[[213872]]

　　記者鴿子

　　剛剛，JDD—2017 京東金融全球數(shù)據(jù)探索者大賽決賽冠軍出爐，獲得算法組 4 組冠軍分別為：

• 登陸行為識別冠軍：啦啦隊

• 店鋪銷量預測冠軍: 小麻貓

• 信貸需求預測冠軍：小虎隊

• 豬臉識別冠軍：百變豬豬俠

　　商業(yè)組的冠亞季軍為：

• 冠軍進擊的巨豬

• 亞軍翔創(chuàng)科技

• 季軍熵商科技

　　其中，商業(yè)組的冠軍進擊的巨豬，里面的美女竟是個 96 小姑娘。真是集美貌與智慧于一身～～

　　據(jù)京東金融副總裁、技術研發(fā)部總經理曹鵬透露，此次 JDD 大賽算法組的四個冠軍團隊，將分別獲得 30 萬元獎金；而商業(yè)組的冠亞季軍、以及***網絡人氣獎，也將分別獲得將近 30 萬元、20 萬元、10 萬元、5 萬元的獎金。

　　同時，針對算法組，所有的冠軍團隊都會收到京東金融的 Offer。

　　此外，商業(yè)組的冠軍選手如果想要創(chuàng)業(yè)，有機會直接獲得投資，投資來自京東金融與合作伙伴設立的千億投資基金。

　　據(jù)悉，大賽共有全球范圍內的 4624 支團隊報名，其中算法組報名有 3783 支隊伍，商業(yè)組有 841 支隊伍。團隊的背景分別來自哥倫比亞大學、卡耐基梅隆大學，有的來自清華大學、北京大學，中科院計算所，微軟、IBM、騰訊等，也有來自藍翔技校。

　　其中進入決賽的共有 36 組選手，算法組有 20 組團隊，商業(yè)組 16 組團隊。

　　36 支團隊在京東總部進行 48 小時的封閉線下決賽，***決出算法組四個賽題冠軍。但商業(yè)組還有現(xiàn)場答辯環(huán)節(jié)。

　　據(jù)官方透露，此次進入總決賽也有來自新加坡、香港、臺灣的選手，平均年齡 25 周歲。（牛逼哄哄的小鮮肉們，可憐的營長已奔四...）

　　在此次比賽中，營長***時間采訪到獲得冠軍的百變豬豬俠，來看看他們到底牛在哪里？

　　豬臉識別冠軍選手：百變豬豬俠

　　在 JDD 大賽算法組“豬臉識別”賽題決賽參賽團隊中，“百變豬豬俠”的成員均來自某世界*** IT 公司的亞洲研究院，同時他們也是來自中山大學和中國科技大學的在讀學生。

[[213873]]

　　對于參加這次比賽，他們表示，這完全是被一篇標題黨的微信文章還有“豬臉識別”這個新奇有趣的賽題所吸引的原因。當時團隊中的一位博士生小伙伴，在看到了一篇微信文章《冠軍獎 30 萬！劉強東搞了個“豬臉識別”比賽，中美兩地同時啟動（附比賽詳細日程及賽題說明）》（哎呀呀，這不就是營長之前所寫的文章嘛，還不點擊閱讀），從事視覺識別領域研究的他一下就來了興趣，當看到 JDD 大賽的 30 萬元獎金金額和包括國際人工智能聯(lián)合會理事會主席楊強等在內的強大的導師團隊后，就拉來了同在研究院實習的另外兩位小伙伴組成了團隊參賽。

　　談及最終參賽理由，因為三個人本身就是從事視覺識別領域研究的，之前做過不少相關的學術探索，同時目前人臉識別技術已經相對成熟，而豬臉識別技術其實比人臉識別更具難度，因為豬無法像人一樣配合的去面對鏡頭，因此需要識別的可能不僅僅是面部還有身體的全部和局部特征，對團隊而言也是一個新的挑戰(zhàn)，同時他們覺得，如果豬臉識別技術能夠成熟化，那之后將這個技術平移到牛臉、馬臉上也會很容易，因此具有很廣闊的技術前景，是一個很有價值的探索。

