“人工智能，有多少人工就有多少智能”，這是伴隨人工智能發(fā)展的一句老話了，近來格外引人關注。

一周前，微信公眾號“GQ報道”的一篇記述文“通往未來之路 |那些給人工智能打工的人”在朋友圈火了。文章揭示出，在AI企業(yè)估值屢屢超過幾十億的時候，背后是中國七八線小縣城里無數(shù)猶如“富士康”一樣的AI數(shù)據(jù)標注公司。這些公司里的人與高大上的AI沒有一丁點兒關系，無從接觸也無從理解AI，他們大多是初中高中文憑，每天對著電腦進行著機械而重復的標注工作，比如，在一張圖片里把“梯子”、“茶幾”、“地毯”、“沙發(fā)”都圈出來。通過他們打上的成千上萬的標簽，AI公司能夠讓它們的AI系統(tǒng)在看見這些物體時，直接識別出來。

目前，廣泛應用在AI圖像識別、語音識別中的有監(jiān)督機器學習需要大量的標注數(shù)據(jù)支持，深度學習為機器學習帶來巨大進步，卻也需要更多、更完善的標注數(shù)據(jù)，才能達到好的訓練結(jié)果。人們發(fā)展AI的愿景一直是希望AI能將人們從大量的重復性和機械性工作中解放出來，而目前AI卻還依賴著“AI數(shù)據(jù)標注”這樣的重復性人類勞動，成為不少人詬病AI的一點。

但是據(jù)了解，并不是所有AI應用領域都能提供大量標注數(shù)據(jù)，且標注數(shù)據(jù)在不同領域也不是都一樣好使。比如，在安全領域的反欺詐中，不需要依靠標記數(shù)據(jù)的無監(jiān)督機器學習技術在很多時候都比有監(jiān)督機器學習表現(xiàn)更好。

反欺詐領域中的無監(jiān)督機器學習

DataVisor創(chuàng)始人兼CEO謝映蓮告訴，安全領域的反欺詐不滿足有監(jiān)督的機器學習和深度學習需要大量的標注數(shù)據(jù)這個前提。欺詐者通常處在活躍變化的狀態(tài)下，他們使用的欺詐手段變化十分迅速，而且他們?yōu)榱舜_保自己不被反欺詐技術檢測到，在發(fā)起大規(guī)模攻擊之前都會先進行測試。

欺詐的手段日新月異，很難拿到完善的標簽數(shù)據(jù)；而且在你拿到任何標簽之前，其實意味著損失已經(jīng)產(chǎn)生了；等根據(jù)標簽數(shù)據(jù)訓練好模型，欺詐者或許已經(jīng)拋棄了這套方法。這三點問題制約著傳統(tǒng)的欺詐檢測以及新興的有監(jiān)督機器學習方法。

傳統(tǒng)的欺詐檢測方法，如規(guī)則引擎、設備指紋以及有監(jiān)督機器學習、半監(jiān)督機器學習，都有一個共同的局限性，需要在攻擊發(fā)生后，根據(jù)已知攻擊模式和樣本，檢測未來的攻擊。無監(jiān)督學習系統(tǒng)則可以在沒有標簽的情況下，提前阻止未知欺詐。

有監(jiān)督機器學習和深度學習十分火熱，不過，從反欺詐這個領域來看，我們發(fā)現(xiàn)不是所有的AI技術在所有的場景下起到同樣的作用。那么，我們?nèi)绾螌⒑线m的技術與場景相結(jié)合，真正去解決行業(yè)中的痛點問題呢？

DataVisor的系統(tǒng)包括四個重要組成部分：無監(jiān)督機器學習引擎、有監(jiān)督機器學習、自動規(guī)則引擎和全球智能信譽庫。無監(jiān)督機器學習引擎可同時分析數(shù)十億賬戶與事件，無需標簽和訓練數(shù)據(jù)即可自動發(fā)掘惡意賬戶間的可疑關聯(lián)和相似度，并即刻檢測捕獲整個欺詐團伙；有監(jiān)督機器學習引擎可以利用無監(jiān)督學習引擎生成的數(shù)據(jù)做訓練集，不斷訓練出有效的學習模型來彌補并增強規(guī)則引擎無法覆蓋的復雜欺詐行為；自動規(guī)則引擎將機器學習模型的能力與規(guī)則引擎的可解釋性進行結(jié)合，并及時更新與淘汰現(xiàn)有規(guī)則；而全球智能信譽庫利用深度學習實時計算，并為客戶提供行業(yè)各類智能信譽和數(shù)字指紋，如IP地址、地址位置、電子郵件網(wǎng)絡域名、移動設備類型、操作系統(tǒng)等。

基于以上幾種技術，DataVisor開發(fā)了用戶分析平臺。由于該平臺本身就具有通用和可延展性，所以能夠與不同的數(shù)據(jù)、不同的使用場景掛鉤對接，也就出現(xiàn)了八大應用場景。

