GPU助力魔数智擎打造金融行业AI机器学习平台
2020-03-30 18:38
分享到微信
分享到微博
深圳市魔数智擎人工智能有限公司（以下简称：“魔数智擎”）是国内新一代 “端到端可溯源可解释的AI机器学习引擎”研发商，其自主研发的MagicEngine机器学习平台，融合了资深数据专家经验，深度优化AI算法底层代码，将传统黑盒模型拆解开来，让普通业务人员也能读懂模型构建原理，无需数据科学专家即可进行从数据到建模全流程的操作，输出贴合业务场景的、具有可解释性的模型报告与解决方案，让决策变得更加智能高效。
传统黑盒模型
难以满足金融行业需求
当前，绝大部分金融行业企业在数据建模过程中都高度关注于“模型高精度”，而导致模型仅能输出一个高精度结果，缺少可具有解释性的支撑依据。这意味着此类模型的落地应用将是一种赌博式落地，在这一过程当中，企业需要承担未知的风险。但基于金融行业的业务具有严肃性和严格的政策规定的性质，需要预测风险模型具有良好的解释性，而传统黑盒模型一直难以满足行业的需求。
此外，金融行业还存在着AI 技术应用门槛高的问题。金融机构中大部分业务分析人员对AI机器学习的了解有限，难以有效的利用AI来为他们服务，除此之外要确保拥有贴合业务的高质量模型，需要具备集技术、数据、业务多维度经验知识的团队一同协作完成，而具备这样条件的人才又十分稀缺难得。
而且，国内金融行业的新监管政策再三强调，持牌金融机构要严格落实自主风控原则，不得将核心的风控环节外包，并要求要对信贷资金的流向进行跟踪检查和监控分析。在此之前，持牌金融机构线上贷款的业务模式是采购第三方数据公司的征信分进行放贷，不参与核心的风控环节，由此催生了一系列数据公司。而在去年公安局的扫黑除恶行动对暴力催收、现金贷乱象、信息泄露等现象进行大整顿后，业内一系列知名的数据公司均停止了相关数据服务。意味着在当前强监管时代下，金融机构要想合规运营，必须拥有自主建模和数据追溯的能力。
由此可见，在金融行业搭建AI机器学习平台主要挑战，主要体现在以下两点：
一是算法。过去金融行业的黑箱算法模型带来太多的不确定性和风险，模型可解释、数据可溯源是当下金融行业对算法提出的新要求。算法只有构建能被理解的白箱模型，企业才能够控制风险让模型平稳落地。同时支持高度透明的数据溯源，甚至直接追溯到原始数据源表，让操作人员能够随时在任意节点进行复盘、查疑、监控等，也是金融行业对算法提出的重要需求。
二是算力。从精准营销到数字运营，从风控管理到数据安全，当前金融行业几乎每一个业务环节都和大数据密不可分。与此同时，AI技术正在加速渗入，颠覆传统的业务模式。AI相关的算法模型的复杂度与数据维度紧密相关，面对动辄百万级的业务数据，用户需要大量算力进行模型训练。因此，对于AI机器学习平台而言，算力已经成为制约效率的一个无法忽视的因素。
CUDA 9.0 和 V100
助力加速魔数智擎AI全流程
魔数智擎所打造的端到端可溯源可解释的AI机器学习平台基于NVIDIA CUDA的cupy包，能够有效加速numpy、pandas计算：当数据量级1000w以上时，numpy矩阵计算速度较CPU极限提升314倍；在实际项目整体数据科学计算流中，根据算子的不同，速度普遍可提升3-27倍。基于NVIDIA CUDA的C++底层加速，有效提升了算法底层矩阵运算速度：实际项目中，当数据量大于1000w时，底层算法提升3.2倍。倍增的效率和速度可以帮助金融机构在风险控制中更快做出反应，从而获取巨大的收益。
而且，魔数智擎的AI机器学习平台还极大缩短了数据处理和模型的开发时间。以往的数据处理流程需耗时2个月甚至更长时间，尤其是当数据维度较高时，数据预处理流程会严重影响整个建模流程的效率，进而增加时间成本。魔数智擎的AI机器学习平台利用NVIDIA CUDA 9.0 和NVIDIA Tesla V100极大地提升了数据预处理功能的算力和平台的并行计算能力，能够将数据处理流程缩短至1周，建模周期更是缩短至3～5天，从而能够让业务人员将更多的时间投入到业务本身。