[[213874]]

　　對于參賽過程，團隊表示，目前利用 AI 技術實現(xiàn)視覺識別的原理基本都是一致的，即利用計算機神經網絡的深度學習，學到每一頭豬的特征，然后利用深度學習的模型 ，針對測試數(shù)據(jù)集，得到每一頭豬的概率，***來判別哪頭豬是哪頭豬。他們的主要工作就是編寫模型代碼，然后讓模型跑測試集數(shù)據(jù)得出成績，雖然跑模型已經是比較套路化的工作內容，但由于參賽隊伍的水平都很高競爭，因此也很激烈，有時候睡一覺醒來，就會發(fā)現(xiàn)其他參賽對手的模型運算結果就已經領先了自己很多，所以在整個參賽過程中，不斷的根據(jù)模型運算結果，去調整模型的參數(shù)，調整多個模型融合為一個模型之間各部分的比重，成為決定勝負的關鍵因素。而本次大賽中各個團隊成績的實時榜單，也成為了促成各個團隊間互相競爭、一決高下的比擂臺，“百變豬豬俠”團隊覺得非常好。

　　對于參加比賽收獲“百變豬豬俠”團隊表示，這次***的收獲在于，這次比賽做出的成果，完全出乎了團隊之前的預料，拿到數(shù)據(jù)集的時候，連團隊成員自己都很難分辨哪頭豬是哪頭，當他們用模型跑完數(shù)據(jù)之后，發(fā)現(xiàn)***的效果比模型跑人臉識別達到的效果還要好，這次比賽驗證了一個事情，就是視覺識別技術不僅僅能識別人臉，也能識別其他動物的臉。這讓團隊成員也不由得期待大賽前期傳播中所描繪的技術前景，豬臉識別技術很可能在不遠的未來真的能幫農戶老張解決很多問題。另一個很大的收獲在于，本次比賽讓他們經歷了一個在限定時間內解決問題的挑戰(zhàn)，讓自己獲得了代碼編程，模型運用等能力上的增長，例如參賽前他們不知道幾個模型間孰優(yōu)孰劣，但是通過這次比賽，我們就會有經驗直接選擇***的那個模型直接使用，這是在以前的學術研究中很難收獲的成長。

　　同時京東金融提供的數(shù)據(jù)集，也讓“百變豬豬俠”團隊眼前一亮，AI 學術研究工作相比其他科學研究不同，對數(shù)據(jù)，尤其是大量級、多維度、優(yōu)質、真實的數(shù)據(jù)依賴程度高，沒有這些數(shù)據(jù)就沒法實驗與改進模型，而這次京東金融 JDD 大賽為參賽選手提供的數(shù)據(jù)，不論是維度的豐富上，還是量級的數(shù)量大上，都是同類比賽中少有的。同時本次大賽數(shù)據(jù)集的一大特點便是真實，以前他們參加的比賽中，數(shù)據(jù)集很多都是“清洗過的”即清晰、標準、易于識別的圖像素材，但真實應用場景下所獲取的素材往往沒有那么理想化，而京東金融 JDD 大賽所提供的數(shù)據(jù)集，則更加真實，這不僅僅對于他們從事學術研究的團隊而言，對于任何一個 AI 開發(fā)團隊，都是極其寶貴與難得的。

[[213875]]

　　“百變豬豬俠”團隊表示，為了參加 JDD 大賽，他們在公司的時候，總是在電腦上露出豬的照片，不知情的同事路過時看到，往往會表示十分詫異，向他們投來異樣的眼光。由于團隊中的三個成員都是專注于技術研究的，對技術在商業(yè)上認知還比較幼稚，其實也是十分期待決賽現(xiàn)場商業(yè)界大佬的想法和觀點的，希望了解到商業(yè)大佬的想法和自己的想法有什么不同，例如他們現(xiàn)在能想的就是在農場里面裝一個攝像頭，讓農戶知道哪頭豬是哪頭豬，至于商業(yè)應用上的前景與價值，他們希望能聽聽商業(yè)大佬怎么說。

