12.2. 漆远¶
蚂蚁金服AI首席科学家1、中科院硕士、美国麻省理工学院博士兼博士后、普渡大学计算机系和统计系终身教授，曾赴剑桥大学、哥伦比亚大学、伦敦城市大学、杜克大学、SAMSI、布朗大学等名校和研究院做访问学者
他获得美国科学基金NSF Career奖；拿了微软的牛顿研究突破奖；在人工智能的顶级会议AAAI做过大会tutorial；曾是机器学习顶级会议ICML的领域主席。
12.2.1. 错过¶
2003年的一天，拉里·佩奇来到麻省理工学院招人。漆远对这个新兴公司也动了心，“我们一起吃了饭，但我一心想做学术，想当老师。”漆远说了谢谢，并没有去。那个拉里·佩奇，他跟另一个创始人成立的公司叫谷歌。
同一年，漆远去了英国，在剑桥大学的微软实验室做研究。他帮那里的一位“超级大牛”Chris Bishop审了几章书，然后他的名字就出现在了前言的致谢里，那本书就是国际上机器学习的一本经典课本《模式识别与机器学习》。
还是在英国，在伦敦城市大学的盖茨比中心有位漆远非常喜欢的老师，在剑桥实习后，漆远到这个实验室待了3个月。大胜李世石的“阿尔法狗”，就是这个实验室后来几位毕业生领导的杰作。
2004年，漆远有个朋友跟他说，有个很好的“泡妞网站”，正从哈佛和麻省理工学院所在的波士顿地区开始推广。他的同学毕业后陆陆续续有些去了那里工作，如今已经财务自由，进入提前退休模式。漆远也没去。那个网站就是Facebook。
12.2.2. 加入蚂蚁金服人工智能¶
如今漆远领导的团队里，有大量从美国回来的博士，一些出自高校，一些则是从美国的大企业跳槽而来。由于这个领域发展迅速，很多人手里握着不少工作机会。他对记者说，自己从美国招了不少人回来，但不是“说服”他们，而是“吸引”他们。
2013年，漆远加入阿里巴巴集团并担任副总裁，和另外一名负责人在王坚博士的领导下创建了阿里巴巴DST（数据科学与技术研究院）；2015年担任蚂蚁金服集团副总裁、首席数据科学家，其人工智能团队正在研发虚拟机器人。他领导着一个机器学习与人工智能团队从事深度学习、加强学习等人工智能领域的前沿研究和应用。
自己从美国招了不少人回来，但不是“说服”他们，而是“吸引”他们。
12.2.3. 普惠金融¶
金融智能的目标主要在三方面：风控信用决策、降低服务成本、和提高用户体验。”
漆远在谈及金融科技的核心时说道：“为此，我们搭建金融智能平台，服务我们的业务并赋能生态伙伴。”蚂蚁金融智能应用范围很广，包括智能客服、交易风控、商家营销、车险图像定损、还有线上贷款310模式（3分钟申请，1秒钟放贷，零人工干预）、反欺诈反套现、乃至基金智能推荐等等。
他特别强调了人工智能技术在小额贷款风控系统中的应用。
过去几年，漆远所带领的蚂蚁金服人工智能团队在自身场景和外部合作伙伴客户场景中都全面开花。对于普通用户而言，无论是保险还是理财，这些业务的背后都有着人工智能技术的应用。
以定损宝为例，2018年5月，定损宝技术版本正式升级，包括将图像识别升级成准确率更高的视频识别，将开放技术平台，从与保险公司一对一理赔系统对接升级成未来保险公司可自助接入定损宝。
12.2.4. 融合共创¶
漆远表示，当前 AI 发展过程中的挑战在于融合共创，因此蚂蚁金服希望把自己在 AI 方面的技术对外开放出来。
中和农信是一家专注农村扶贫贷款的机构，漆远的AI团队把他们开发的保护数据隐私的共享机器学习平台分享给中和农信，使得双方可以在保护各自数据隐私的情况下开展基于双方的加密数据来做机器学习。经统计，蚂蚁的共享多方AI风控技术帮助中和农信把农村小额贷款风控效果提升了一倍，同时大规模提升了贷款效率。在数据隐私保护在全世界都变得越来越重要的当下，蚂蚁金服的保护隐私的共享学习技术有着广泛的应用前景。
在共享学习的情况下，大规模提升了中和农信的风控能力，充分保障了数字化贷款业务，实现了 1+1>2 的作用。
漆远在招聘时会告诉对方，那些“相信未来”的人适合回来。想成就一番事业的人，可以来；想要朝九晚五的生活，不要来。“我们是创业公司，很多变化，很多压力，你自己要有心理准备。同时，也有很多机会。”
12.2.5. 金融、保险2¶
