香港科技大學 人工智能：大數據經營與未來20160324

人工智能：

——

大數據、經營與未來March

25,2016戴文淵香港科技大學人工智能中心副主任第四范式創(chuàng)始人人工智能源起來自…圖靈測試“機器有思維嗎?"圖靈測試:50-60年代：智能來自…模仿人類（神經網絡）1965年，HilbertSimon：“二十年內，機器將能完成人能做到的一切工作?！?/p>

1970年，MarvinMinsky：“在三到八年的時間里我們將得到一臺具有人類平均智能的機器。”70-80年代：智能來自…專家90年代：智能來自…計算能力vs00年代：智能來自…模仿人類（深度學習）機器學習時代：人工智能來自…機器學習+大數據機器學習大數據人工智能輸入輸出人工智能技術：事無巨細人工智能技術——事無巨細對樣本進行抽樣無法吸收低飽和、噪音數據僅使用最具區(qū)分度的統(tǒng)計信息規(guī)則數量有限(10~1000)全樣本集充分開發(fā)日益豐富的大數據吸收、融合不同來源的數據微觀級的事物描述(109~1012)傳統(tǒng)大數據分析思路——抓大放小核心優(yōu)勢：

可支持萬億級規(guī)模的離散化特征量 -例如每一個卡號、每一個MCCID都可以作為特征

可支持各類細分業(yè)務場景 -例如特征從周期內消費金額細化為按MCCID及各屬性統(tǒng)計周期內消費金額

可支持時間序列特征 -最近三次消費商戶是母嬰店、房產中介和婦產科醫(yī)院的人是不是更可能近期辦汽車貸款？對每天數十萬的信用卡交易，實時向有需求的客戶發(fā)送交易分期營銷短信，客戶回復短信即刻辦理優(yōu)化目標：提升短信營銷響應率和手續(xù)費收入效果：手續(xù)費+61%

響應率+68%注：同等短信發(fā)送比例下案例：信用卡交易分期精準營銷AI模型專家模型機器自動生成依賴專家50,000,000條規(guī)則幾百條規(guī)則迭代自學習(自動修正錯誤)需要人工修正錯誤易擴展新特征擴展代價大靈活控制短信數短信數量不容易控制收入提升60%+等短信發(fā)送比例下：多定位68.6%的分期交易提升手續(xù)費收入61.7%節(jié)約短信資源投入對21%的可分期交易發(fā)送短信即可覆蓋91%的分期手續(xù)費原策略為33%的發(fā)送比例覆蓋約54%手續(xù)費更精細化以交易金額為例，模型可準確覆蓋更多低消費交易的分期需求。模型結果中，千元以下分期交易占比12%，基線結果中僅為2%交易分期——應用效果有意義的大數據…從目標出發(fā)

10目標標簽數據系統(tǒng)目標模型數據系統(tǒng)核心業(yè)務傳統(tǒng)思路：過程驅動業(yè)務運營需要哪些系統(tǒng)這些系統(tǒng)產生哪些數據這些數據分析出哪些標簽這些標簽用于哪些業(yè)務場景AI新思路：目標驅動希望優(yōu)化哪些業(yè)務目標這些目標需要建立哪些模型這些模型需要哪些數據這些數據產生于哪些系統(tǒng)新問題的解決依賴于路思轉變

業(yè)務理解以短信發(fā)送為渠道，優(yōu)化短信發(fā)送效率，提升交易分期收入

優(yōu)化目標交易分期收入=短信發(fā)送量*短信響應率*分期費率

數據建模

模型應用優(yōu)化接受率：“預估響應率”>閾值，則發(fā)送短信優(yōu)化收入：“預估響應率”*分期費率>閾值，則發(fā)送短信1234交易分期——從業(yè)務目標，到數據模型短信響應預估模型（深度學習）數據（40,000,000+，2TB）特征（50,000,000+）SMS營銷記錄賬戶信息持卡人信息信用卡信息交易信息交易分期——尋找合適的數據Prediction預測未來的能力ABILITYARTIFICIAL