此外，魔数智擎AI机器学习平台的智能风控策略规则的生成时间也得到了极大提升。通常，当训练数据维度很大时，模型的训练以及规则搜索速度会变得很慢，从数据预处理、模型训练、规则提取、模型部署应用到实际业务场景中，整个流程需耗时一个月以上。然而，在 NVIDIA CUDA 9.0 和NVIDIA Tesla V100 的助力下，MagicEngine机器学习平台的数据预处理流程较原来提升了近10倍，模型训练速度提升了20倍以上，将整个风控策略规则的生成时间从1个月缩短至1周以内，极大的方便策略研究人员从海量的数据中快速提取规则策略，快速部署上线。
目前，魔数智擎MagicEngine机器学习平台凭借其可解释、可溯源、自动化的特点受到了金融行业客户的认可和欢迎。魔数智擎通过将晦涩难懂的AI技术与资深金融专家的经验相结合，固化封装成可视化的、贴合业务的AI系统，赋能业务人员，帮助金融机构摆脱业务人员不懂AI的困境，大幅降低了AI技术的应用门槛，进而瞬间提升团队整体AI能力。同时，MagicEngine机器学习平台也在不断升级其系统架构，提升其对大数据的扩展和支持能力，在算法和算力层面持续进行优化和扩展，提高整体建模效率。
魔数智擎AI助推智慧金融
借助于NVIDIA CUDA 9.0 和NVIDIA Tesla V100 ，魔数智擎的AI全流程速度都得到了提升。在魔数智擎AI机器学习平台上，用户能以极低的门槛进行从数据到建模的全流程操作，无需算法专家、不用IT编程能力，仅需在图形化的操作界面上点击鼠标操作，即可完成数据建模，进而输出贴合业务场景的可解释模型报告与解决方案，将传统需耗时2个月缩短至1周以内甚至可以更短，从而极大地降低时间成本，将用户从复杂繁琐的重复性工作中解放，使其能够将更多精力专注于业务及业务创新当中。
魔数智擎 CEO 柴磊表示：“金融行业是最受关注的人工智能应用领域，一方面由于日趋严格的监管政策，对持牌金融机构的合规运营提出了要求，需要持牌金融机构自主把控核心风控环节，具备自主建模与数据溯源能力。另一方面人工智能技术逐渐回归业务本身，推动传统金融企业向普惠金融、智能金融等方向转型发展。
结合NVIDIA 提供的 GPU 解决方案，魔数智擎研发的端到端可溯源可解释的AI机器学习平台，解决了建模技术耗时长、门槛高以及AI与业务难以融合的难题，帮助持牌金融机构合规运营，提升企业数据变现能力。”
传统黑盒模型
难以满足金融行业需求
当前，绝大部分金融行业企业在数据建模过程中都高度关注于“模型高精度”，而导致模型仅能输出一个高精度结果，缺少可具有解释性的支撑依据。这意味着此类模型的落地应用将是一种赌博式落地，在这一过程当中，企业需要承担未知的风险。但基于金融行业的业务具有严肃性和严格的政策规定的性质，需要预测风险模型具有良好的解释性，而传统黑盒模型一直难以满足行业的需求。
此外，金融行业还存在着AI 技术应用门槛高的问题。金融机构中大部分业务分析人员对AI机器学习的了解有限，难以有效的利用AI来为他们服务，除此之外要确保拥有贴合业务的高质量模型，需要具备集技术、数据、业务多维度经验知识的团队一同协作完成，而具备这样条件的人才又十分稀缺难得。
而且，国内金融行业的新监管政策再三强调，持牌金融机构要严格落实自主风控原则，不得将核心的风控环节外包，并要求要对信贷资金的流向进行跟踪检查和监控分析。在此之前，持牌金融机构线上贷款的业务模式是采购第三方数据公司的征信分进行放贷，不参与核心的风控环节，由此催生了一系列数据公司。而在去年公安局的扫黑除恶行动对暴力催收、现金贷乱象、信息泄露等现象进行大整顿后，业内一系列知名的数据公司均停止了相关数据服务。意味着在当前强监管时代下，金融机构要想合规运营，必须拥有自主建模和数据追溯的能力。
由此可见，在金融行业搭建AI机器学习平台主要挑战，主要体现在以下两点：
一是算法。过去金融行业的黑箱算法模型带来太多的不确定性和风险，模型可解释、数据可溯源是当下金融行业对算法提出的新要求。算法只有构建能被理解的白箱模型，企业才能够控制风险让模型平稳落地。同时支持高度透明的数据溯源，甚至直接追溯到原始数据源表，让操作人员能够随时在任意节点进行复盘、查疑、监控等，也是金融行业对算法提出的重要需求。