無監(jiān)督機器學習落地不同場景

謝映蓮畢業(yè)于卡內(nèi)基梅隆大學計算機系并取得博士學位，有超過十年的安全領域行業(yè)經(jīng)驗，一直致力于打擊大規(guī)模網(wǎng)絡線上攻擊，此前任職微軟硅谷研究院。2013年謝映蓮在美國創(chuàng)辦DataVisor，當時機器學習方興未艾，還不像現(xiàn)在這樣火爆。

2013年，是企業(yè)全面轉(zhuǎn)型互聯(lián)網(wǎng)的時代，反欺詐領域也面臨著全新的機遇：反欺詐的場景從分散的線下場景轉(zhuǎn)變?yōu)楦叨日系木€上場景。此前，在金融領域，辦理信用卡需要去銀行專柜，辦理保險也需要聯(lián)系特定的代理人員，而現(xiàn)在，辦卡、借貸、買保險都可以在線上進行，且都可以關聯(lián)到個人的社交賬號，數(shù)據(jù)互通。另一個趨勢是，現(xiàn)在一些公司越來越多地跨界，例如互聯(lián)網(wǎng)公司開始涉足金融、保險、信貸等領域。

線上反欺詐成為一個新興的龐大市場，有著全新的機遇，且這個領域還沒有誕生出大玩家。

反欺詐行業(yè)不斷融合，領域不斷擴大，反欺詐的技術需要具備很強的通用性，而這正是無監(jiān)督機器學習的另一優(yōu)點。有監(jiān)督的機器學習幾乎是需要一個場景就要一個模型，甚至需要一份數(shù)據(jù)就要一份模型，而無監(jiān)督的算法有它的自動發(fā)覺性，它可以自動地去尋找未知的場景，在模型的調(diào)優(yōu)方面，它對數(shù)據(jù)多變性的容忍度更高。

雖然目前DataVisor只是專注于反欺詐這一個領域，但是在成立之初，謝映蓮就看到了無監(jiān)督機器學習在其他領域的可能性，DataVisor可以成長為平臺型公司。

目前，DataVisor的服務對象主要有三種，社區(qū)和交易平臺；銀行和互聯(lián)網(wǎng)金融機構(gòu)；以及游戲、工具類應用。

在社交應用中，欺詐團隊通常會大規(guī)模盜號，冒充用戶進行欺詐；

在電商應用中，惡意的虛假評論會給商家?guī)韲乐氐膿p失，薅羊毛黨仿冒大量新注冊用戶將平臺優(yōu)惠都圈走，會造成大量資金損失；

在金融領域，虛假賬戶、盜刷、套現(xiàn)、洗錢各種欺詐手法層出不窮。

在美國，DataVisor的用戶包括游戲公司IGG、美食點評網(wǎng)站Yelp、圖片社交軟件Pinterest；而在中國，則有京東、大眾點評、餓了么、陌陌、Blued等，共同利用先進的機器學習技術抵御多維度線上攻擊欺詐，如大規(guī)模虛假注冊、虛假申請、垃圾內(nèi)容、薅羊毛、虛假安裝等，幫助其保護平臺用戶安全，提升平臺用戶體驗，提高用戶滿意度和留存率。

謝映蓮告訴，無監(jiān)督機器學習還有很多的潛在應用場景有待開拓，例如將其應用在基于用戶的興趣分析用戶的轉(zhuǎn)化率，用戶流失的原因等。

小結(jié)

在看來，相較于圖像識別、語音識別、零售、醫(yī)療等領域，安全領域較早地積累起數(shù)據(jù)，也較早地將機器學習應用到實踐，為無監(jiān)督機器學習技術提供了很好的數(shù)據(jù)基礎。很多行業(yè)目前還處在前期的數(shù)據(jù)收集的過程，也依賴于大量的數(shù)據(jù)標注。另外，安全領域是一個高速變化的行業(yè)，需要無監(jiān)督機器學習來快速識別新型欺詐攻擊。

AI的愿景一直是希望AI能將人們從大量的重復性和機械性工作中解放出來，在這一方面，無需標注數(shù)據(jù)的無監(jiān)督機器學習將是未來趨勢。當然，谷歌的AutoML也在致力于使得AI更加自主化、平民化，不過他們解決的是模型設計部分。無監(jiān)督機器學習在數(shù)據(jù)清洗、模型優(yōu)化方面也仍然需要行業(yè)背景和資深的AI從業(yè)者參與。理解用戶場景和需求，進行數(shù)據(jù)清洗、模型設計和調(diào)優(yōu)，正是DataVisor的壁壘和優(yōu)勢所在。

無監(jiān)督機器學習有著很強的通用性，在未來，我們或許能看到無監(jiān)督機器學習技術在更多領域落地。