INTELLIGIENCEData

Integration數據、知識的整合的集成與融合Lifelong

Learning終身學習/details.php?gid=&sgid=&pid=1521PREDICTION對未來的預測能力從何而來我們提供的能力搜索引擎風險管控推薦引擎產品定價精準營銷客戶運營細、快、變的預測能力我們認為在通過機器學習+大數據實現業(yè)務價值必須掌握三大能力實現數據價值的三大核心能力細快變使用全量數據而非抽樣統(tǒng)計，運用千萬級海量特征來實現真正個性化、真正細分場景化在瞬息萬變的環(huán)境中快速識別任何稍縱即逝的機會，并完成實時決策應對從日新月異的環(huán)境中不斷自學習，及時自修正形成閉環(huán)，持續(xù)適應外部變化傳統(tǒng)客戶觸達互聯網客戶觸達有意愿的用戶無意愿的用戶傳統(tǒng)客戶觸達用少量特征將用戶較為粗放的劃分到少量類別中，每個類別中的用戶被認為有相似的屬性和相同的意愿，丟失了對每個用戶的個性化描繪，準確性有限。同時也無法覆蓋到部分客群中的個性化用戶。大數據機器學習模型，基于日益豐富的海量數據樣本，和千萬以上量級數據特征，將用戶細分到微觀粒度，對每個用戶做精細的個性化描述，直接定位到每個有意愿的用戶，更精準，更全面。傳統(tǒng)行業(yè)VS互聯網個性化和微觀業(yè)務場景的分析和預測能力對比數據變現的三種核心能力細快變在千萬量級微信公眾號客戶中，挖掘近期有購車意向的客戶，通過微信營銷購車分期業(yè)務。客戶可點擊其中鏈接提交申請。優(yōu)化目標：提升微信營銷響應率效果：營銷響應率200%~300%注：提升幅度視具體車型有所差別預估分值越高的客群，響應率越高——可根據需求靈活控制營銷人數經典案例：汽車分期貸款精準營銷——精準營銷解決方案通過分析歷史辦理賬單分期的數據，選擇出最有可能辦理賬單分期的客戶，有針對性的進行短信/電話營銷。優(yōu)化目標：在外呼數相同的情況下，盡可能改善客戶的響應情況，提升賬單分期的營收效益。效果：營收+14%vs.SAS模型+28%vs.經驗模型

響應率+22%vs.SAS模型+86%vs.經驗模型注：模型評分top10%對比消費金融經典案例：信用卡賬單分期精準營銷——精準營銷解決方案數據變現的三種核心能力細快變企業(yè)需要建立實時或準實時的數據采集傳輸、模型預測和響應決策能力古代驛站傳書時代現代書信時代傳統(tǒng)IT信息化時代移動互聯網時代數據時效：十天半月以上預測和響應決策能力：依賴人工，吞吐量低數據時效：數天預測和響應決策能力：依賴人工，吞吐量低數據時效：T+1預測和響應決策能力：人工+系統(tǒng)有限數據規(guī)模下快速響應數據時效：T+幾分鐘/幾秒鐘預測和響應決策能力：系統(tǒng)自動大數據環(huán)境下的高速吞吐能力數據時效性不斷提高響應速度和決策吞吐能力不斷增強某國內Top互聯網公司廣告投放系統(tǒng)，處理每天PB級別的廣告投放記錄，實時分析客戶需求，對不同客戶展示他們所需要的廣告。優(yōu)化目標：提升廣告點擊率和廣告收入效果：海量數據驅動機器學習模型，4年間累計為公司帶來8倍的收入提升。互聯網領域經典案例：互聯網廣告精準營銷數據變現的三種核心能力細快變歷史數據機器學習數據模型現實樣本預測系統(tǒng)預測結果實際結果反饋模型訓練模型自動基于新樣本數據更新，模型自學習，自適應，自優(yōu)化。支持批量自學習、增量自學習、在線自學習企業(yè)的數據價值實現能力是不斷隨內外部環(huán)境變化快速適應的傳統(tǒng)的決策規(guī)則政策迭代周期：數月、半年甚至一年以上互聯網的決策規(guī)則政策迭代周期：每天、每小時甚至只需每分鐘對千萬量級的銀行儲蓄客戶，基于其資產配置、產品開通、操作習慣、消費記錄等數據，預測其行外資產，用于信用卡額度配置。目標：準確識別客戶實際資產，挖掘客戶信用消費潛力。效果：資產預估誤差<30%，較基線版本>50%的預估誤差，效果提升近50%經典案例：客戶資產預測/details.php?gid=&sgid=&pid=1521INTEGRATION遷移學習幫助信息孤島的融合/details.php?gid=&sgid=&pid=1521LIFELONG

LEARNING終身學習讓智能從不止步以數據智能為核心的業(yè)務系統(tǒng)示例：信用卡交易分期系統(tǒng)以數據智能為核心的業(yè)務系統(tǒng)示例：實時交易反欺詐系統(tǒng)在線預估系統(tǒng)提供在線預估服務，在每筆信用卡交易發(fā)生時，實時預估該筆交易為欺詐交易的概率。如果不能肯定，請求增強驗證系統(tǒng)進一步驗證。4核（可擴展）：200QPS8核（4+4）：實現災備自學習系統(tǒng)模型基于每天新產生的信用卡交易與欺詐判定情況自動更新學習，以優(yōu)化自身效果，適應數據變化。40核（可擴展）：16小時完成2TB數據建模增強驗證系統(tǒng)（遠期目標）根據用戶在交行系統(tǒng)上記錄的特征信息（比如登錄交行客戶端輸入密碼的速度和力度所構成的模式）來讓用戶進行驗證并交由反欺詐在線預估系統(tǒng)進行評估。2