二是算力。从精准营销到数字运营，从风控管理到数据安全，当前金融行业几乎每一个业务环节都和大数据密不可分。与此同时，AI技术正在加速渗入，颠覆传统的业务模式。AI相关的算法模型的复杂度与数据维度紧密相关，面对动辄百万级的业务数据，用户需要大量算力进行模型训练。因此，对于AI机器学习平台而言，算力已经成为制约效率的一个无法忽视的因素。
CUDA 9.0 和 V100
助力加速魔数智擎AI全流程
魔数智擎所打造的端到端可溯源可解释的AI机器学习平台基于NVIDIA CUDA的cupy包，能够有效加速numpy、pandas计算：当数据量级1000w以上时，numpy矩阵计算速度较CPU极限提升314倍；在实际项目整体数据科学计算流中，根据算子的不同，速度普遍可提升3-27倍。基于NVIDIA CUDA的C++底层加速，有效提升了算法底层矩阵运算速度：实际项目中，当数据量大于1000w时，底层算法提升3.2倍。倍增的效率和速度可以帮助金融机构在风险控制中更快做出反应，从而获取巨大的收益。
而且，魔数智擎的AI机器学习平台还极大缩短了数据处理和模型的开发时间。以往的数据处理流程需耗时2个月甚至更长时间，尤其是当数据维度较高时，数据预处理流程会严重影响整个建模流程的效率，进而增加时间成本。魔数智擎的AI机器学习平台利用NVIDIA CUDA 9.0 和NVIDIA Tesla V100极大地提升了数据预处理功能的算力和平台的并行计算能力，能够将数据处理流程缩短至1周，建模周期更是缩短至3～5天，从而能够让业务人员将更多的时间投入到业务本身。
此外，魔数智擎AI机器学习平台的智能风控策略规则的生成时间也得到了极大提升。通常，当训练数据维度很大时，模型的训练以及规则搜索速度会变得很慢，从数据预处理、模型训练、规则提取、模型部署应用到实际业务场景中，整个流程需耗时一个月以上。然而，在 NVIDIA CUDA 9.0 和NVIDIA Tesla V100 的助力下，MagicEngine机器学习平台的数据预处理流程较原来提升了近10倍，模型训练速度提升了20倍以上，将整个风控策略规则的生成时间从1个月缩短至1周以内，极大的方便策略研究人员从海量的数据中快速提取规则策略，快速部署上线。
目前，魔数智擎MagicEngine机器学习平台凭借其可解释、可溯源、自动化的特点受到了金融行业客户的认可和欢迎。魔数智擎通过将晦涩难懂的AI技术与资深金融专家的经验相结合，固化封装成可视化的、贴合业务的AI系统，赋能业务人员，帮助金融机构摆脱业务人员不懂AI的困境，大幅降低了AI技术的应用门槛，进而瞬间提升团队整体AI能力。同时，MagicEngine机器学习平台也在不断升级其系统架构，提升其对大数据的扩展和支持能力，在算法和算力层面持续进行优化和扩展，提高整体建模效率。
魔数智擎AI助推智慧金融
借助于NVIDIA CUDA 9.0 和NVIDIA Tesla V100 ，魔数智擎的AI全流程速度都得到了提升。在魔数智擎AI机器学习平台上，用户能以极低的门槛进行从数据到建模的全流程操作，无需算法专家、不用IT编程能力，仅需在图形化的操作界面上点击鼠标操作，即可完成数据建模，进而输出贴合业务场景的可解释模型报告与解决方案，将传统需耗时2个月缩短至1周以内甚至可以更短，从而极大地降低时间成本，将用户从复杂繁琐的重复性工作中解放，使其能够将更多精力专注于业务及业务创新当中。
魔数智擎 CEO 柴磊表示：“金融行业是最受关注的人工智能应用领域，一方面由于日趋严格的监管政策，对持牌金融机构的合规运营提出了要求，需要持牌金融机构自主把控核心风控环节，具备自主建模与数据溯源能力。另一方面人工智能技术逐渐回归业务本身，推动传统金融企业向普惠金融、智能金融等方向转型发展。
结合NVIDIA 提供的 GPU 解决方案，魔数智擎研发的端到端可溯源可解释的AI机器学习平台，解决了建模技术耗时长、门槛高以及AI与业务难以融合的难题，帮助持牌金融机构合规运营，提升企业数据变现能力。”
