0
據(jù)近日美國(guó)斯坦福大學(xué)一份報(bào)告顯示，2020年，中國(guó)在學(xué)術(shù)期刊上有關(guān)AI的論文引用率占比為20.7%，美國(guó)為19.8%，這是中國(guó)首次超過(guò)美國(guó)。一時(shí)間“AI”再次進(jìn)入公眾視野，引起熱議。
對(duì)于普羅大眾而言，AI似乎還只是科幻電影的創(chuàng)作素材，AI工程師作為一份職業(yè)更是遠(yuǎn)不為大眾所知。但實(shí)際上AI早已與現(xiàn)實(shí)生活融為一體。
尤其是疫情爆發(fā)以來(lái)，AI在金融科技、智能客服、城市治理、醫(yī)療問(wèn)診等多個(gè)領(lǐng)域所展現(xiàn)出的高效服務(wù)能力令人驚嘆不已 。
樂(lè)信自2016年起全面發(fā)力人工智能，打造了“靈犀”AI智能運(yùn)營(yíng)平臺(tái)、“鷹眼”智能風(fēng)控引擎、“蟲(chóng)洞”小微金融資產(chǎn)處理技術(shù)平臺(tái)等技術(shù)平臺(tái)，將AI全面用于獲客、風(fēng)控、運(yùn)營(yíng)業(yè)務(wù)全鏈條，極大提升運(yùn)營(yíng)效率，降低平臺(tái)風(fēng)險(xiǎn)。
樂(lè)信3位年輕AI工程師專(zhuān)家將通過(guò)講述他們的工作日常，為我們掀開(kāi)AI世界的真實(shí)一角。
Tim是樂(lè)信AI團(tuán)隊(duì)骨干，癡迷于研究基于AI技術(shù)構(gòu)建的風(fēng)控模型工具。
2008年，他從國(guó)防科技大學(xué)畢業(yè)，只身赴美紐約大學(xué)繼續(xù)攻讀通信和電子專(zhuān)業(yè)，隨后進(jìn)入當(dāng)?shù)匾患医鹑诠尽?/p>
2013年回國(guó)，輾轉(zhuǎn)金蝶、OPPO金融多家公司后，于2017年加入樂(lè)信。從開(kāi)發(fā)領(lǐng)域到數(shù)據(jù)領(lǐng)域，最終將重心落在如今的AI領(lǐng)域，Tim認(rèn)為這是他的心中所愛(ài)。
Tim的工作是利用AI建模技術(shù)解決風(fēng)控領(lǐng)域中用戶(hù)資質(zhì)識(shí)別難題。通常情況下，AI工程師能夠拿到兩種數(shù)據(jù)，一種是用戶(hù)的特征，如年齡、學(xué)歷、收入等，另一種是用戶(hù)的標(biāo)簽，如歷史上是否有過(guò)逾期行為等。
根據(jù)這些特征參數(shù)，可以進(jìn)行模型訓(xùn)練生成風(fēng)控工具，從而輔助預(yù)測(cè)一個(gè)新用戶(hù)的資質(zhì)優(yōu)劣。這種建模的過(guò)程，被稱(chēng)之為機(jī)器學(xué)習(xí)，也可以稱(chēng)為“監(jiān)督型機(jī)器學(xué)習(xí)”。
Tim習(xí)慣于將AI建模的過(guò)程比喻成烹制一道美食。一道美食的誕生，往往是從購(gòu)買(mǎi)食材到擇洗食材，從烹飪美食到品嘗美食，直至最終端上餐桌。
而一個(gè)輔助風(fēng)控子模型的誕生，也是如此——數(shù)據(jù)積累-數(shù)據(jù)清洗-特征工程-模型訓(xùn)練-模型評(píng)估-模型應(yīng)用。
由此可見(jiàn)，數(shù)據(jù)是模型熱切期盼的“食材”，數(shù)據(jù)越豐富，AI越喜歡，數(shù)據(jù)的采集、挑選、清洗、加工是構(gòu)建模型的基礎(chǔ)。