　　導師采訪

　　據(jù)悉，本次大賽，根據(jù)賽題的四個方向，總共有四位導師：

1. 豬臉識別導師：國際人工智能聯(lián)合會理事會主席、香港科技大學計算機科學與工程學系主任楊強

2. 店鋪銷量預測導師：紅杉資本中國基金專家合伙人車品覺

3. 登陸行為識別導師：TalkingData ***執(zhí)行官崔曉波

4. 信貸需求預測導師：微軟亞洲研究院城市計算領域負責人，美國計算機學會杰出科學家鄭宇

　　針對此次大賽一些重要信息，AI 科技大本營***時間采訪到導師，希望其中的信息對你有所幫助。

　　AI 科技大本營：對這次 JDD 大賽有什么比較深的感受可以分享一下？

　　崔曉波：總體來看，京東金融這次的比賽最重要的是開放了很大程度的高質量數(shù)據(jù)，這是吸引選手的最重要原因。

　　數(shù)據(jù)和算法之間的關聯(lián)，一個是血液，一個是心臟。

　　AI 科技大本營：如果是學生，參加 JDD 這樣的活動，具體有什么意義？

　　鄭宇：這次算法組有很多是學生，他們平時在學校做訓練，是給定一些數(shù)據(jù)和基準，用算法做出結果后，跟基準進行對比，對準確率進行排名，完全不用考慮商業(yè)化是什么樣子。

　　但是這次比賽，真實的數(shù)據(jù)，商業(yè)化的場景，讓選手來做落地，挑戰(zhàn)完全是不一樣的。

　　因為，對學生來說，以前只是在課本上做的算法程序，現(xiàn)在用到真實的數(shù)據(jù)，他們會發(fā)現(xiàn)跟以往完全不一樣，真實的場景里面會碰到各種問題。

　　有的學生覺得我的學習成績好，會喝多算法，其實真的不是這樣的，到了場景里面碰到各種現(xiàn)實的問題，才是對學生***的磨礪和幫助。

　　我覺得未來，在對 AI 人才的教育中，也不應該只是在學校里關起門來培養(yǎng)。要到真實的場景去做真實的數(shù)據(jù)推演，這樣培養(yǎng)出來的人才才會有真正對社會有用。

　　車品覺：其實對企業(yè)來說，贏得一個重要的比賽，我們會對他評價很高。

　　在今天的行業(yè)里面，***的培訓就是參加比賽，不斷在比賽里面優(yōu)化自己的想法算法，必須去比賽里面發(fā)現(xiàn)最現(xiàn)實的情況。

　　AI 科技大本營：楊強教授，您一直專注在遷移學習方面，您覺得在金融行業(yè)有沒有比較好的特殊的案例？包括互聯(lián)網銀行。

　　楊強：舉個例子金融行業(yè)最熟悉的就是貸款，貸款的話有不同的受眾，比如說小微貸的話就是大規(guī)模的受眾，甚至更多上千萬，這種的相對容易一些。但是有一種像 VIP 客戶，有大額的貸款，在銀行是低頻的現(xiàn)象，對于這種客戶建模，你像深度學習或者很多學習的方法都需要大數(shù)據(jù)支持。

　　現(xiàn)在有一個方面就是通過遷移學習，利用大數(shù)據(jù)的小額貸款遷移到小數(shù)據(jù)的大額貸款，我們也做了一些嘗試，比方說給上次公司做了一些嘗試，就取得了提高。