AI要落地，除了平台就是场景，场景非常非常必要。普惠金融这个场景就特别适合AI。普惠要服务很多人、很多中小企业，这里面一定是技术驱动的。人是没有办法做普惠的。而蚂蚁金服恰恰就做的是普惠金融。
人工智能技术在金融领域中的应用，更多的价值来自于提高效率和成本降低。在汽车保险相关的业务中，人工智能已经可以判断车辆的损伤和可修复程度，从而大规模提高保险机构的效率，在一年内节省75万小时的定损员工时。漆远简单换算了一下效率提升所带来的成本节省，表示人工智能技术能够帮助降低10亿元人民币的成本。
业内人士预计，人工智能会替代金融业许多信息收集分析加工的工作和风险定价的功能，特别是那些不内嵌于人们生活场景之中的纯信息分析加工工作。3
人工智能在保险领域的应用。他以蚂蚁金服的退货险为例，称早期的审核验证依靠人工，接入海量的数据之后，模型大规模提升了退货风险预测的准确度，进而推动了退货险的诞生。类似的事情也在小额贷款业务中发生，将深度学习和强化学习技术应用到传统统计模型之后，模型会更全面地考虑数据之间的关联。
“定损宝”————利用图像技术的车辆定损产品。当车主在行驶过程中不幸遇上了一个小车祸，自己爱车的损伤后需要保险公司定损赔偿。他不再需要耗费精力走联系定损员等繁琐流程，而仅需要将车辆损伤部位拍张照片上传，“定损宝”就可以根据图片对车辆损坏程度定损。这一技术极大的节约了车险公司高昂的定损员培训等其他人力的支出。
从图像的噪音去除、类目识别，到目标检测、原因判断，再到程度判断（损坏程度）、目标跟踪，之后对目标进行分割、多图融合，最终生成决策并进行验证。“定损宝”能够将案件的平均处理成本降低至150元，同时可减少50%的作业量，更可以解决偏远地区过高峰时期定损员人力不足的问题。5
12.2.6. 客服¶
人工智能技术带来的效率提升在客服行业也有体现。漆远介绍，目前支付宝的全球用户达到9亿，如果按照传统方式组建客服团队，就需要数万名客服人员满足需求。但目前支付宝的客服规模不到一万，95%的客服需求由机器人解决。此外，漆远还表示，把衡量真人客服的标准应用在机器人上后，机器人的表现比人类更好。
蚂蚁金服于2017年8月正式对外全面开放以人工智能技术为核心的智能客服的能力。其中结合结合用户行为轨迹的语义匹配模型采用了LSTM+DSSM（Long Short-Term Memory + DeepStructured Semantic Model）的算法创新。该技术首先通过LSTM对用户行为轨迹做一个编码，通过深度排序模型，结合用户之前的历史操作，做到“未问先答”。
借助这项技术，蚂蚁金服双十一智能客服自助服务的比例高达惊人的97%，目前人工智能客服助理的回答满意度也已经超过了人工客服，系统整体在降低成本的同时服务质量还有了显著的提升。
支付宝人工智能客服“小蚂答”、蚂蚁财富的社区机器人“乐于助人的安娜”5
12.2.7. 推荐¶
除了读学术论文，他还向笔者推荐了几本没有数学公式的书，比如Crowd Intelligence（《群体智慧》）；Made to Stick（《粘性》）；和Good to Great（《从好到卓越》） 。
12.2.8. 蚂蚁金服急需的人才4¶
CSDN：问一些大家都迫切想知道的问题。蚂蚁金服现在估值600亿美金，很多人也希望进入里面工作。您对人工智能团队的要求是什么样的？什么样的人才能够进入到蚂蚁金服的和您一起来工作呢？
漆远：对团队的要求是，既叫座又叫好。
首先能够解决实际问题，见效果，从问题出发，不是拿着锤子找钉子。
希望有技术深度，当然这里面需要平衡，有的同学算法多一点，有的搞工程多一点。
我们的团队不是一个刷单的团队，刷各种外面的公开比赛，我们是真正要解决实际问题，一方面提升蚂蚁金服甚至服务整个阿里经济体，解决大家遇到的核心的AI问题；一方面我们要产生新的产品、新的服务，能够造成新的增长点，这是目标。
这就直接映射到我们对人的需求上来。
我希望加入我们团队的人，首先能够对机器学习技术本身有真正的热爱，没有热爱就比较难做。因为技术说起来很高大上，真正做起来需要投入的精力，不是短期的，也不是表层的。
第二，对于人才我们既需要全栈型的，也需要对某技术特别钻深的。如果两个都很强，那就更好了。