自然语言理解,我们现在主要做的工作是用在客服机器人的这么一个应用场景里面,这边举了一些客服机器人的案例。对一个客服机器人来讲,传统基于一个知识库提供一个,其实它不是一个人工智能的解决方案,传统来讲,它是一个知识库的一个检索的问题。但是这个用户体验也是很差的,所以现在你如果要提供一个用户体验比较好的客服机器人,那它需要支持比较智能的多轮对话的方式,人跟人之间的对话不是说直接就一问一答问题就解决了,它是需要这个机器人能够了解到这个领域的知识,我举个例子,比如我要打车,我说我要打车到浙大紫金港校区,他应该知道浙大紫金港校区是有东门、南门的,他会追问请问你到哪个门,因为这是两个不同的点,这个其实就涉及到领域的知识。我很难具体来讲怎么样从技术上、细节上做到这一点,总体来讲对于大家做客服机器人,首先要有一种方式解决多轮对话的问题,这里面可能会涉及到M的机制、A的机制,同时也要解决领域知识的一些问题。这里面就需要用到亿比如说知识图谱的方式,怎么样还需要针对特定的一个行业去做定制。我们做的是像知识库的一个动态学习,那这个机制是为了能够提高知识库学习的效率,但是并没有一个特别通用的方案说我让我的客服机器人一下能够无所不能,能够回答所有的问题,这是不现实的。

图片 7

二是金融大数据处理能力大幅提升

这是我们的主要应用,涉及到核心的技术点就是知识图谱里面地图的识别,这样的典型的一些问答机器人的算法。

五、多轮会话技术

作为百业之母的金融行业,与整个社会存在巨大的交织网络,沉淀了大量有用或者无用数据,包括各类金融交易、客户信息、市场分析、风险控制、投资顾问等,数据级别都是海量单位,同时大量数据又是非结构化的形式存在,如客户的身份证扫描件信息,既占据宝贵的储存资源、存在重复存储浪费,又无法转成可分析数据以供分析;金融大数据的处理工作面临极大挑战。通过运用人工智能的深度学习系统,能够有足够多的数据供其进行学习,并不断完善甚至能够超过人类的知识回答能力,尤其在风险管理与交易这种对复杂数据的处理方面,人工智能的应用将大幅降低人力成本并提升金融风控及业务处理能力。

然后这个是文本过滤,文本过滤今天我们组织方是网易科技频道,像我们的网易的新闻有一个很好的功能叫跟贴,跟贴其实就是用户发表评论,但是我们把它设计成盖楼的方式,一楼二楼,一楼经常,自古二楼出傻逼什么之类的,这个评论都很傻的,但是这里面会涉及到非常多的内容是不太合适的,那我们这个技术也是用在新闻当中,我们各种UGC的产品里面大量的用户评论它的用此举是不是有不恰当的地方,这里面有很多不同的方式来规避你简单的关健词过滤的这么一种技术,它可以把习大大拆成什么什么,或者是把其它名字,就是各种组合方式,但是像这样的技术也是可以通过自然语言理解,通过深度学习的方式能够做到比较好的效果,但是用传统的关健词匹配是不可能能够维护一个很好的很全的,不可能把这个枚举的很全。

预装多行业领域智能场景,打通企业业务系统,针对复杂业务场景,理解客户意图,自动引导访客进入下一轮会话

图片 8

第三块智能图象识别我们做的工作。智能图象识别它的主要应用场景跟刚才说的文本的识别,文本的过滤是类似的,也是一样,我们有很多产品里面用户会晒很多图,这个图片是不是有不合适的内容,里面有爆恐的或者有不良的广告或者色情的图像,传统的这种方式也解决不了,但是现在通过深度学习的方式也可以做到非常好的,非常精准的效果。

图片 9

二、目前人工智能技术在金融领域应用情况

对于色情图片,对于图片鉴黄,从06年我开始做研究院工作,06年我们的鉴黄师用什么来做的?在一个小黑屋养一堆鉴黄师,那时候量比较少,很辛苦也很幸福,那个时候如果用算法判断,实际上是很困难的,比如用简单的一些肤色识别方式是很麻烦的。那这种匹配方式是能够精确的匹配,稍微做一些编辑你又被它逃掉了,而且你的库不可能非常全面准确。所以它的准确率只有5%。第二个阶段通过肤色识别,准确率只能做到60%,基本上处于不可用的状态,还有40%是错误的,60减40就剩20%,这个技术基本上没有用,直到第三代深度学习的做法才做到99.8%的这样一个非常高的准确率。这里提一下99.8%的准确率听起来非常高,但是实际上也不能说你就不需要审核人员,还是需要。实际上在所有的内容里面,它是色情图片的概率还是很少的,就是我们大部分网民心理还是很健康的,不会发很多色情图片,总共其实也就只有0.8%的图象是色情图片,一个算法99.8%,0.8%里面有0.2%会错,错误率25%,你觉得99.8%很高,实际上它在绝大多数内容都是健康的情况下,它的误判率还是比较高的,所以我们还是会用机器加人工智能的方式避免误判,但是漏判是比较少的。这个技术我们现在提供对外的服务叫网易易盾。