　　但是還有一個更有意思的案例，金融行業(yè)的案例往往都是一次性提高的，這個數(shù)據(jù)往往由于監(jiān)管各方面的原因，怎么樣對這個數(shù)據(jù)建模，有一個辦法就是通過遷移，比如你在另外一個場景建好了模型，你把這個模型給遷移到私密場景去，讓它在本地做自適應，這個我們現(xiàn)在在做一種新的嘗試發(fā)現(xiàn)它可以同時解決效率的問題，效果提高提升的問題，同時更重要的是隱私的問題。

　　AI 科技大本營：通過本次大賽，能看出，選手需要加強的地方有哪些？商業(yè)化的項目到底需要什么樣的人才？

　　鄭宇：一個是既懂科學又懂場景結合的應用型人才，一個場景做完能應用到另外一個場景的人才，這類人才還比較少。

　　還有一個普遍的感覺是，選手們很年輕很有激情很有想法活力，但在表達方面，還需要更加精簡。實際上，講得越多，別人越記不住。

　　楊強：我非常同意。在跟人溝通方面，以及聚焦的能力方面，學生隊特別容易聚焦 10 個方向，20 個問題，而商業(yè)隊就比較容易聚焦到一個方向，這個能力還是需要實踐獲得的。我們說起人工智能和大數(shù)據(jù)現(xiàn)在可能最關鍵的話題是落地，但如何落地跟聚焦的能力是相關的。

　　車品覺：實際上，任何一個產品，必須明白誰買單，服務誰。你需要把所有的功能收到一個點，收到剛好有人愿意付錢。

　　崔曉波：***個是產業(yè)發(fā)展的問題，我覺得首先還是數(shù)據(jù)流動的問題，因為前幾年我們都說是不是可以通過交易和交換的方法讓整個的數(shù)據(jù)流動起來，現(xiàn)在我覺得從商業(yè)時間來看是比較失敗的，擁有真正高質量數(shù)據(jù)的企業(yè)是不愿意開放出來的，比如說交易數(shù)據(jù)，從來沒見他們交易數(shù)據(jù)，第二個其實政府的數(shù)據(jù)資源沒有被開發(fā)出來，這個和美國有差距，那邊的數(shù)據(jù)整理得非常好，質量也非常高。

　　此外因為各地也在建數(shù)據(jù)交易所，但是沒有實際的商業(yè)基礎，原因是什么呢？

　　因為數(shù)據(jù)是不能被用來交易的，所以在美國已經過渡到了大家覺得數(shù)據(jù)不能被交易，但是算法和模型是可以做商業(yè)化的，現(xiàn)在基本上是在一個過程中。

　　說到人才方面，因為我們公司也有很多專門這個領域的人員，我們也是給他們劃分了幾個職業(yè)賽道，就像楊強老師說的數(shù)據(jù)師，所以我看到，***個會越來越細分，以前我們說把產品經理統(tǒng)稱為產品經理，但是現(xiàn)在來看我們的商業(yè)實踐里面已經出現(xiàn)了專門的數(shù)據(jù)產品經理，就是專門不把數(shù)據(jù)轉化成產品，并且轉化到專業(yè)的場景應用的人，他要非常的懂商業(yè)，又知道哪些場景可以用數(shù)據(jù)，建立模型，去評估，用在哪些商業(yè)場景可以落地，這樣的人是非常少的。

　　第二個，中國的工程非常差，以前做軟件的有軟件工程，但現(xiàn)在做數(shù)據(jù)工程和數(shù)據(jù)治理這部分缺東西也缺方法，這個是整體一部分。去年也聊過這個問題，因為效率不高，90% 的數(shù)據(jù)不能應用于商業(yè)運用的模型，因為 80% 是做數(shù)據(jù)加工，但是這在我們商業(yè)里面是最有價值的一部分，把數(shù)據(jù)加工成一個可以去做模型做工程這樣的數(shù)據(jù)，這部分我覺得會有很大的一個空白去填補。

　　AI 科技大本營：您如何來辨別大數(shù)據(jù)公司的數(shù)據(jù)是真實有效的，因為數(shù)據(jù)的真實性驗證是比較痛苦的，誰也不能評判一個數(shù)據(jù)的好與壞或者優(yōu)與劣，或者真與假。

