6月5日下午消息,由途牛網(wǎng)舉辦的2015紫金之巔互聯(lián)網(wǎng)高峰論壇在南京拉開帷幕。宜信CTO張小沛作了《大數(shù)據(jù)金融云》的演講,她的核心觀點是:互聯(lián)網(wǎng)金融未來的趨勢為服務(wù)化、場景化和云端化。
紙牌屋不是大數(shù)據(jù)算出來的
“我今天想從從業(yè)者角度宜信在這段時間做的事。”這是CTO張小沛在會場上的開場白。
宜信CTO張小沛
她笑稱自己是金融界的小白,因為她之前做的主要是互聯(lián)網(wǎng)領(lǐng)域的數(shù)據(jù)挖掘工作,“跟金融不沾邊”。加入宜信后,很多同事對金融非常了解,所以會 “有很多碰撞和爭吵,但最后還是碰撞出了一些非常有意思的東西”。 張小沛表示。
由于從事大數(shù)據(jù)研究多年,張小沛對大數(shù)據(jù)有自己的看法。“十幾年在微軟做大數(shù)據(jù)的時候,是做精準(zhǔn)廣告,當(dāng)時絕對沒有想到十幾年之后大數(shù)據(jù)會這么火”目前“懂得的人和不懂得的人都在談”。
大數(shù)據(jù)在互聯(lián)網(wǎng)領(lǐng)域有哪些應(yīng)用?張小沛介紹了HULU、NETFLIX和amazon的例子。張小沛認為“這三家公司在技術(shù)層面上的大數(shù)據(jù)應(yīng)用有一個共同點,就是他們都在做智能系統(tǒng)的個性化推薦。
張小沛回憶“我加入HULU的時候,每個月大概五千萬活躍用戶,整個HULU所有的流量大概不到30%是從推薦引擎推出來的,在美國被罵不夠精準(zhǔn)。”而“離開HULU時,我有一個團隊五個編輯做推薦引擎,很多推薦版面是靠大數(shù)據(jù)推算出來的,不需要人工,結(jié)果有的人就失業(yè)了。”后來HULU靠大數(shù)據(jù)的推薦引擎,流量可以達到近70%。
美國的亞馬遜很看重流量和轉(zhuǎn)化。2008年時,亞馬遜當(dāng)時是美國流量非常大的公司,其中有30%的交易也從推薦引擎算出來的。
今天淘寶、優(yōu)酷等,后面都有推進引擎。張小沛認為:推薦系統(tǒng)是大數(shù)據(jù)非常典型的應(yīng)用。她表示“在HULU、在亞馬遜、在NETFLIX,很多小懲辦的制作劇,包括上小成本的制作劇,是用大數(shù)據(jù)算出來的,紙牌屋不是大數(shù)據(jù)算出來。”
互聯(lián)網(wǎng)金融發(fā)展的關(guān)鍵是服務(wù)化、場景化和云端化
在宜信一年半左右的時間里,張小沛表示思考碰撞的階段性成果就是對互聯(lián)網(wǎng)金融發(fā)展趨勢的思考。她認為:互聯(lián)網(wǎng)金融發(fā)展的關(guān)鍵是服務(wù)化、場景化和云端化。
她分享了一個概念,“借貸不只是一個產(chǎn)品、一個網(wǎng)站、還可以是一種能力或一個服務(wù)”,此外消費金融的場景化也是趨勢。
張小沛以主辦方途牛的場景化作為案例88。“今天是途牛的主場,很多人上途牛定一個策略,去馬爾代夫一萬元,有些人可以付得起,有些人付不起,是否可以給我做一個消費金融的分期,這時你幫助途牛做轉(zhuǎn)化,既可以讓用戶享受金融服務(wù),也可以完成服務(wù)。”
而潛入別人家場景的方式需要“云+端“,也就是云計算。其中,“端是指很多完成動作的場景“可以是手機。而場景本身是在端體現(xiàn)的,服務(wù)本身是云和端共同完成的,因此通過”云+端合作共同完成金融場景。
宜信的互聯(lián)網(wǎng)金融成果就是宜信的大數(shù)據(jù)金融云。它是一個開放的生態(tài)系統(tǒng)。通過在互聯(lián)網(wǎng)金融領(lǐng)域做封裝和開放,根據(jù)互聯(lián)網(wǎng)金融的趨勢,得到更多的數(shù)據(jù)并實現(xiàn)精準(zhǔn)化的系統(tǒng)推薦。
目前宜信金融云是一個三位一體的金融服務(wù)生態(tài)體系,包括指旺移動APP,可以理財姨搜,以及基于場景的實時授信。
宜信的移動理財產(chǎn)品指旺,就是一款基于推薦系統(tǒng)的智能移動理財平臺,目前有5億銷售額,近40萬用戶。該產(chǎn)品就是基于用戶的狀態(tài)進行推薦,并且該產(chǎn)品會根據(jù)交易時間規(guī)律做推薦,從而增加轉(zhuǎn)化率。
也就是說,每個人在“指旺看到的東西是不一樣的。“該產(chǎn)品會“根據(jù)用戶的重復(fù)購買經(jīng)驗和產(chǎn)品做不同的產(chǎn)品件。”張小沛表示。
好文章,需要你的鼓勵
新加坡國立大學(xué)研究團隊開發(fā)了SPIRAL框架,通過讓AI與自己對弈零和游戲來提升推理能力。實驗顯示,僅訓(xùn)練AI玩簡單撲克游戲就能讓其數(shù)學(xué)推理能力提升8.6%,通用推理提升8.4%,且無需任何數(shù)學(xué)題目作為訓(xùn)練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉(zhuǎn)移到數(shù)學(xué)解題中,為AI訓(xùn)練提供了新思路。
同濟大學(xué)團隊開發(fā)的GIGA-ToF技術(shù)通過融合多幀圖像的"圖結(jié)構(gòu)"信息,創(chuàng)新性地解決了3D相機噪聲問題。該技術(shù)利用圖像間的不變幾何關(guān)系,結(jié)合深度學(xué)習(xí)和數(shù)學(xué)優(yōu)化方法,在合成數(shù)據(jù)集上實現(xiàn)37.9%的精度提升,并在真實設(shè)備上展現(xiàn)出色泛化能力,為機器人、AR和自動駕駛等領(lǐng)域提供更可靠的3D視覺解決方案。
伊利諾伊大學(xué)研究團隊通過對比實驗發(fā)現(xiàn),經(jīng)過強化學(xué)習(xí)訓(xùn)練的視覺語言模型雖然表現(xiàn)出"頓悟時刻"現(xiàn)象,但這些自我糾錯行為并不能實際提升推理準(zhǔn)確率。研究揭示了AI模型存在"生成-驗證差距",即生成答案的能力強于驗證答案質(zhì)量的能力,且模型在自我驗證時無法有效利用視覺信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過動態(tài)稀疏性實現(xiàn)大語言模型訓(xùn)練加速1.6倍,計算成本降低2.2倍。該方法使用SVD稀疏性估計器智能選擇重要計算部分,在保持模型性能的同時顯著提升訓(xùn)練效率,已在多個任務(wù)上驗證有效性。