:::

產業技術評析

金融服務應用人工智慧技術發展分析
發表日期:2016-08-03
作者:楊玉奇(工研院IEK )
摘要:
2016年3月Google Alpha Go以五戰四勝的結果,擊敗韓國九段棋士李世乭,使沉寂多年的人工智慧技術再次成為人們關注的熱門議題。

全文:
一、人工智慧技術再次興起

2016年3月Google Alpha Go以五戰四勝的結果,擊敗韓國九段棋士李世乭,使沉寂多年的人工智慧技術再次成為人們關注的熱門議題。回顧自1950年代起,人工智慧在類神經演算法接連於1956年和1986年,出現重大突破的推波助瀾下,達成兩次發展高峰吸引全球關注,卻也因為當時被寄予的高度期望落空,無法滿足針對複雜問題解決的需求,導致人們對當時人工智慧的表現感到失望。

隨著資料儲存能力、硬體效能以及演算法持續進步,2013年藉由深層學習技術使電腦視覺和語音辨識精確度提升,使人工智慧的感知能力趨於穩定和成熟。深層學習是一種機器學習技術,特點是使用了多層網路,能夠學習抽象概念,同時融入自我學習,而且收斂相對快速。藉由自我學習,電腦可從大量的樣本中逐層抽出相關的抽象概念,當累積到足夠多時即表示機器已得到理解,能夠做出識別的判斷和決策。

換言之,超過半個世紀的努力,人們終於掌握關鍵技術,協助機器建立感知與決策之間的連結能力。雖然僅是做到如同人類透過看、聽二感理解世間部份事物的程度,但實際上已經取得相當重大的突破。知名電腦科學專家李開復,在中國清華大學發表的《人工智能的黃金時代》演講中,即指出「過去五年來,深層學習的準確率已從75%達到97%,人類的平均準確率則在95%,這2%的領先看似微小,卻代表錯誤率降低40%以上」。如果維持目前的發展趨勢,未來幾年機器認知的能力便有可能超過人類,僅是影像和語音的識別,即可發展出相當多的應用。

二、機器學習技術正影響金融服務模式

人工智慧在各行業應用的擴散相當快速,許多原本既有的服務或作業模式,藉助人工智慧的技術支援,已產生相當程度的人力替代效果,甚至改變了工作方式。例如,翻譯和文字記者的工作,即由於已有足夠資料且作業思考模式可被理性推算,人工智慧已逐漸可以勝任,美聯社的文字報導中有90%其實是機器寫的。人工智慧對一般人的日常工作也正發揮影響,Google正在研發自動回覆信件的功能,事實上目前的Gmail有時已會在使用者收到部份信件時,就已草擬一份相當精確得體的回覆,詢問使用者是否直接採用。

機器學習能力使人工智慧作為決策工具的角色,扮演得益發成熟,除了發揮取代重複性質的勞務作業效益外,也出現了輔助甚或替代智慧決策工作的可能性。服務型產業中,有許多工作因為牽涉到複雜的理性決策,必須由專業人員執行,如醫護人員或金融分析師。然而,這些工作的從業人員常常超時工作,而且即使犧牲健康和降低生活品質,也未必有良好的工作績效。有鑒於此,近期已有金融服務業嘗試藉由機器的理性判斷提升決策品質,已見到以下導入人工智慧技術的案例出現。

(一) 金融商品交易機器人

1980年代量化演算法就已用於偵測市場資料的交易訊號,而且也發展出自動交易系統,但由於演算法是基於把握極短時間交易機會,同時以程式設定其回應方式,所以缺乏策略性規劃的能力。一旦改以機器學習為基礎所設計的演算法,即可從資料中辨別出人類無法觀察到的變化模式,而且面對市場變化時,將有自我學習的能力。

新創公司Aidyia即將其管理的對沖基金,當中所有的股票交易完全交給人工智慧執行,此交易系統的人工智慧有多種類型,主要為「基因進化」型和「邏輯概念」兩類。每天分析完所有股票價量資訊後,系統的人工智慧功能即可選出最佳投資決策,首日上線即獲得2%的回報。美國舊金山創業公司 Sentient Technologies 2015年取得風險投資1.43 億美元的投資,其自動交易系統也與 Aidyia 相似。

(二) 理財顧問機器人

顧問機器人傳統上是一種線上自動化管理服務,提供財富管理服務關於費用計算方面的一小部份服務,背後應用的理論是Modern Portfolio Theory(MPT)。整合人工智慧與理財顧問服務模式後,該系統可應用機器學習功能,分析蒐集自消費者的投資理財資料並且進行推論,再透過客戶資料分析結果,提供客製化的優惠或商品推薦。房地產經紀商Zoopla和網路商Amazon也利用類似方式,提供客戶有意義的購買建議。