AI对话机器人是一种主要应用于服务场景的人机交互系统,其后台主要涉及语音识别、语义理解、对话问答、语音合成、大数据分析、知识图谱等多项AI核心技术,另外还需要流程控制、电话交换平台、通讯线路等工程技术支撑。

Google、IBM等国际巨头公司已经将人工智能技术渗透在各种产品的方方面面,总体上看,国内金融行业也逐步开始应用人工智能技术,随着国内双创政策的推动和对人工智能产业的投资拉动,预计广泛应用节点即将到来。

后面说一下我们未来想说的事情第一个进一步加强人工智能的深度学习的平台,因为我们现在发现在网易里面,鉴黄的服务,网易易盾包括云客服的服务还有翻译还有音乐的推荐,新闻的这种推荐,新闻的一个智能自动摘要等等有非常多的应用都需要用到深入学习。我们感觉传统的很多算法都不是深度学习的。然后每过一年都会发现很多算法都会被深度学习代替。比如我们现在做的一件事情,因为谷歌之前发了一篇说谷歌用深度学习做机器翻译,谷歌用机器学习做机器翻译之后马上就把机器翻译的效果又往前推进了一大步,所以我们现在也在做基于深度学习的翻译,翻译效果比原来统计的翻译效果会好很多。对于网易来讲现在有近万名的开发工程师,这里面有很多的工程师可能就需要用到机器学习,用到深度学习解决很多问题。我们必须把这个机器学习的能力我们称之为民主化,让大家一些普通的工程师,前期比较优秀的工程师都能够使用这么一个工具,所以我们会去做一个深度学习的很便捷的一个机器学习的平台,这个对于网易来讲是一个非常基础的一个工作。

实际上,电话机器人的学习能力很强,上线时做好话术分析、制作,上线后经过一定时期的优化,就会成为一名中高级电话销售人员,再加上后续持续的优化,他会越来越聪明。

(一)阿里巴巴

第二个我们希望在语音识别,图象的识别,智能创作这些更多的领域来去深入的应用这个深度学习。

如果把AI技术比作一种武器,其最终作用的好坏,取决于使用它的人以及使用的方式。不应该为了追求商业利益,损害部分人的利益,包括商业的利益以及个人隐私的其他权益,应该追求打造共赢的商业逻辑。这需要社会和产业界共同来倡导价值创造理念,并通过更多的法律法规来加强规范和监督。

阿里巴巴旗下的蚂蚁金服下设一个特殊的科学家团队,专门从事机器学习与深度学习等人工智能领域的前沿研究,并在蚂蚁金服的业务场景下进行一系列的创新和应用,包括互联网小贷、保险、征信、智能投顾、客户服务等多个领域。

我今天的介绍就到这里,谢谢大家。

背后的伦理约束,一直是世界各国所关注的问题。需要从一个社会,一个政府和公众的角度来考虑,在人工智能技术的发展道路上什么是应该做的,什么是不应该做的,什么是好的,什么是坏的。应该及早地把它做一些规范,做一些预判,让人工智能产业朝着健康有序的方向发展。

根据蚂蚁金服公布数据,网商银行的花呗与微贷业务上,使用机器学习把虚假交易率降低了近10倍,为支付宝的证件审核系统开发的基于深度学习的OCR系统,使证件校核时间从1天缩小到1秒,同时提升了30%的通过率。以智能客服为例,2015年“双11”期间,蚂蚁金服95%的远程客户服务已经由大数据智能机器人完成,同时实现了100%的自动语音识别。当用户通过支付宝客户端进入“我的客服”后,人工智能开始发挥作用,“我的客服”会自动“猜”出用户可能会有疑问的几个点供选择,这里一部分是所有用户常见的问题,更精准的是基于用户使用的服务、时长、行为等变量抽取出的个性化疑问点;在交流中,则通过深度学习和语义分析等方式给出自动回答。问题识别模型的点击准确率在过去的时间里大幅提升,在花呗等业务上,机器人问答准确率从67%提升到超过80%。

稿源:网易科技报道

图片 10

(二)交通银行

2015年,交通银行推出智能网点机器人:“交交”,并引发了金融银行界的广泛关注。“交交”为实体机器人,采用语音识别和人脸识别技术,可以人机进行语音交流,还可以识别熟悉客户,在网点进行客户指引、介绍银行的各类业务等。在语言交流过程中,“交交”能回答客户的各种问题,缓解等待办理业务的银行客户潜在情绪,分担大堂经理的工作,分流客户,节省客户办理时间。

(三)平安集团

平安集团下设平安科技人工智能实验室,大规模研发人工智能金融应用。

1、人像识别。平安集团运用人像识别技术,在指定银行区域进行整体监控,识别陌生人、可疑人员和可疑行为,提升银行物理区域安全性,该套系统还能识别银行VIP客户等,实现个性化服务。在平安天下通APP上,平安利用人脸识别技术进行远程身份认证,用户根据系统提示,完成指定动作识别,即可进行APP解锁、刷脸支付以及刷脸贷款等。