但如今，數(shù)據(jù)大爆炸的同時(shí)，監(jiān)管部門(mén)對(duì)數(shù)據(jù)挖掘和使用的管理也更為嚴(yán)格規(guī)范，用戶(hù)數(shù)據(jù)隱私保護(hù)力度大大加強(qiáng)，數(shù)據(jù)使用成本越來(lái)越高、風(fēng)險(xiǎn)越來(lái)越大。用慣了“大數(shù)據(jù)”的AI工程師，要適應(yīng)在“小數(shù)據(jù)”環(huán)境下生存，這對(duì)Tim們的日常工作構(gòu)成了不小的挑戰(zhàn)。
“我們公司對(duì)數(shù)據(jù)的獲取和使用一直都有嚴(yán)格限制，遵循最小化原則，這就要求在數(shù)據(jù)挖掘和使用方面下更多的工夫，讓有限的數(shù)據(jù)產(chǎn)生最大化價(jià)值?！盩im說(shuō)，就好比做飯，烹飪界公認(rèn)的最考驗(yàn)廚藝的一道飯是蛋炒飯。
目前，樂(lè)信公司層面也在大力推進(jìn)隱私計(jì)算，希望通過(guò)聯(lián)邦學(xué)習(xí)、聯(lián)合建模的方式，打破數(shù)據(jù)孤島，既充分利用行業(yè)積累的用戶(hù)數(shù)據(jù)，又避免用戶(hù)隱私信息泄露，一石二鳥(niǎo)。
Tim介紹，目前，樂(lè)信已與主流數(shù)據(jù)廠(chǎng)商開(kāi)展聯(lián)邦學(xué)習(xí)聯(lián)合建模工作，用于在獲客、授信、回?fù)频葓?chǎng)景，模型效果在原有基礎(chǔ)上提升15%-20%。
AI領(lǐng)域坊間流傳有這樣一句話(huà)：“數(shù)據(jù)和特征決定機(jī)器學(xué)習(xí)的上限?！睋Q言之，和數(shù)據(jù)一樣，特征工程也是建模流程中的核心環(huán)節(jié)。特征工程應(yīng)用了數(shù)學(xué)、統(tǒng)計(jì)學(xué)、信息論、計(jì)算機(jī)科學(xué)、行為經(jīng)濟(jì)學(xué)等理論指標(biāo)，但更重要的是AI建模團(tuán)隊(duì)對(duì)核心業(yè)務(wù)的理解。
“不同業(yè)務(wù)的模型對(duì)特征的需求很不一樣，“拿‘用戶(hù)下單時(shí)間’來(lái)說(shuō)，有秒數(shù)、小時(shí)數(shù)、日期、年份四個(gè)特征，哪個(gè)特征對(duì)風(fēng)控模型作用更大？這就取決于我們對(duì)風(fēng)控業(yè)務(wù)的理解?！盩im說(shuō)。
Tim現(xiàn)在每周至少游泳4次，他解釋說(shuō)，團(tuán)隊(duì)很多小伙伴都有健身的習(xí)慣。
“風(fēng)險(xiǎn)控制是對(duì)樂(lè)信這樣的公司，以及我們AI團(tuán)隊(duì)所有小伙伴的核心要求，甚至內(nèi)化為潛意識(shí)或者說(shuō)本能，這種本能確實(shí)會(huì)影響到我的生活習(xí)慣，就是要學(xué)會(huì)控制健康風(fēng)險(xiǎn)?！?/p>
在Tim等模型人員和風(fēng)控團(tuán)隊(duì)不懈努力下，樂(lè)信平臺(tái)風(fēng)險(xiǎn)表現(xiàn)穩(wěn)定向好。財(cái)報(bào)顯示，截至今年1季度末，樂(lè)信平臺(tái)90天以上的逾期率為1.84%，新增借款的FPD30已經(jīng)連續(xù)8個(gè)月保持在1%以下。
