第四范式柴亦飞低门槛的AI平台正在成为一种趋势

做AI驱动的公司,还是做驱动AI的公司,这是一个问题。

所谓AI驱动的公司,指的是某个或者某些业务通过AI赋能,业绩大幅提升的公司,比如各大金融机构、大型医疗企业等AI+公司;而所谓驱动AI的公司,是以提供AI技术或者服务为生,提高企业智能化比例的公司,也可称为人工智能技术与服务提供商。

汛情应对不仅影响到国家经济发展大局,更关系到人民生命财产安全。6月份以来我国南方地区降水总量多、局部地区强度大,数百条河流发生超警以上洪水,形势十分严峻。

乌迪内斯(3-5-2):1-穆索/5-埃孔,50-罗德里戈-贝康,17-纳伊廷克/18-特阿维斯特(78’萨米尔),10-德保罗,6-福法纳,12-塞马,77-齐格拉尔(69’拉森)/30-内斯托罗夫斯基,7-奥卡卡

作为防汛工作的重要决策方式,这里的会商也直接联系着千里外的防汛抗洪工作。此时,水利部多位负责人正带着工作组分赴安徽、江苏、河南等地督导检查水旱灾害防御工作。

银行也正在面临着非常复杂的竞争局势。不仅仅是同业的银行想要“争地盘”,甚至要与互联网公司、金融科技公司等互相博弈。现在大部分用户已经不去线下网点了,如何投身于互联网大潮,争夺线上“蛋糕”成为首要目标。用户在线上的行为、兴趣点、使用时长、消费场景等信息的授权获取,数据又如何转化成实实在在的业务价值,是当下所有银行都在思考的问题。

近两年,我们发现银行等金融客户的需求有了一些新的变化。

“马上进入‘七下八上’的防汛关键阶段了,我们要时刻警惕,防患于未然,为确保人民生命财产安全提供周密保障服务!”王为说。

开场4分钟,贝尔纳代斯基右侧回敲,C罗禁区前沿转身左脚抽射被穆索没收。尤文4分钟后险些失球!塞马左路传中,达尼洛前点头球解围击中远门柱!

上半时乌迪内斯仅1次射正。下半时开始116秒,福法纳右路直传禁区,内斯托罗夫斯基在门前10米处斜射被斯琴斯尼没收。达尼洛反击传球,C罗禁区右侧踩单车回做,迪巴拉在门前16米处左脚推射偏出左门柱。

随着人工智能服务提供商快速的“攻城略地”,受AI驱动的公司越来越多。但仍有大量企业没有接触或者还未深入应用人工智能,根据麻省理工学院(MIT)访问学者李大维的一份报告,只有32%的中国企业在数据和商业应用方面应用人工智能。智能化之路任重道远。

上面我们提到AI的规模化需要让非机器学习背景的业务人员或者是开发者也能开发AI应用。然而JAVA工程师会说没办法做到,因为人工智能太难了。这也是为什么我们投入非常多的精力与时间去降低AI平台的使用门槛,目前开发者在经过简单学习后,也能在我们的平台上构建足够好的AI模型。

水利部水旱灾害防御司技术信息处处长王为几乎每天都参加会商。他说,上班后首先要了解各地动态,为会商做准备。

“大众化”的三种方法

随着一些传统的线下信贷转变成了线上的信贷业务,风控的业务越来越复杂,数据复杂度和场景复杂度都在提升。而智能风控对于复杂多变的场景有很强的模型精准度,优势也越来越明显。

目前,阻碍众多企业进一步智能化的的因素在于,AI系统或者平台的使用门槛过高。如何将AI的使用门槛降低,让更大范围的人群也能接触和使用AI,成为人工智能技术与服务提供商以及需要AI赋能业务的企业绕不开的一个难题。

在选择做「AI应用」,还是做其背后的「AI平台」之间,第四范式选择了「AI平台」,将目标客户定位在那些需要通过AI实现智能化转型的企业。企业客户可以在我们的「AI平台」上,自己造出10个、100个甚至1000个「AI应用」。

“经过会商确定的方案是很慎重的,但一旦确定下来,下发地方、部署落实也很迅速。”王为说,异地视频连线、下发通知都是常用的处理方式。最近长江、太湖流域汛情紧张,与水利部长江水利委员会和太湖流域管理局等的视频连线就比较多。

现在,人们从怀疑AI是否真的有价值,转而思考AI提供的价值是否能给企业业务带来质的飞跃。

雷锋网原创文章,。详情见转载须知。

“长江上游的降雨怎么样?再多看一天预测!”

