大公產品

首頁 > 文章 > 正文

港科大教授打造AI金融「先知」

時間:2016-07-28 03:16:40來源:大公網

  圖:香港科技大學計算機與工程系主任楊強 資料圖片

  「AlphaGo」將人工智能(AI)推到了全世界的聚光燈下,不過,由於技術要求過硬且嚴重依賴大數據,AI研究「准入門檻」很高。為解決這一問題,全球首位躋身美國人工智能協會院士的華人科學家、香港科技大學計算機與工程系主任楊強與他的學生戴文淵合力於日前上線了一款全新的AI平台「先知」,讓AI對大數據「脫敏」,更讓使用者可以在1到2個月內成為數據科學家。目前,該平台主要的客戶來自金融領域,主要應用在信用卡分期、風控、精準營銷等業務。

  「先知」作為人工智能應用者開發平台,同時也是人工智能的算法開發平台,聚合了最先進的AI技術和平台級的產品形態。「先知」既能解決人工智能行業人才門檻高的問題,又可以為不同行業量身打造定製化的人工智能解決方案,從而推動人工智能在不同行業的普及。

  「讓自己的科學家失業」

  據了解,目前,培養一個合格的AI人才不僅需要6-10年時間。先知平台設置了參數自動化的算法,降低了人工參與的特徵工程和模型訓練過程,還能提供自動或半自動的特徵工程、模型選擇調參工具,降低了對數據科學家的依賴,把過去需要頂尖數據科學家3-6個月才能完成的工作量縮短到幾天,從而實現效率和業務貢獻率雙向快速增長。戴文淵因此開玩笑說:「我們的願景就是讓我們自己的科學家失業。」

  目前大部分人工智能,從搜索引擎、網購推薦到語音識別、無人駕駛,都依靠「深度學習」,即搭建多層的人工神經網絡,依靠通過輸入大數據來訓練。以最為人們熟悉的深度學習案例─戰勝李世石的alphago為例,事實上,alphago是個「笨小孩」,為了「學會」圍棋,它觀摩和訓練的棋局以千萬計─人們上網對弈的無數棋局正是人工智能的「啟蒙教材」。

  深度學習數據需求量太大的缺點十分明顯。有網友曾開玩笑要和alphago比拼麻將,而這恰恰戳中了它的軟肋:因為alphago不能直接將圍棋經驗應用到麻將上,它要學會打麻將,必須輸入新的數據重新開始學習。

  對此,楊強提出,遷移學習才是人工智能的發展方向,以「小數據」為方向的遷移學習一定程度上可以讓AI對大數據「脫敏」,它能讓強化學習系統把基礎建立在已習得的知識上,而不用每次都從頭開始訓練。楊強舉例說,網店銷售新的糕點時由於缺乏新糕點的數據,因而難以對用戶進行推薦,但如果系統擁有其他與糕點相關的領域,例如飲料方面的模型,就可以把飲料的推薦模型遷移到糕點的領域,而不需要重新收集糕點相關的數據。

  推算5000萬標籤助貸款決策

  先知平台正應用了遷移學習。以金融領域為例,在貸款方面,大額貸款的樣本非常少,無法做對應的模型。通過遷移學習,可以把小額貸款的大量數據產生的模型,遷移到大額貸款的少數樣本上,取得了非常大的成功。又如,一些金融企業尚未構建起基於大數據分析進行信用卡定價的能力,先知平台可以通過銀行內部和第三方徵信機構提供的老顧客的消費特徵和信用習慣數據,例如:年齡、教育程度、消費品類等,推算出大約5000萬個標籤作為參考值,每當新用戶來貸款,系統就會用這些標籤與他的個人信息做比對,預測他的風險等級,並做出差異化的定價。

  楊強表示,要讓遷移學習最終普惠大眾還有不少問題要解決,例如如何衡量兩個領域遠近的標準,如何形成一個理論模型,在運用這項技術時到底去除哪部分保留哪部分,他表示,這也是接下來要努力的方向。

最新要聞

最新要聞

最受歡迎