来源：蚂蚁金服    整理：Daniel

转载自：BAT架构（ID：kbcs2019）

蚂蚁金服的同学，虽然暂时听不到财富自由的声音，但是技术底座夯实，还是非常牛逼的。钱财嘛都是浮云，留着青山在，早晚会挣回来的。

这是之前蚂蚁金服技术专家分享的智能中台建设实践，整理出来供大家参考，ppt来自网络，如有侵权请联系删除。

01

AI在蚂蚁金服的应用场景

资料来源：蚂蚁金服

AI在蚂蚁金服的应用场景有：

智能风控。基于深度学习的风险识别与防控。

智能理财。基于金融大数据提供智能、理财策略分析和决策建议。

智能信贷。基于数据隐私加密共享、学习的联合放贷。

智能营销。个性化智能营销决策、提升业务运营效率。

智能保险。智能保险定价、定损、理赔，线上自动化流程管理。

智能客服与助理。一站式金融场景机器人、智能业务决策和执行助理。

02

蚂蚁AI能力大图

资料来源：蚂蚁金服

蚂蚁AI能力大图分成两部分：

场景&行业：智能风控、智能客服助理、智能营销、智能保险、智能信贷、智能理财。

金融大脑：金融知识图谱&NLP、机器人平台、金融信息服务、生物识别、金融视觉平台、金融算法（AutoML ，图推理，隐私保护共享学习，运筹优化，无监督学习，在线学习，强化学习，模型可解释）。

03

理赔宝背后的智能

资料来源：蚂蚁金服

先来了解，理赔业务流程：用户上传->图像识别-> 实体抽取-> 实体匹配-> 系统智能核赔。

理赔宝对比传统流程核赔效率提升5倍以上，主要包含三大核心平台：

感知（金融视觉平台Computer vision）

• 图像分类：区别病历、发票、证明等

• OCR：支持文字、图章识别

• 反欺诈：识别PS图片等

• 数十个图像模型多链路融合决策

NLP&知识图谱（金融知识图谱平台 Financial knowledge graph）

• 健康知识图谱：医院、疾病、科室、手术、保险产品等实体关联

• 亿级节点和边在线实时融合推理

决策算法策略层

• Algorithmic

• decision

04

智能中台的简略框架

资料来源：蚂蚁金服

智能中台从角色上分成：算法研发、数据研发、工程研发。

从架构上分成：模型、研发平台、底层技术。

05

为什么数据底座很重要

资料来源：蚂蚁金服

为什么数据底座很重要？

一、数据处理贯穿模型迭代的始终；

二、 数据和特征决定了机器学习的上限；

三、 数据安全是金融行业生命线。

06

金融智能数据底座的挑战

资料来源：蚂蚁金服

金融智能数据底座的挑战，主要有三方面：

效率

• 存储分散，多次拷贝；滥用批处理；标注效率低

质量

• 标注质量； 数据快速refine

安全

• 标注安全；训练安全

07

数据流转：打通数据闭环，提升流转效率

资料来源：蚂蚁金服

数据闭环主要环节包括：数据采集、数据预处理、数据标注、数据转换、模型训练、业务场景。

治理的准则是：统一存储、统一格式、统一分析、统一编码。

08

数据流转：基于one ID的数据复用

资料来源：蚂蚁金服

基于one ID的数据复用，过程包括：原始数据、标注数据、样本数据、模型数据。

09

智能标注：模型市场赋能标注

资料来源：蚂蚁金服

智能标接入移动、PC各端，把样本输入算法平台，通过自训练模型、通用模型进行标注，包括视频、图像、文本等媒体物料。

10

数据选择：通过主动学习节省90%的标注量

资料来源：蚂蚁金服

通过主动学习节省90%的标注量。

• 主动学习（Active Learning ）是一个迭代过程，不断选择对当前模型效果提升最有效的样本，优先进行标注。

• 分类宝case：约10%的样本达到所有数据的训练效果。

• 能力集成到数据底座，包括基于信息熵的通用选择和算法自定义选择。

11

数据增强：解决样本少或者不均衡的问题

资料来源：蚂蚁金服

1. 复制、翻转、剪切、缩放

2. 高斯噪声、高斯模糊…

3. SMOTE、GAN

例如：Image Smote在具体业务场景上带来3-5%效果提升。

12

智能辅标工具

资料来源：蚂蚁金服

• AntLable 支持视频、图像、语音、文字、地图等内容标注；

• 很多业务场景带来数倍的效率提升；

• 大部分实现基于前端算法，计划开源。

13

智能辅标：倾斜校正、自动贴合+OCR

资料来源：蚂蚁金服

由于实际场景中，拍照都有角度，会造成倾斜、重合等，智能辅标：倾斜校正、自动贴合+OCR，很好的解决了这些问题。

14

智能辅标：图像自动分割

资料来源：蚂蚁金服

识别图像中的目标部分，如文字、商标等，进行自动裁剪分割。

15

智能辅标：视频人物跟踪

资料来源：蚂蚁金服

对视频中的特定人物进行目标跟踪。

16

智能辅标：视频图像对齐

资料来源：蚂蚁金服

视频图像的边界对齐。

17

标注质量：基于数据指标的流程管控体系

资料来源：蚂蚁金服

对于巨量的标注工作，需要有一个流程管控体系。如：标注->检查-->驳回/验收-->训练。结合工具、数据、引擎。

18

标注质量报表

资料来源：蚂蚁金服

对于标准质量，有可视化的报表展示，不断提高标注质量。

19

样本分析

资料来源：蚂蚁金服

对样本进行深入分析。

20

模型效果报表

资料来源：蚂蚁金服

对模型效果报表展示。

21

安全要求和解决思路

资料来源：蚂蚁金服

安全要求包括安全存储、拒绝查看。

通过文件管控，如加密、分割、脱敏、水印等方法进行安全管控。

通过访问控制，如不落库、鉴权、频次、时效等对访问进行管理。

22

安全标注：不落数据标后即焚

资料来源：蚂蚁金服

安全标注主要思路：数据不落库，标注后源数据销毁。

23

安全标注：分割标注

资料来源：蚂蚁金服

安全标注包括：

• 语音、文本、图片。

• 最小化分割。

• 数据脱敏sdk。

24

安全训练

资料来源：蚂蚁金服

安全训练是通过加密标注数据、数据分割、加载到内存、解码合成、训练等流程。

25

数据底座总体功能框架

资料来源：蚂蚁金服

数据底座总体框架包括：平台、产品封装、采集接入、标注、加工数据、能力组件，如上图所示。

蚂蚁金服的金融智能中台，就好比企业的大脑，通过对业务数据抽取、加工、标注、输出，数据反哺业务，形成了数据业务双中台，驱动整个金融科技的发展。

研究一家科技企业，就看它的核心系统建设思想，梧桐一叶而天下知秋，现在你知道蚂蚁金服，为何估值万亿了吧。

公众号作者介绍：我是Daniel，互联网独角兽公司CTO，这是我的公众号，专门研究BAT大厂技术架构、行业动态，希望给你提供有价值的观点。

--END--

关注“BAT架构”，回复：“中台”，即可获取50页阿里中台ppt

一个专门研究BAT大厂技术架构的公号！