網(wǎng)上有很多關(guān)于刷新支付pos機(jī)是不是正規(guī)的,AI 理財(cái)顧問靠譜嗎的知識(shí),也有很多人為大家解答關(guān)于刷新支付pos機(jī)是不是正規(guī)的的問題,今天pos機(jī)之家(m.dsth100338.com)為大家整理了關(guān)于這方面的知識(shí),讓我們一起來看下吧!
本文目錄一覽:
刷新支付pos機(jī)是不是正規(guī)的
2020 年 9 月 24 日,支付寶的AI理財(cái)“顧問”支小寶在首屆外灘大會(huì)正式亮相,這個(gè)號(hào)稱能炒股,能為用戶提供理財(cái)建議的智能助手一經(jīng)亮相就勾起了人們的好奇心,以及疑慮:專業(yè)的理財(cái)顧問尚且不能保證理財(cái)建議百分百精準(zhǔn),虛擬AI助手真的靠譜嗎?
時(shí)隔不到半年,支小寶登頂全球機(jī)器閱讀理解領(lǐng)域?qū)I(yè)榜單 SQuAD 2.0 的消息打消了這個(gè)疑慮。此次支小寶刷榜 SQuAD 2.0,與以往不同的意義在于,支小寶背后的技術(shù)可以在螞蟻的業(yè)務(wù)場景上賦能,通過金融知識(shí)圖譜、機(jī)器閱讀理解與規(guī)劃推理等能力,已經(jīng)可以做到大幅度提高生產(chǎn)效率,在一些業(yè)務(wù)場景中部分實(shí)現(xiàn)了代替人工。
支小寶登頂SQuAD 2.0,刷新紀(jì)錄
據(jù)支小寶算法負(fù)責(zé)人董揚(yáng)和螞蟻資深技術(shù)專家陸鑫介紹,今年 2 月支小寶團(tuán)隊(duì)登頂 SQuAD 2.0 排行榜所使用的模型為全卷積神經(jīng)網(wǎng)絡(luò) FPNet,在該模型訓(xùn)練下,支小寶以 EM 90.871,F(xiàn)1 93.183 的成績刷新了榜單紀(jì)錄,模型分?jǐn)?shù)超過真人的表現(xiàn)。
SQuAD 2.0 (Stanford Question Answering Dataset 2.0) 是斯坦福大學(xué)發(fā)起的機(jī)器閱讀理解挑戰(zhàn)賽,是國內(nèi)外人工智能團(tuán)隊(duì)檢驗(yàn)機(jī)器閱讀理解能力最好的檢驗(yàn)場,代表著機(jī)器閱讀理解能力的最高水平,向來是國內(nèi)外科技公司比拼技術(shù)含金量和專業(yè)性的戰(zhàn)場。支小寶能登頂榜單,證明這個(gè)AI虛擬助手在自動(dòng)問答、閱讀理解上的能力經(jīng)過了檢驗(yàn)。
據(jù)了解,此次支小寶登頂 SQuAD 2.0 使用的模型為全卷積神經(jīng)網(wǎng)絡(luò) FPNet,這是一個(gè) BERT 模型,與現(xiàn)在支付寶業(yè)務(wù)中“服役”的支小寶模型結(jié)構(gòu)大致相同,只是有些許差別。董揚(yáng)透露,支小寶之所以在比賽中能夠表現(xiàn)優(yōu)異,主要在于做到了以下幾點(diǎn):
第一,支小寶在數(shù)據(jù)增強(qiáng)方面通過 seq2seq 生成的方式,生成 query、文章、答案的監(jiān)督語料;第二,模型上引入了 NER、POS 詞性標(biāo)注特征及其它特征,幫助模型更好識(shí)別答案,進(jìn)行特征增強(qiáng);第三點(diǎn),使用了模型集成的方法,進(jìn)一步提升模型的表現(xiàn)。
總的來說,這三點(diǎn)是支小寶能夠在性能上表現(xiàn)突出的關(guān)鍵點(diǎn)。
挖掘支小寶背后的技術(shù)
支小寶用起來體驗(yàn)如何?我們不妨來上手測試一下。打開支付寶理財(cái)頁面,點(diǎn)擊左上角的螞蟻圖標(biāo),就進(jìn)入到了支小寶問答頁面。如今,支小寶已累計(jì)服務(wù) 2 億人次,每天約有 500 萬人使用支小寶。
在測試中,當(dāng)進(jìn)入服務(wù)頁面后,支小寶會(huì)根據(jù)用戶行為推薦若干理財(cái)選項(xiàng),用戶做出選擇之后,支小寶會(huì)進(jìn)一步推薦具體的理財(cái)方案。如果不滿意,選擇其他方案還能獲得更多理財(cái)方案推薦。親測有效,支小寶給出的推薦方案還是比較符合筆者預(yù)期的,對(duì)于一個(gè)理財(cái)小白來說,支小寶推薦的理財(cái)方案還是非常有參考價(jià)值的。
上手測試之后,筆者更好奇的是,這個(gè)機(jī)器閱讀理解、推理能力已經(jīng)達(dá)到實(shí)際應(yīng)用水平的AI智能助手,背后的技術(shù)究竟是怎樣的?