目前樂(lè)信1天以上的逾期率為4.92%，比去年同期8.08%降低40%；最新壞賬回收實(shí)現(xiàn)回收率和回款金額創(chuàng)歷史新高，歷史不良資產(chǎn)回收率比去年同期提高30%。
一端是億萬(wàn)情況各異的消費(fèi)者，希望通過(guò)分期付款購(gòu)買(mǎi)形形色色的商品，另一端是上百家偏好不一的金融機(jī)構(gòu)，希望把為合適的消費(fèi)者提供金融服務(wù)。
居中的平臺(tái)如何“穿針引線(xiàn)”，實(shí)現(xiàn)用戶(hù)體驗(yàn)和銀行偏好的高效滿(mǎn)足？對(duì)于這一存在無(wú)數(shù)變量的系統(tǒng)性復(fù)雜難題，樂(lè)信AI工程師Juana一直孜孜不倦地試圖用AI尋求最優(yōu)解。
2006年，Juana進(jìn)入中國(guó)科學(xué)技術(shù)大學(xué)計(jì)算機(jī)專(zhuān)業(yè)就讀，本科畢業(yè)后她選擇了保送本校碩博連讀，于2016年拿到博士學(xué)位。
近10個(gè)春秋，Juana在實(shí)驗(yàn)和數(shù)據(jù)的“森林”里徒步，這場(chǎng)苦旅似乎讓她變得不茍言笑、謹(jǐn)言慎行，但卻塑造起她對(duì)于數(shù)據(jù)的敏感、細(xì)心，對(duì)于技術(shù)的嚴(yán)謹(jǐn)、理性。
2018年進(jìn)入樂(lè)信后，實(shí)驗(yàn)室文化熏陶下的務(wù)實(shí)邏輯，成為她帶領(lǐng)團(tuán)隊(duì)利用AI技術(shù)破解數(shù)據(jù)風(fēng)控、反欺詐、資金資產(chǎn)匹配等難題的主要思維。
2017年，棋風(fēng)靈活多變的圍棋天才柯潔因0比3落敗給機(jī)器人AlphaGo而淚灑賽場(chǎng)，讓人感受到人工智能的實(shí)力。
“AlphaGo每一次落子，都依賴(lài)于大量的決策機(jī)制，或者說(shuō)背后有一個(gè)‘獎(jiǎng)勵(lì)函數(shù)’，它可以計(jì)算出在當(dāng)下?tīng)顟B(tài)采取何種措施可獲得何種結(jié)果，通過(guò)對(duì)比結(jié)果的優(yōu)劣，AlphaGo就能明白下一步該如何決策?！盝uana說(shuō)。
樂(lè)信的資金資產(chǎn)匹配系統(tǒng)“蟲(chóng)洞”和AlphaGo類(lèi)似?！百Y金資產(chǎn)的環(huán)境在不斷地發(fā)生變化，比如現(xiàn)金流、資方額度、資產(chǎn)質(zhì)量、風(fēng)險(xiǎn)狀態(tài)等等，我們需要就這些復(fù)雜的資金資產(chǎn)環(huán)境，通過(guò)權(quán)衡制定‘獎(jiǎng)勵(lì)函數(shù)’，‘蟲(chóng)洞’按照函數(shù)結(jié)果的優(yōu)劣，依次進(jìn)行匹配，從而提高資金資產(chǎn)匹配的效率和質(zhì)量，提升經(jīng)營(yíng)利潤(rùn)率?！盝uana說(shuō)。
不同于風(fēng)控、推薦等有監(jiān)督學(xué)習(xí)，資金資產(chǎn)匹配更偏向于強(qiáng)化學(xué)習(xí)，沒(méi)有特征和標(biāo)簽可用，可以說(shuō)難度更高、挑戰(zhàn)更大。
而且，資金資產(chǎn)匹配，失之毫厘則差之千里，與公司利潤(rùn)率直接掛鉤，這份無(wú)形的重?fù)?dān)讓Juana面臨著更高的挑戰(zhàn)。
