:::
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：
3364
