剛剛過去的這個周末，會被載入中國數據和AI發展的史冊。金融行業首個橫跨中美、涵蓋算法及商業應用的技術大賽——JDD-2017京東金融全球數據探索者大賽,在經歷了48小時的極限挑戰之后，終于落下帷幕。算法組四大賽題冠軍和商業組中國賽區冠、亞、季軍相繼產生。

　　這場歷時一個多月的JDD大賽不僅為中國數據和AI產業發掘出具有創新力又能解決實際問題的新生力量，同時表明,對于金融行業來說，數據和AI不是未來而是現在，場景對于金融科技的發展必不可少,而京東金融已經通過開放和連接的姿態,領跑整個行業。

　　四大賽題很“接地氣兒”兼具技術和商業價值

　　今年7月，國務院印發《新一代人工智能發展規劃》，極大激發國內人工智能產業發展的活力，并提出“到2030年成為世界主要人工智能創新中心”的戰略目標。當前，醫療、教育、交通等領域已經越來越多出現人工智能的身影。不過，在業內人士看來，人工智能最具應用價值的當屬金融行業，比如智能投顧、智能客服、智能風控等，基本涵蓋金融的各個重要環節，并在應用的深度和廣度方面取得領先。

　　由京東金融發起的JDD全球大數據探索者大賽就在這樣的行業背景之下應運而生。基于自身豐富的數據與技術優勢，京東金融從金融實際場景出發，設置了“接地氣兒”的四大賽題,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，其中僅豬臉識別一個問題，在知乎平臺的瀏覽量就超過35萬，并已經上升為社會話題。

　　再以登錄行為識別賽題為例，參賽者要根據用戶登錄的種種蛛絲馬跡，預測交易是否有風險。在信貸需求預測賽題中，參賽者則是通過競賽模擬數據中的用戶基本信息、在移動端的行為數據、購物記錄和歷史借貸信息來建立預測模型，對未來一個月內用戶的借款總金額進行預測。

　　在決賽環節，來自高等院校、知名企業、研究機構的選手均展現出了高超的水準。算法組選手，充分利用業內最前沿的深度學習技術，算法的預測結果已經達到行業領先水平，而且算法思路的實際應用價值極強。商業組選手不僅擁有優秀的技術能力，還能設計出相對成熟的商業計劃書，現場路演環節更是異彩紛呈。

　　大賽評委、電子科技大學互聯網科學中心主任周濤指出：“大數據時代有三個要素，第一是數據的外部化，第二是人工智能，第三數據不是成本，而是資源、資本、價值。這次大賽同時具備了這三大要素，是我們未來數據時代的一個代表性的事件。”正如周濤所說的，金融行業正在經歷新一輪變革，正如同數百年來人類經歷的一樣，源動力仍然是技術，只不過，這次的技術主體是人工智能。從長遠來看，人工智能不僅是工具，更是思維，并將對金融行業的產品、場景、商業模式產生根本顛覆。

　　金融因數據和AI而變京東金融搶先卡位

　　如今，傳統金融機構、新興互聯網公司都在爭奪數據和AI致勝高地，京東金融能夠從眾多競爭企業中脫穎而出，并成功領先同行一個身位，與其長期以來對技術的重視和投入密不可分。

　　京東金融對數據、人工智能等技術的研發、應用一直保持火力全開的姿態。目前，京東金融從事數據、技術的員工比例超過一半。當其他公司的人工智能還處于概念階段的時候，京東金融的AI應用早已落地，并且已經代表了中國乃至全球金融科技的領先水平。

　　比如，通過RNN的時間序列算法，京東金融對于“壞用戶”識別的準確率可以超過常規機器學習算法的3倍以上。這一算法研究已經被歐洲機器學習會議的2017PKDD收錄，得到了國際上的權威認可。

　　基于世界領先的生物探針技術，京東金融可以在APP端根據用戶在整個使用過程中的按壓力度、手指觸面等120+個指標，通過用戶的行為去判斷這個人是否為風險用戶，實現用戶的身份判定。據悉，這項技術已經大量應用于京東金融的反欺詐和防盜刷的場景之中。

　　技術不斷迭代的同時，京東金融也在積極儲備人才力量。今年，前亞馬遜首席科學家薄列峰加盟京東金融，擔任京東金融美國硅谷AI實驗室首席科學家。到2018年，京東金融硅谷AI實驗室將匯集50余位人工智能領域的頂級科學家，每年的研發投入有望與谷歌、Facebook等全球一線科技公司實驗室媲美。

　　走在隊伍的前列，才能看到別人看不到的問題，正是因為領先，京東金融才有魄力舉辦這屆極具創新精神的JDD大賽。京東金融連接場景與數據并開放給大家，AI人才通過大賽被投資機構、金融機構關注，大賽的成果更是有機會落地到金融行業,解決實際的問題和痛點，推動行業的進步與發展。據悉，JDD大會和大賽將在每年舉辦一次，未來，京東金融也將繼續加強在數據和人工智能領域的布局。

特別提醒：本網內容轉載自其他媒體，目的在于傳遞更多信息，并不代表本網贊同其觀點。其原創性以及文中陳述文字和內容未經本站證實，對本文以及其中全部或者部分內容、文字的真實性、完整性、及時性本站不作任何保證或承諾，并請自行核實相關內容。本站不承擔此類作品侵權行為的直接責任及連帶責任。如若本網有任何內容侵犯您的權益，請及時聯系我們，本站將會在24小時內處理完畢。