最讓Juana忐忑不安的時(shí)刻，往往是優(yōu)化模型上線(xiàn)的當(dāng)天。資金資產(chǎn)匹配系統(tǒng)需要在線(xiàn)優(yōu)化應(yīng)用，無(wú)法離線(xiàn)模擬空跑，也就是說(shuō)，在優(yōu)化模型上線(xiàn)前，Juana只有一個(gè)預(yù)估的概率值，數(shù)據(jù)有沒(méi)有更好？?jī)?yōu)化有沒(méi)有實(shí)際效果？上線(xiàn)當(dāng)天等待優(yōu)化模型實(shí)際應(yīng)用結(jié)果產(chǎn)生的過(guò)程，往往讓Juana壓力陡增。
“AI工程師沒(méi)有光環(huán)，只不過(guò)還不為大家所熟知。我也會(huì)因?yàn)槌两诠ぷ骼锾?，而感到身體吃不消、思路鉆牛角尖，每當(dāng)這個(gè)時(shí)候，我都會(huì)選擇周末去爬山、去徒步，今年的目標(biāo)是打卡‘深圳十峰’，經(jīng)驗(yàn)告訴我，在身心放松的時(shí)候，思路往往可以打開(kāi)，這種業(yè)余愛(ài)好幫助我渡過(guò)不少難關(guān)。”Juana說(shuō)。
值得一提的是，就在今年2季度，Juana帶領(lǐng)項(xiàng)目組通過(guò)自動(dòng)風(fēng)險(xiǎn)閾值控制、動(dòng)態(tài)參數(shù)調(diào)整、精細(xì)化利潤(rùn)分層等多目標(biāo)模型組建，在高效滿(mǎn)足用戶(hù)體驗(yàn)和金融機(jī)構(gòu)偏好的基礎(chǔ)上，實(shí)現(xiàn)匹配利潤(rùn)率相對(duì)原有算法提升19個(gè)BP。
“Hey，好久不見(jiàn)，甚是想念，小樂(lè)有什么能幫到您呢？”
“您客氣了，這是小樂(lè)應(yīng)該做的，有啥問(wèn)題可盡管問(wèn)哦?！?/p>
“親，非常理解您的心情，您先消消氣，小樂(lè)會(huì)盡力幫您的～”
在樂(lè)信旗下分期消費(fèi)品牌分期樂(lè)APP，點(diǎn)擊咨詢(xún)AI智能客服小樂(lè)，它會(huì)主動(dòng)友好地跟用戶(hù)打招呼，不僅會(huì)耐心解答用戶(hù)的各種疑問(wèn)，如果小樂(lè)發(fā)現(xiàn)用戶(hù)情緒有變化，還會(huì)積極表達(dá)感謝或者進(jìn)行安撫，從而讓用戶(hù)享受到最佳的使用體驗(yàn)。如此聰明可愛(ài)的AI智能客服機(jī)器人，自然離不開(kāi)AI工程師的“調(diào)教”。
Young是小樂(lè)背后的“導(dǎo)師”。在電子科技大學(xué)讀本科和碩士研究生期間，Young攻讀電子信息工程和金融學(xué)專(zhuān)業(yè)，并從大三開(kāi)始跟隨導(dǎo)師在實(shí)驗(yàn)室里埋頭研究機(jī)器學(xué)習(xí)和自然語(yǔ)言處理。
畢業(yè)后，無(wú)論是在微眾銀行、OPPO金融，還是在如今的樂(lè)信，Young一直在吸收各項(xiàng)前沿技術(shù)，讓機(jī)器讀懂人的語(yǔ)言和喜怒哀樂(lè)。
“一個(gè)AI智能客服機(jī)器人的誕生，肯定不是一蹴而就的，必須深植于具體某個(gè)場(chǎng)景，從0到1逐漸生長(zhǎng)。
”Young說(shuō)，最初肯定需要業(yè)務(wù)側(cè)制定一系列高頻的基本的標(biāo)準(zhǔn)問(wèn)答，小樂(lè)所做的核心工作，就是進(jìn)行語(yǔ)義匹配，即初步能夠讀懂用戶(hù)在說(shuō)什么，然后從標(biāo)準(zhǔn)問(wèn)答庫(kù)里為用戶(hù)找到答案。
