蚂蚁金服8篇机器学习学术论文引爆国ICML大会!

　　导读： 这两天小编整理了几篇来自阿里巴巴蚂蚁金服在人工智能机器学习领域的顶尖学术峰会贡献的8篇学术论文，在此小编已经整理汇总了这8篇论文，以及论文全文的PDF版下载链接。7篇论文更新如下：

　　1、《Learning to Explain: An Information-Theoretic Perspective on Model Interpretation》

　　2、《Learning Steady-States of Iterative Algorithms over Graphs》

　　3、《Stochastic Training of Graph Convolutional Networks with Variance Reduction》

　　4、《SBEED: Convergent Reinforcement Learning with Nonlinear Function Approximation》

　　5、《Adversarial Attack on Graph Structured Data》

　　6、《Towards Black-box Iterative Machine Teaching》

　　7、《Feature Propagation on Graph: A New Perspective to Graph Representation Learning》

　　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顶级的会议。

　　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顶级会议，这也表明越来越多的顶级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，在各大顶级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。

　　和顶级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顶级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顶级会议上，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，蚂蚁金服还跟其他顶级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;美国政府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顶级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，在顶级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。

期刊VIP网，您身边的高端学术顾问

文章名称： 蚂蚁金服8篇机器学习学术论文引爆国ICML大会!

文章地址： http://www.qikanvip.com/qikannews/yenei/63152.html