理財顧問機器人與理財專員最大的差異,在於完全遵守價量訊號或符合邏輯的交易規則,換言之,理財顧問機器人可不受到情緒影響,永遠理性判斷。目前曾體驗過機器人理財顧問服務的人士,也推崇「簡單」和「效率」兩項價值訴求,認為資產配置管理的首要之務即是分散風險,但能夠精準確實做到的唯有機器人。根據高盛於2016年6月發布的報告資訊指出,全美目前雖然已有1.8兆美元的基金交由機器人交易管理,但此金額規模僅占總額的千分之三,仍有相當高的成長空間。

(三) 智慧錢包

銀行在消費性金融方面的服務,也陸續見到帶有人工智慧技術的意涵,目前最主要的應用方向是透過機器學習軟體,提供客戶對於帳戶、信用卡和消費管理的自助服務。歐洲數家銀行已推出此類具備與客戶對話的智慧錢包服務,如英國Santander銀行推出的語音助理服務Smart App,客戶可以提問方式查找某項特定交易的處理或費用支付的訊息。Swedenbank也推出智慧虛擬助理Nina,提供模仿真實客服與客戶對話的服務體驗。

銀行將人工智慧技術應用在客服方面的主要考量,除了減輕客服人員的工作負擔或者是為了降低人事成本之外,應也受到應用情境的限制。例如,選擇以人工智慧的技術,提供傳統客服透過電話或類似與客戶面對面問答的服務模式,其實是非常困難的,若是強化自助服務資訊如常見問題答覆(FAQ)則相對簡單。這應該是因為銀行客服服務有其特殊的複雜性,客戶仍習慣有專員問答的情況下所採取的選擇。

(四) 詐欺防範

透過分析資料打擊詐欺早已為金融機構熟知,但事實證明傳統資料分析和依賴規則的資料探勘技術,只能處理線性模式,對日益複雜的詐欺手法已逐漸無效。將機器學習功能導入詐欺模式的分析中,應有助於利用電腦快速處理大量詐欺分析的能力,進行模擬且適應詐欺手法的進化,進而可預測詐騙的新型態。諸多機器學習模式中,目前以深層學習模式的效能最佳,Paypal即表示採用深層學習技術,大約可比其他機器學習模型提高10%準確度。

由於機器學習導入詐欺防治的需求日增,也陸續出現專注於發展機器學習演算法應用工具的公司。於2011年成立的機器學習開源平台公司H2O.ai,即正協助許多金融機構開發智慧應用工具,用戶可從H2O的平台取得更強大的演算法進而持續優化分析工具。目前已發現H2O的技術,應用於詐欺預測和客戶中斷續費行為分析方面效益顯著,Cisco和Paypal也陸續採用其服務。

三、人工智慧技術協助提升知識工作者決策品質

以往對於人工智慧只適合取代人類從事重複勞力工作的刻板觀念,似乎在這新一波的人工智慧發展浪潮衝擊下,已逐漸開始動搖。根據Raconteur對企業採用人工智慧因素的調查結果,顯示期望利用資料做出有效決策,是48.5%企業採用人工智慧技術的原因。從上述金融業應用人工智慧技術,希望提升交易績效、投資報酬乃至於詐欺行為判斷的準確度,即顯示當前企業經營,正受到資訊爆炸導致決策品質不易控制的困擾。

另一方面,以往對於發展人工智慧技術的目的,是為了可取代人力或重複工作的想法,幾乎已不復見,僅有約6%企業有此考量;而且有15%的企業希望藉由人工智慧,協助其顧客做出有效決策。由此可見,藉助人工智慧輔助甚至取代白領階層決策管理工作的態勢,正逐漸對產業發生影響,即將挑戰傳統的勞動結構。

四、結論

隨著運算效能提升與資料分析技術突破,人工智慧技術發展即將邁入新一波成長階段,各種應用正逐漸對產業甚至經濟發展產生重大影響。然而,目前人工智慧向產業擴散的階段仍屬初期,在應用方式上仍有侷限性,大規模應用仍需謹慎。

以理財機器人為例,非常容易因為資訊蒐集不足或者資訊來源皆為特定客戶,以致於推薦的投資策略或金融商品同質性過高,而且仍缺乏投資組合變化的能力;另一方面,機器人理財的原理是建立在指數化投資的基礎上,當盤勢出現大空頭走向時,即相當考驗機器人如何在指數連動下跌的情境中,為客戶保障權益的能力。

借鏡國外發展案例反觀國內,臺灣雖然在人工智慧核心技術已稍具基礎,但對於運用人工智慧技術加值產業之能力仍需培養。此刻正值全球仍在探索人工智慧發展機會之際,臺灣產業也正面臨轉型與加值之策略議題,把握此波人工智慧發展熱潮已是當務之急,應優先鎖定關鍵產業導入應用技術,以免錯失布局良機

(本文作者為工研院IEK ITIS計畫產業分析師)

* 點閱數3372
更新日期:2020-04-08

回上一頁 回首頁