国际机器学习大会ICML 2018 于 7 月 10 日在瑞典斯德哥尔摩召开。这场学术大会于1980年首次在匹兹堡举行，今年已是第 35 届，和 NIPS（神经信息处理系统大会）并列为机器学习学术界最*的会议。

有人整理了ICML 2018 收录的论文数量，发现赢家依旧是大家的“老朋友”：前列的均为美国院校，而头把交椅的Google 也有多篇论文收录。目前越来越多来自工业界的研究力量屡屡出席行业*会议，这也表明越来越多的*科技公司愿意在前沿学术学术研究上投入资源。蚂蚁金服也是其中之一。

今年，蚂蚁金服以独立身份参加ICML，为大会奉献了八篇论文，本文将给大家带来分享。

引言

随着机器学习热度的增加和其中“中国力量”的逐渐强大，在各大*会议上有越来越多的中国组织排名靠前，大有争夺头把交椅的势头。

比如，本次ICML，清华大学有 12 篇论文被收录；华裔作者的数量也令人惊讶，如佐治亚理工学院终身副教授、机器学习中心副主任宋乐署名的就有8篇论文。

而宋乐教授的另外一个身份，就是蚂蚁金服人工智能部研究员。

蚂蚁金服成为ICML 上“中国力量”的代表之一，为大会奉献了8篇论文。其中，六篇含金量十足的Oral Paper，成为议程上研讨会的主角，接受与会专家的热烈讨论。

这些论文几乎每篇署名作者都有世界级学术专家。比如人工智能教父，蚂蚁金服科学智囊团主席迈克尔·欧文·乔丹 (Michael I. Jordan)，以及上面提到的佐治亚理工学院机器学习中心副主任，在蚂蚁金服人工智能部担任研究员的宋乐教授等。

不仅如此，蚂蚁金服还在本届大会上展示了多项核心技术和产品：基于强大的深度学习能力开发的定损宝、自研的图结构处理Graph Embedding 技术，以及基于图像处理和自然语言理解技术开发的智能客服等。特别是定损宝，将图像识别技术和车险领域首次结合，每年有望为中国保险公司节约数十亿元人民币成本，备受参与ICML 2018 的业界人士关注。

和*学术界人才深度合作，凸显蚂蚁金服在机器学习方面的能力，而将学术成就快速转化为商业级产品更是证明了蚂蚁金服的的决心——人才的吸引力和学术商用的两手并重，让首次参会的蚂蚁金服就成为了这场*学术会议上的耀眼新星。

用先进的人工智能，解决真实世界难题

深度学习如此热火朝天，最大的原因在于它可以被训练用于解决真实世界的问题。比如社交网络的用户之间存在着多维关系，而地铁线路也存在复杂和不规则的连接。如何将可能有着相同社交圈的用户连接在一起，如何用安排最优的导航路线，在过去靠经验和复杂的计算，在今天需要深度学习。

和社交网络、地铁线路类似，金融数据也是图结构，但又不完全相同。由于蚂蚁金服为上亿级的个人用户提供服务，产生的金融数据从一开始就是海量且极其复杂的。即便是此前最先进的Graph Embedding 技术，处理金融级的图结构仍有压力。（Graph Embedding = 图嵌入向量空间，一种图结构深度学习的方法。）

这成为了学术界和业界所面临的共同难题。

在ICML 2018 上，蚂蚁金服提出了一个新解法，用提交的几篇论文形成一个完整的思路：

首先，蚂蚁金服的研究人员设计了一个新的图形卷积网络模型；然后，他们设计出新的特征传播方法和剪枝技术，让神经网络中不断传递的计算结果越来越准确，消除无用的传递；然后，他们设计了一种对抗攻击的方式以挑战模型，进而提高准确度；最后，研究者整理了之前的思路，再设计出一种能够将研究成果泛化的机制，针对真实世界里不同的问题，快速教育并生成新模型。