第四范式希望以一个低门槛、低代价的AI平台,让没有机器学习背景的人也能开发AI模型,帮助企业客户在更多重要场景上做AI应用尝试。实际上,这种设想已经在很多大型银行里真实落地,而且越来越受市场欢迎,这是我们近来发现的一个新变化。

15日下午5点多,北京市西城区白广路二条2号院,水利部所在地。在国家水工程调度指挥中心,20多双眼睛聚精会神地看向水情会商系统。

一直以来,AI一直由学过建模的专业数据科学家来操作,门槛很高,极大地影响了AI的产能。而随着AI在金融机构的普及和规模化应用,头部银行开始希望熟悉业务、但没有学过建模的非计算机专业的员工,也能操作我们的AI平台来开发AI应用。

十倍增效的「AI方法论」

银行的AI“新需求”

最后,是成本的门槛。顶尖的互联网公司,每年都需要有很多服务器来支撑AI业务,甚至会花费上百亿,但很少有公司能够承受这么大的成本。AI是硬件和软件深度融合的体系,我们发现采用软件定义算力的方式,不止性能会提高,成本也会大幅降低。

对此,雷锋网「AI金融评论」采访了人工智能技术与服务提供商——第四范式合伙人/副总裁柴亦飞,他向我们讲述了AI在金融领域的落地情况和近期AI在金融方向的一些行业动态。

当然,降低企业客户使用AI的门槛,绝非易事,需要多种方案齐头并进。

拉比奥右路传球,C罗带球内切距门28米处左脚低射被穆索没收。尤文第42分钟取得领先!迪巴拉分球,拉比奥左侧挑传禁区被顶出,德利赫特右肋断球距门22米处大力低射直窜左下角,1比0。

“滚动预报要滚起来,关键时期每两个小时都要有新材料!”

“长江中下游干流水位在缓慢回落,退水期不能出事,要给应急管理部通报一下预报情况,建议提前准备!”

14日的会商预报太行山区可能出现局部强降雨,发生山洪灾害和中小河流陡涨洪水的风险高。会商后,水利部迅速与河北省水利厅进行了视频连线,要求做好山洪灾害防御、水库安全度汛和中小河流洪水防范。

以下为柴亦飞的口述:

马图伊迪和道格拉斯-科斯塔出场,换下拉姆塞和贝尔纳代斯基。迪巴拉分球,再接应阿莱士-桑德罗左路传中,在门前22米处左脚弧线球被穆索飞身没收。夸德拉多换下达尼洛。C罗、迪巴拉、阿莱士-桑德罗连续远射偏出。乌迪内斯补时第2分钟上演绝杀!罗德里戈-贝康后场争顶,福法纳中线拿球连突阿莱士-桑德罗和德利赫特,在门前13米处左脚推射入网,2比1。

尤文图斯(4-3-3):1-斯琴斯尼/13-达尼洛(75’夸德拉多),24-鲁加尼,4-德利赫特,12-阿莱士-桑德罗/8-拉姆塞(60’马图伊迪),30-本坦库尔,25-拉比奥/33-贝尔纳代斯基(60’道格拉斯-科斯塔),10-迪巴拉,7-C罗

乌迪内斯第52分钟追平!塞马左路传中,内斯托罗夫斯基后点距门7米处冲顶入左下角,1比1。

随着大屏幕不断滚动,水文情报预报、水旱灾害防御等人员认真汇报着各自掌握到的防汛情况。

在这个过程中,利用人工智能技术,可以对用户数据进行分析与挖掘,建立超高维模型,实现对每一个目标用户的精准刻画,提升其线上体验。这与以往传统的BI模型通过标签将用户进行简单分类的方式截然不同。

“通过会商,我们能快速了解气象、水情、地方防御动态等各方面情况,很多重要部署都在讨论中确定下来。”王为举例说,水利部每次调整水旱灾害防御应急响应都是通过会商决定的,并以此为依据,合理调整防汛工作力度。

目前,很多银行在智能营销、智能风控等领域已经展开了诸多探索和落地,AI正在进入一个比较成熟的应用阶段。

近几年,一些银行开始做智能风控场景,以交易反欺诈、申请反欺诈的业务为例,效果也很喜人。在反欺诈这一领域,做得优秀的银行比不太重视的银行水平要高出很多。而过去在反欺诈领域做得好的银行,他们的反欺诈系统应用了人工智能之后,效率提升能达数十倍,最终给业务带来了质的改变。

比如在金融机构,前些年,大家应用AI比较多的是传统的营销场景,即通过短信、电话进行精准的理财产品推荐与营销。一些营销类的场景在应用AI之后,成功率/转化率能能提高10%到500%。

银行的“思”与“变”

“太湖可能会超保,一定要想得充分一些!”