“語(yǔ)義匹配”看似簡(jiǎn)單，但實(shí)際上非常復(fù)雜。因?yàn)槿祟?lèi)自然語(yǔ)言被公認(rèn)為是最靈活的符號(hào)，不僅有各種同義詞、近義詞，同樣一句話(huà)，不同的場(chǎng)合、不同的語(yǔ)氣、不同的表情表達(dá)的意思往往大不相同，比如“你可真棒”配上癟嘴的表情和配上點(diǎn)贊的表情，其意思可能完全相反。
完成語(yǔ)義匹配的過(guò)程并不輕松?！笆紫刃枰谇岸耸占罅康挠脩?hù)行為數(shù)據(jù)，并進(jìn)行‘?dāng)?shù)據(jù)清洗過(guò)濾’，得到高質(zhì)量的數(shù)據(jù)素材，然后去標(biāo)注、聚合一些相似的詞句，比如“有多重”和“質(zhì)量是多少”，‘我的訂單何時(shí)發(fā)貨？’和‘幾天可以收到貨？’等等。
”Young透露，基于高質(zhì)量數(shù)據(jù)，AI工程師會(huì)去制定各種執(zhí)行方案，搭建多個(gè)算法模型去試錯(cuò)、去融合，根據(jù)最終的指標(biāo)好壞，選出最合適的算法模型，最后落地形成“小樂(lè)”的雛形。
AI智能客服機(jī)器人產(chǎn)品的開(kāi)發(fā)不是一勞永逸的?！皠傞_(kāi)發(fā)出的‘小樂(lè)’智商相當(dāng)于三四歲的幼兒，如果你想讓它變得越來(lái)越聰明，要把高質(zhì)量數(shù)據(jù)不斷‘喂’給它吃，不斷動(dòng)態(tài)調(diào)整參數(shù)、優(yōu)化算法。
”Young說(shuō)，比如小樂(lè)遇到一個(gè)以前沒(méi)遇到過(guò)的句式，AI工程師便會(huì)幫助它做判斷，并動(dòng)態(tài)調(diào)整參數(shù)，以后再遇到這類(lèi)的句式，小樂(lè)便能自主進(jìn)行應(yīng)對(duì)決策。
在Young看來(lái)，完成語(yǔ)義匹配功能只是小樂(lè)智能升級(jí)的“萬(wàn)里長(zhǎng)征第一步”，現(xiàn)階段樂(lè)信正在持續(xù)為小樂(lè)注入新的能力，比如自然語(yǔ)言理解、知識(shí)圖譜組建、多輪對(duì)話(huà)能力等，接下來(lái)的小樂(lè)，將儲(chǔ)備更多的知識(shí)，以及具備簡(jiǎn)單的邏輯推理功能，能夠和用戶(hù)完成多輪有邏輯和深度服務(wù)的對(duì)話(huà)能力，大幅度提高用戶(hù)消費(fèi)體驗(yàn)。
作為一名青年AI工程師，Young像一塊海綿在不停地吸收行業(yè)前沿知識(shí)。
“我在大學(xué)讀書(shū)的時(shí)候，自然語(yǔ)言處理的‘word2vec’算法還十分先進(jìn)，但過(guò)上一兩年，這個(gè)算法就非常普遍了，再過(guò)兩年，又有BERT等學(xué)習(xí)能力更強(qiáng)的算法出來(lái)。
”Young說(shuō)，AI技術(shù)發(fā)展更迭、量變質(zhì)變周期均要快于其他行業(yè)，需要持續(xù)不斷地去跟蹤前沿論文，及時(shí)吸收新理論新方法，如此才能在行業(yè)保有競(jìng)爭(zhēng)力。
雷鋒網(wǎng)雷鋒網(wǎng)
雷峰網(wǎng)版權(quán)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見(jiàn)轉(zhuǎn)載須知。