这一组六篇论文所提出方法的主要意义，在于处理金融领域的图结构数据时效率很高，显著强于业界之前在Graph Embedding 方面的最优解。这种深度学习处理图结构的方法，在真实世界中可以被用于系统性风险的监测预测，显著降低风控成本，提升系统的安全性——而这正是金融科技企业的立命之本。

蚂蚁金服在ICML 2018 上展示的另一个核心产品定损宝 2.0，背后同样是当前最先进的深度学习技术。它的功能是当发生车辆事故时，用户拍照上传即可快速定损，这一技术可以整合到第三方保险公司的手机应用里。

功能很简单，原理却极其复杂，因为定损的不是保险公司的客服或定损人员，而是深度学习图像处理算法。它首先要找到不起眼的磕碰位置，也就是找到问题在哪里；然后要能够将发现的所有异样结合起来，给出一个综合的定损结果，甚至要能做出小碰小修、大碰换新的建议，也就是需要强大和高弹性的模式识别能力。

让问题复杂化的在于照片本身分多样性。并不是每一张照片都非常标准和清晰，有的太暗，有的因为打了手电筒反而出现强反光，在定损宝里就需要在底层的深度神经网络上设计消噪。

对于蚂蚁金服的世界级研究团队来说，这些难题并非不能解决。去年上线之后，定损宝已经整合到了太平、大地、阳光等保险公司的服务中，在一年时间里节约了定损员75万小时的工作量，人工和系统成本约合20亿元人民币。

定损宝2.0 版本从人工判断全面升级为人工智能定损，缩短了时间并提高了准确率，而且降低了使用者的专业度，车主自己就可以成为定损员。

“为了让普通车主随手拍也能达到专业效果，我们应用了大量新技术，其中专利数就达到了46 项，”蚂蚁金服保险事业群副总裁李冠如表示，这个专利数比 1.0 版多了一倍。

如无意外，定损宝2.0也将全面升级为开放平台，保险公司可以自行开发产品然后接入API。这一设定将鼓励更多中小保险公司涉足车险业务，为企业和消费者创造价值。这也是蚂蚁金服称这些技术为“暖科技”，而不是“黑科技”的原因所在。因为这些技术并不仅仅是酷炫，更重要的是能让世界变得更好。

技术出海，靠技术也靠人才

蚂蚁金服在ICML 2018 上一鸣惊人，不仅看收录的论文和展示的技术，还要谁是它们的幕后英雄。

邀请知名学者加盟担任高级顾问是科技行业的通用做法，Google、微软、Facebook 等美国公司都是通过这样的方式加速人工智能研究和投入商用。而和蚂蚁金服牵手的，正是被称为人工智能教父的迈克尔·欧文·乔丹。

乔丹教授是美国科学院、工程院以及艺术与科学院的三院院士——得到这一成就者本就寥寥，而乔丹是计算机科学领域唯一获得该成就的学者。他目前在美国加州大学伯克利分校担任电气工程、计算机和统计学教授，学生也有许多圈内同样知名的学者，如前百度首席科学家吴恩达，以及成为微软人工智能顾问的蒙特利尔大学教授约书亚·本吉奥(Yoshua Bengio)。

去年签约成为蚂蚁金服科学智能团主席和技术顾问时，乔丹给了蚂蚁金服颇高的评价，他认为公司应该用技术和数据让普通人的生活变的更好，而蚂蚁金服自创立以来长期秉持的金融平等愿景，符合他的定义。

一年后，双方的合作已经开花结果。在本次ICML 2018 收录的论文《Learning to Explain: An information-TheoreticPerspective on Model Interpretation》正是由蚂蚁金服牵头，论文的署名作者中就有乔丹，以及他在伯克利的同事和学生。

另一位近年来在深度学习领域发布了大量论文的专家，名字也出现在了蚂蚁金服本届ICML 提交的几乎所有论文当中。他就是近年来频繁出现在各大人工智能*会议上，大量发表顶尖学术成果的宋乐教授。