　　崔曉波：就像車老師說的有一些基礎的驗證的方法，包括我們說的基礎的樣本匹配，以及選取部分的樣品判斷，這在我們公司就是質量控制部分，進我們公司所有的數(shù)據(jù)會要經過質量檢驗，我會拿三個事情去考驗，你這批數(shù)據(jù)首先會有質量的指標。

　　第二個從商業(yè)的指標來看，因為我必須在一個商業(yè)場景里面會先做一個測量，要測量你這個數(shù)據(jù)模型在這個商業(yè)場景里面到底是給商業(yè)的 CPI、LOY 提升了多少，我們要特別清晰的商業(yè)指標。就拿預測的舉例子，在雙十一的時候就幫助一個客戶做了銷量預測的模型，因為去年銷量預測不準，直接損失了大概 3 個多億，通過這樣的模型我們今年大概做了 3 個月，用了各種各樣的數(shù)據(jù)特征，所以數(shù)據(jù)模型對商業(yè)是有價值的。

　　楊強：這個是大家現(xiàn)在還在探討的問題，這種監(jiān)管這種條例剛出來，大家也看到了各種的猜測，我個人的解讀是這樣的，一個是國家要求金融機構具有更強的科技能力，然后***這個能力是自己具有的，這樣就保證了金融機構能不斷的創(chuàng)新。

　　第二個是金融機構的金融能力不能第三方去做，所以一定要更多的自己去做，也不排除金融服務，在國外已經有很長的歷史了，像京東金融是具有特別的獨特的優(yōu)勢就是它自己還具有數(shù)據(jù)，有高頻的數(shù)據(jù)，而且這種數(shù)據(jù)和網絡商業(yè)場景緊密相關的，這種結合我覺得是一個開放性的考慮，所以我們現(xiàn)在大家的解讀都不一樣，但是我覺得怎么樣在安全的前提下能夠做金融創(chuàng)新，這對國家、對廣大的金融用戶，都是好事。

　　科普一下大賽的背景資料

　　據(jù)悉，本次大賽在中美兩地同步進行，共有四大賽題，包括登錄行為識別、店鋪銷量預測、信貸需求預測和豬臉識別，每道賽題均設有算法組和商業(yè)組。

　　值得一提的是豬臉識別，其在知乎上的瀏覽量超過 35 萬。

　　在這道題中，通過豬臉識別，幫助養(yǎng)豬戶識別每一頭豬的身份，從而分別記錄不同的豬在養(yǎng)殖過程中的各種活動，判斷這頭豬是不是活躍，它是不是散養(yǎng)的，它是否生過病。從而在食品安全、養(yǎng)殖管理，甚至是為養(yǎng)殖戶提供信貸、保險等金融服務。

　　有意思的是的一個小插曲是，為了提供最真實、最全面的豬的照片，京東金融 20 多個 AI 工程師在養(yǎng)豬場呆了 2 天，分三組為 105 頭豬采集照片，僅一頭豬的照片就需要拍完三張卡的數(shù)量。

[[213876]]

　　而登錄行為識別這道賽題，主要要求選手通過競賽模擬數(shù)據(jù)中用戶的登錄行為信息，來預測交易是否有風險，從而構建針對登錄行為識別的、有業(yè)務可解釋性的模型，對賬戶的登錄行為進行評判。

　　據(jù)京東金融副總裁、技術研發(fā)部總經理曹鵬稱，在這道賽題中，算法組的團隊表現(xiàn)，已經很接近京東金融目前正在使用的同類模型的技術水平。

　　附 JDD—2017 京東金融全球數(shù)據(jù)探索者大賽決賽算法組 4 組冠軍以及商業(yè)組的冠亞季軍：

[[213877]]

[[213878]]

[[213879]]

[[213880]]

[[213881]]