通過與支小寶算法負(fù)責(zé)人董揚(yáng)和螞蟻資深技術(shù)專家陸鑫溝通,筆者了解到原來支小寶團(tuán)隊(duì)早在 2016 年就已經(jīng)開始進(jìn)行機(jī)器閱讀理解研究,該項(xiàng)目在早期是由在中國和美國的兩支高配置團(tuán)隊(duì),以及在北京、上海、杭州的“五地”,在線上協(xié)同辦公,開啟了這個(gè)項(xiàng)目。到今天,支小寶已經(jīng)發(fā)展成一個(gè)有著數(shù)百人規(guī)模的技術(shù)、運(yùn)營、產(chǎn)品團(tuán)隊(duì)支撐的大業(yè)務(wù),經(jīng)過多次迭代,目前的最新版本已經(jīng)穩(wěn)定服務(wù)支付寶兩年。
四層技術(shù)架構(gòu)
從架構(gòu)上來講,從外到內(nèi),支小寶由四層架構(gòu)組成,最外層叫做“觸達(dá)層”,是指支小寶的場景觸達(dá),在合適的時(shí)機(jī)、合適的場景、給用戶透出合適的策略,把用戶引入到對(duì)話場景中互動(dòng);進(jìn)入對(duì)話后進(jìn)入人機(jī)交互層,實(shí)現(xiàn)問答、對(duì)話意圖推理以及對(duì)話策略編排、對(duì)話結(jié)構(gòu)挖掘等主動(dòng)引導(dǎo)式對(duì)話能力;第三層為“服務(wù)層”,支小寶已形成一個(gè)全理財(cái)生命周期體系,圍繞選品、持倉風(fēng)險(xiǎn)、市場解讀和資產(chǎn)規(guī)劃配置四大服務(wù)領(lǐng)域,并且以這些服務(wù)為核心打造了對(duì)話推薦能力。
最下面則是兩個(gè)最基本的技術(shù)能力,一個(gè)是對(duì)用戶的深層畫像刻畫能力,包括對(duì)用戶投資偏好、投資能力的判斷;另一塊則是行情研判、資產(chǎn)分析、資產(chǎn)配置模型等投研和投顧專業(yè)能力。
獨(dú)特的核心知識(shí)庫問答系統(tǒng)
從本質(zhì)上說,支小寶是一個(gè)智能問答系統(tǒng),其中核心問答匹配模型的好壞,很大程度上決定了問答的質(zhì)量和用戶滿意度。支小寶采用的問答匹配模型沒有采用 MatchPyramid、AICNN、或 BiMPM 等主流模型,而是采用了大規(guī)模 embedding 召回+語義精排的模式,在召回方面用億級(jí)句對(duì)和獨(dú)創(chuàng)的 universal embedding 的學(xué)習(xí)方法學(xué)習(xí)通用表征,然后用 ESIM、BERT 等多模型集成實(shí)現(xiàn)模型,然而因?yàn)樗鼪]有用到知識(shí)點(diǎn)本身答案的信息,為了進(jìn)行更好的匹配,后來團(tuán)隊(duì)又把答案的信息建模到模型中去,自創(chuàng)了現(xiàn)在支小寶所用的模型。這樣,模型可以捕捉到更多知識(shí)庫信息, 匹配的效果可以提升約 3%-5%。
金融知識(shí)圖譜加持
此外,支小寶能實(shí)現(xiàn)高質(zhì)量的問答,還與其結(jié)合使用了自建的金融知識(shí)圖譜有關(guān)。
董揚(yáng)解釋道,基于知識(shí)圖譜的問答問題,就是業(yè)界定義的 KBQA:(基于開放域知識(shí)庫上的 QA 系統(tǒng)),它其實(shí)可以解決支小寶業(yè)務(wù)中的兩大類問題,一是基于條件選產(chǎn)品,一個(gè)是信息查詢類問題,比如單條件或多條件查詢:“重倉阿里巴巴的基金”、“本周新基”、“科技指數(shù)基金”; 聚合查詢:張坤基金哪個(gè)收益高;并列查詢: 醫(yī)藥或科技基金;結(jié)合外部記憶的組合查詢:我的持倉哪個(gè)收益好?我的持倉哪個(gè)收益高?。這兩類問題是線上用戶的高頻問題,通過知識(shí)圖譜的問答方式,用戶的線上體驗(yàn)會(huì)有很大的提升 。