宋乐教授任教于美国最优秀理工类院校之一的佐治亚理工学院，担任计算机系终身副教授，并领导着该校的机器学习中心。他本科毕业于华南理工大学，在悉尼大学和澳大利亚信息通讯技术中心获得了博士学位，随后前往卡耐基梅隆大学担任学者，也曾在Google Research（现 Google AI）做过一段时间科学家。

和乔丹一样，宋乐认可蚂蚁金服正在做的事情。他在去年加盟蚂蚁金服，担任人工智能部研究员，领导深度学习、强化学习和可解释性模型方面的研究。

和其他机构对于技术出海的定义不同，在蚂蚁金服看来，学术人才应该成为技术出海的奠基者和见证人，出海的一个重要目标应该是和全球的学术界专家和受众建立合作。吸取和输出同样重要。

除了这些专家，蚂蚁金服还跟其他*学术机构和人士建立了合作。比如2016 年，蚂蚁金服跟清华大学交叉信息研究院院长、图灵奖唯一华人获得者姚期智合作，组建了数字金融科技联合实验室；MIT FinTech实验室中，蚂蚁金服是创始成员中唯一一家中国公司；美国*旗下国家科学基金会和加州大学伯克利分校共同组建的 RISE 实验室中，蚂蚁金服和阿里巴巴也是创始成员。

蚂蚁金服认为，想要在金融领域输出创新，全球的学术交流是必要前提。

发论文只是途径，目的是把金融平等带给世界上的每个人

此次蚂蚁金服在ICML上发表的论文在这场全球*学术会议上引起了很大反响。各国学者和业界代表挤满了展台，了解定损宝2.0、Graph Embedding 和智能客服等技术。

但一切只是开始，论文只是蚂蚁金服和学术界交流的途径，像其他机构一样刷论文并不是终极目的。对蚂蚁金服而言，在*学术会议上发布论文，有两方面的意义，一个是推进人工智能最前沿研究的发展，同时紧密地把学术与应用场景结合起来。而蚂蚁金服拥有海量的应用场景，这些技术从研究到落地能够真正造福数以亿计的用户，真正为世界带来平等的机会。

蚂蚁金服认为，工业界可以和学术界展开更多合作，因为业界有更多的数据、更大的问题和更难的挑战。而这种合作不仅可以让技术落地，还可以反哺、发展技术。

因为做技术并非它本身的目的。用技术去解决真正的问题、产生有意义的服务，用科技的力量，让人们能够享受到平等便利的金融服务，才是蚂蚁金服的使命和梦想：

• 2014年，珠峰大本营，探险者苦于现金找零的麻烦，开始使用支付宝结算。后来，二维码出现在了珠峰大本营几乎每一顶帐篷前；
• 中国的中小业主往往享受不到便利、合规的金融服务。一个奶牛养殖户在蚂蚁金服的帮助下贷款解决了资金周转，让一家人能够吃饱饭，还扩大了养殖规模；
• 2015年功能上线的刷脸支付，一年时间服务了超过2亿用户。这个已经习以为常的功能，对于60岁的退休职工王燕玲并不普通，因为她再也不用翻箱倒柜找密码了；
• 在蚂蚁金服的产品体系中，蚂蚁金服是个独特的存在，用户每一笔线下支付都会积累一点能量，到达一定程度就可以种下一棵树，截至目前已经种了超过1000 万颗树——跟长城不一样，这片森林在卫星上确实看得见。

这样的例子还有很多。蚂蚁金服希望进一步携手高校和学术届人才，让技术创新快速商业化并反哺技术进步；让城市或山区，让年长或年幼，让富有或贫穷的人之间，鸿沟不断消弭。这也便是蚂蚁金服所信奉和追求的普惠愿景。一起加入我们吧，让技术，无远弗届。