详解机器学习平台的整体架构

　　近日，第三届“国际人工智能与大数据高峰论坛”在北京国家会议中心召开，本届峰会聚焦于前沿人工智能技术与产业应用。

　　作为人工智能行业领军人物，第四范式联合创始人、首席架构师胡时伟受邀出席大会，并以“大规模机器学习平台的技术实现”为题，发表了主题演讲。

　　胡时伟曾主持了百度商业客户运营、凤巢新兴变现、商业“知心”搜索、阿拉丁生态等多个核心系统的架构设计工作；后作为链家网创始团队成员，从0开始完成链家网新主站的架构设计，推动链家系统和研发体系的互联网化转型。

　　现任第四范式首席架构师，带领研发团队打造出国内首款人工智能全流程平台“第四范式·先知”。

　　以下内容根据胡时伟主题演讲编写，略有删减。

　　大家好！我是来自第四范式的胡时伟，非常荣幸能够与大家分享第四范式在AI技术方面的探索以及全新的尝试。

　　首先，我们讲到人工智能时，大家会问，它是不是还停留在一个不确定是否成立的时代？尽管它已经可以做一些图像识别的工作，在下围棋或者打游戏等方面甚至战胜了人类。但是人工智能在商业和工业生产领域的实际表现如何呢？

　　我们列出了以下几个方向，均是第四范式在服务客户的过程中，真正利用人工智能技术产生效果的领域，比如实时风控、交易反欺诈、个性化推荐等，这些领域都实现了运营效果数倍的提升。

　　AI的三大优势：精细、智能、高效

　　AI为何能促进业务提升呢？我们总结了一下，在以下三个方面，AI会和以前的方式有所区别。

　　首先是精细，人工智能系统对个性化和微观业务场景的分析和预测能力的要求已经超过过去的想象。以反欺诈为例，如今，大部分交易都已经转移到移动支付或者互联网上，欺诈交易的比例和绝对数量变得越来越多。

　　我们过去怎么解决这个问题呢？

　　每当出现一笔欺诈交易时，由案件中心来对交易进行分析，然后整理出一些规则，例如这笔交易的金额大于某个数额，或是一定时间范围内，该笔交易的地点与上一个交易地点之间的距离过大，案件中心会认为它是一笔欺诈的交易。

　　实际上，在影响欺诈的因素当中除了强规则，还有很多长尾因素，例如全国每一个区域发生交易欺诈的规律都是不一样的，所以过去专家整理出的上百条规则只能对全国的交易进行分析，而对于每个具体的省市，甚至是某一个村，这些规则其实是覆盖不了的。