當(dāng)然,作為問答系統(tǒng)領(lǐng)域的專家,董揚(yáng)也坦承知識(shí)圖譜并不是所有問題的“萬能鑰匙”,要做一個(gè)聰明的為億萬用戶解決問題的機(jī)器人,需要綜合技能發(fā)揮才能發(fā)揮最大的作用。目前,支小寶已經(jīng)具備了小樣本意圖識(shí)別、多輪記憶推理等深層意圖識(shí)別和推理能力,來更好的理解用戶意圖,從而給到用戶更優(yōu)質(zhì)的服務(wù)。
機(jī)器閱讀、規(guī)劃推理能力與強(qiáng)化學(xué)習(xí)
另一方面,評(píng)判一個(gè)問答系統(tǒng)水平高低與用戶體驗(yàn)感好壞,其中最為關(guān)鍵的能力就是機(jī)器閱讀與規(guī)劃推理的能力,也就是當(dāng)你向機(jī)器人提問,它不但能夠理解你句子的表面意思,還可以洞察提問背后的意圖,并像人交談一樣對(duì)你的話進(jìn)行推理,甚至進(jìn)一步做好規(guī)劃。
在機(jī)器閱讀理解方面,支小寶在理財(cái)核心服務(wù)問答中對(duì)用戶意圖理解的準(zhǔn)確率已經(jīng)到達(dá) 95%。之所以能實(shí)現(xiàn)如此高的推理準(zhǔn)確率,是因?yàn)橹毟淖兞酥皽\層的語義匹配,進(jìn)行了推理理解算法的改進(jìn),支小寶模型會(huì)捕捉到更多上下文信息以及其他異構(gòu)信息,基于異構(gòu)信息進(jìn)行記憶提取,從繁雜的信息中提取與當(dāng)前 Query 最相關(guān)的信息,這是支小寶在記憶提取中的核心能力。提取之后進(jìn)行推理,推理層次化的設(shè)計(jì)讓系統(tǒng)可以同時(shí)進(jìn)行推理任務(wù),從而使得模型的推理能力大幅提升。
此外,支小寶還在對(duì)話推薦與對(duì)話策略編排中引入強(qiáng)化學(xué)習(xí),在選品環(huán)節(jié)進(jìn)行對(duì)話式推薦,問詢用戶感興趣的因子,最后為用戶推出適合他的產(chǎn)品卡,這個(gè)過程中就用到了強(qiáng)化學(xué)習(xí)模型來在千人千面的用戶興趣空間、大量的產(chǎn)品和因子空間等高緯空間決策應(yīng)該詢問哪些因子、問幾輪,以及何時(shí)推出產(chǎn)品卡來保證最終推薦的產(chǎn)品卡用戶能感興趣。類似地,在服務(wù)內(nèi)對(duì)不同對(duì)話策略進(jìn)行編排,進(jìn)行不同服務(wù)領(lǐng)域串連,從而提高用戶體驗(yàn)。
支小寶未來主攻方向
當(dāng)然,在初期,問答系統(tǒng)不可避免地在深度服務(wù)上體驗(yàn)感還還達(dá)不到完美的水平,董揚(yáng)認(rèn)為這是因?yàn)闄C(jī)器人目前確實(shí)在多輪對(duì)話能力上還有不足,把“你問我答”變成主動(dòng)引導(dǎo)對(duì)話,引導(dǎo)用戶完成整個(gè)服務(wù),是支小寶團(tuán)隊(duì)今年的主攻方向之一。
董揚(yáng)透露,在問答方面,支小寶團(tuán)隊(duì)一直致力于提升支小寶的“智商”,即當(dāng)用戶提問時(shí),支小寶可以正確理解用戶的意圖,并且給出合適的答案。此外,支小寶下一階段還要做到洞察用戶的情緒,進(jìn)行用戶情緒和情感識(shí)別,在用戶需要的時(shí)候給予適當(dāng)?shù)年P(guān)懷和安撫。