进入汛期,水利部对水工程的科学调度、地方防汛工作的督导等会商都在国家水工程调度指挥中心进行。

尤文角球被破坏,拉姆塞在门前21米处凌空抽射被顶出,迪巴拉禁区弧顶胸部停球左脚凌空抽射被穆索托出横梁。迪巴拉右肋传球,C罗禁区弧顶转身弧线球偏出右门柱。德保罗禁区左侧突破遇阻倒地,内斯托罗夫斯基在门前13米处左脚射门被德利赫特封堵,塞马左侧小角度抽射被斯琴斯尼没收。

“淮河水情与前几天会商形势有些不同,要按照最恶劣的可能进行准备,赶紧提醒淮河水利委员会、河南、安徽、江苏三省水利厅!”

这是水利部正在进行的一次防汛抗洪会商,也是近段时间以来在这个会商室每天上演的场景。

来自一线的最新情况,也将为水情会商提供更精准的指导。

此前,金融机构会比较在意我们提供的AI系统的功能和效果,现在他们也关注它的使用门槛。

对金融机构来说,用户留在机构内的相关数据将是极具价值以及区分度的信息。利用人工智能等手段对客户进行精细地刻画,进而采取差异化、“千人千面”的行动,实现多业务、跨场景、全链路的精准营销和运营,与客户建立更深刻的联系,正在成为金融机构的主要发力点。

对于为金融机构提供AI服务的企业而言,有的在做定制化的服务,有的专注于标准化产品的开发。第四范式目前除了AI平台的工作之外,也对一些AI落地方法论十分关注,包括如何推动银行建设更底层的AI基础设施、如何提高数据管理和治理体系的效率等,这方面的工作可能比我们上线一两个AI的场景应用,价值更大。(雷锋网(公众号:雷锋网)、雷锋网)

其次,是数据的门槛。现今很多企业都存有一定的数据,而这些数据是通过BI(商业智能)的方式收集的。BI以图形和报表的形式呈现,是给决策层的管理者看的,不能简单地直接用于AI。但是客户或者一些帮客户做AI应用的公司,本身没有太重视这个问题。最终,在线下用离线数据建造的模型效果很好,但是上线后,常常出现各种问题,这是因为AI不同于BI,需要大量完整的、形成闭环的数据,因此构建一个专门的面向AI的数据治理体系,也是十分重要的。

随着当前防汛进入关键时期,国家水工程调度指挥中心的会商也按下了“快进键”,防汛抗洪工作开始了“白加黑”的加班模式。

第四范式基于自动机器学习技术(AutoML)将机器学习建模的过程自动化,相比原来靠建模科学家「手动建模」,AutoML让机器自动建模、迭代,跑出效果。根据模型AUC指标,我们发现AutoML的建模效果,并不比人工建模的差,甚至比专业的建模科学家做的还有提升。此外,自动化也节省了大量开发时间,比如某客户在做高危客户流失预警模型时,只要用原来1/40的时间就能跑出模型。

“3月入汛以来,我们开始进行会商,到了5月份,每天都要会商。有时候防汛形势比较严峻,当天会进行多次会商。”水利部水文情报预报中心主任孙春鹏说,他们轮流24小时值班,密切监测雨水情,滚动开展预测预报,为洪水防御提供决策依据。

会商室也是连线其他部门、各地水利部门和各流域管理机构的重要场所。

首先,是人才的门槛,这是企业在AI应用中面临的普遍问题。现在我们看到大部分银行不会只投入一两个AI应用,他们有几十个甚至上百个AI应用的需求,但核心问题是,这些AI应用需要数据科学来构建,但传统企业并没有足够的AI人才。去年Gartner在AI应用现状调查报告中也提到,AI人才的匮乏,是目前企业进军AI的首要挑战。