第二方面是提高主動(dòng)對(duì)話能力和推薦能力,這是因?yàn)閷<也呗詫?duì)于用戶千人千面的理解還不夠,所以支小寶已經(jīng)開始著手在“觸達(dá)”層規(guī)劃上線基于算法對(duì)用戶理解所做的推薦,以增強(qiáng)算法推薦的個(gè)性化和可解釋性。
另外,因?yàn)橹毑皇且粋€(gè)傳統(tǒng)的推薦模型,而是一個(gè)理財(cái)顧問,背后是智庫專家權(quán)威觀點(diǎn)作為支撐,它的任務(wù)是對(duì)用戶進(jìn)行投顧引導(dǎo),不僅僅只考慮用戶的喜好,而是從專業(yè)角度進(jìn)行最合理的推薦,因此支小寶有著自己的投顧引導(dǎo)邏輯,這是支小寶與其他推薦產(chǎn)品不一樣的地方。
值得關(guān)注的是,多模態(tài)交互能力也是支小寶接下來的重點(diǎn)優(yōu)化方向,支小寶團(tuán)隊(duì)透露今年將計(jì)劃開放語音和視頻形式的交互,全方面提升多模態(tài)交互能力。彼時(shí)支小寶應(yīng)該更加好玩,易操作,感興趣的朋友可以關(guān)注起來了。
在應(yīng)用方面,支小寶目前只是支付寶內(nèi)部理財(cái)場景中使用,但從今年開始會(huì)陸續(xù)對(duì)一些合作的基金公司和券商機(jī)構(gòu)開放,作為機(jī)構(gòu)助理解答理財(cái)問題投入使用,并且有進(jìn)一步擴(kuò)張到保險(xiǎn)場景中的計(jì)劃。
問答系統(tǒng)的未來在哪里?
以支小寶為例,如今問答系統(tǒng)在技術(shù)與應(yīng)用上可以說已經(jīng)相對(duì)比較成熟,但不可否認(rèn)的是,在使用過程中用戶體驗(yàn)也的確存在一些影響體驗(yàn)的問題。
未來,問答系統(tǒng)有哪些發(fā)展趨勢?在預(yù)想中,問答系統(tǒng)應(yīng)該是一個(gè)怎樣的存在?對(duì)此,董揚(yáng)給出了自己的看法。
她說到,支小寶目前在廣義問答上正在進(jìn)行更大規(guī)模的、跨文檔、低資源機(jī)器閱讀與知識(shí)挖掘,因?yàn)閱柎鸨澈笠蕾囉谥R(shí)庫的建設(shè),所以支小寶要進(jìn)行更大規(guī)模的知識(shí)挖掘,以更大程度上挖掘大更實(shí)時(shí)、更廣泛的金融領(lǐng)域知識(shí),這是未來問答系統(tǒng)的發(fā)展方向之一。
另外在分析方面,對(duì)用戶 Querry 的理解,要面向多輪對(duì)話場景,進(jìn)行更加復(fù)雜的 Query 理解與推理。
除了語義推理外,數(shù)值推理、常識(shí)推理、結(jié)合上下文環(huán)境增強(qiáng)語義表征等深層的推理和語義理解,也是問答系統(tǒng)未來的發(fā)展方向。
通過本文對(duì)支小寶核心技術(shù)的解析,相信我們對(duì)這個(gè)虛擬AI理財(cái)“顧問”有了更加深入的理解,在自有金融知識(shí)圖譜、高水平機(jī)器閱讀理解與推理規(guī)劃、強(qiáng)化學(xué)習(xí)等前沿技術(shù)的加持下,支小寶的技術(shù)實(shí)力可見一斑。
在支小寶團(tuán)隊(duì)的理解中,支小寶的初衷就是要用機(jī)器人服務(wù)普惠大眾,讓普通人也可以享受相對(duì)專業(yè)的財(cái)富管理服務(wù)。未來,支小寶的愿景是可以服務(wù)支付寶平臺(tái)上的 6-7 億用戶,這個(gè)目標(biāo)不算小,支小寶將如何實(shí)現(xiàn)這個(gè)終極目標(biāo),我們拭目以待!
以上就是關(guān)于刷新支付pos機(jī)是不是正規(guī)的,AI 理財(cái)顧問靠譜嗎的知識(shí),后面我們會(huì)繼續(xù)為大家整理關(guān)于刷新支付pos機(jī)是不是正規(guī)的的知識(shí),希望能夠幫助到大家!
