7
產學合作
圍棋人工智慧 AlphaGo 在前年以連三勝的戰
績打敗人類棋王,轟動了整個世界。人們開始
思考人工智慧技術在金融界要如何應用,幫助
使用者更方便快速地使用服務,使商家減少人
力成本,這到底要如何運作呢?
人工智慧與深度學習
人工智慧(artificial intelligence,簡稱 AI) 的目標是希望電腦具有類似人類的學習及解決複 雜事情的能力,進行較高難度的思考,能夠推理、 規劃、交流,甚至是語言對話。目前人工智慧是 透過資料的分析,學習潛在的規則,把這些規則 建立成一個模型,再利用一些額外的資料進行驗 證跟推理,最後透過介面如聊天機器人,或讓機 器人以做相對應的動作呈現給使用者。 而最近炙手可熱的深度學習,則是模擬人類 神經系統,稱為類神經網路,就是在電腦裡建構 一個很深、很多層的神經元連結,從訊息輸入、 逐層傳遞、疊加訊號、產生反應,經由反覆的學 習及更新,進而產生最終決策。在類神經網路中, 神經元間都有一個可改變權重的連結,而每個神 經元都會接續著上一層神經元與權重乘積的和, 並對下一層神經元傳遞處理過的反應訊號。在訓 練模型時,機器學習演算法透過反向傳播算法調 整連結的權重,目標是降低目前預測和實際結果 之間的差距,即損失函數。 初步認識 AI 的架構後,得出一個問題:輸入 的資料和目標若需要手工一一標記妥當才能開始 訓練,豈不是既費時又費力? 由於互聯網和行動運算裝置的蓬勃發展,現 代人的生活圈幾乎離不開智慧型手機與網路,使 用者每次使用網頁服務或社交軟體都會留下大量 數位足跡,網站則把這些資料做一步分析使用, 這龐大的資料稱為大數據。當能掌握大量有意義 的數據時,就可以藉由人工智慧的各項技術從中 取得有用的知識。而未來的商業模式會逐漸向這 些 擁 有 大 數 據 的 公 司 靠 攏, 其 中 包 含 Google、 Facebook、Microsoft、Amazon, 與 中 國 的 百 度、 阿里巴巴、騰訊。 文/彭文志 資工系教授、黃思皓 資訊管理與財務金融學系助理教授 文章來源:《科學發展》月刊,108 年 3 月,555 期
人工智慧在金融科技上的應用
8
此外,今日許多人工智慧應用陸續開發出來, 除了上述深度類神經網路模型的發展與大量數據 的 累 積 外, 雲 端 運 算 及 graphics processing units (GPU)的進化也解決了訓練建模所需要的大量運 算資源。GPU 即圖像處理器,是一個專門在電腦上 處理繪圖運算工作的微處理器。GPU 之所以能加速 訓練模型,關鍵在於它擁有比 CPU 多且小型的處 理器,當模型需要更新權重時,GPU 能夠做出大量 平行運算,提高比 CPU 多數十倍的運算效率。
金融科技
金融科技(finance technology,簡稱 FinTech) 是指隨著科技的新興與發展,金融產業公司紛紛採 納科技的力量解決其高人力成本的業務,進而形成 的一種經濟產業。其中人工智慧在金融業的應用備 受關注,本篇將介紹消費行為模式的改變、新興的 信用評比方式、智慧的投資保險工具,以及信用卡 盜刷偵測,利用人工智慧的技術顛覆傳統的金融商 業模式。 2017 年,北歐最大的銀行北歐銀行首席執行 官 Casper von Koskull 表示,因需要降低成本並提 升效率,計劃引入 AI 技術,因而大幅削減員工人 數,預計裁員 6,000 人,其中包括 2,000 名顧問。 金融業的本質就是數字,而擅長處理數字資訊的 AI 首當其衝進軍金融業一點也不稀奇。小至市面 現金交易,大至股市投資買賣,甚至能準確預測 股市走勢及風險計算,幾乎全部可以由 AI 代勞。 AI 除了能分析大量數據擬定最佳策略外,也 減少了企業僱用人力所帶來的成本。因此,金融 科技在引入 AI 後隨即引發金融業破壞式的創新。
便利消費及精準行銷
志明家固定 3 個月會到賣場買一次洗衣精, 就在洗衣精快用完的前一個禮拜,剛好賣場寄來 數張折價券,除了洗衣精的折價券外,還有一些 啤酒、飲料的折價券。最後原本沒有打算買啤酒 飲料的一家人,趁著有折價券的優惠,也順便買 了額外的東西。 上述的故事就是把人工智慧運用在消費行為 分析上的狀況。賣場裡有許多顧客的消費資料, 藉由分析顧客的資料學習數種顧客的消費模型, 利用這種消費模型再去額外作商品推銷。因為學 習到的消費模型中,每 3 個月買一次洗衣精的消 費者通常會順便採買一些啤酒飲料,所以才會在 折價券中也加上啤酒飲料的優惠。 第二種常見的狀況是:突然想買個相機,四 處查了一下各廠牌的相機,之後幾天在瀏覽網站 時,發現旁邊廣告欄持續顯示與相機相關的廣告。 這種狀況也是利用使用者的資料做學習來應用, 如使用者瀏覽網頁的資料、瀏覽過的網頁紀錄、 商品類型、搜尋的關鍵字等,透過這些資料預測 這種行為模式的人是不是潛在的消費者,若是潛 在消費者,就可以利用廣告的一些促銷訊息誘使 消費者消費。 除了上述的情況外,也可以利用消費者的消 費行為調整賣場的櫃位擺設、關於商品擺設的方 式,把消費者常一起購買的物品擺放在一起刺激 消費就是這種應用。最常聽見的例子莫過於啤酒 與尿布的故事,把啤酒擺放在尿布附近,使得來 消費的爸爸在買尿布時,同時買了啤酒犒賞自己 的辛勞。姑且不論這個故事的真實性,若能發現 類似的消費行為,藉由這種方式擺放商品促銷, 不也是一種不錯的手段? 不僅銷售可以運用人工智慧學習消費者行為 推銷商品,消費者也可以利用自己的消費行為紀 錄進行消費的控管。例如 AI 在學習完某人消費行 為後,可以在他要衝動消費時做一些應變措施, 成為個人的理財管理工具。 整體而言,若把人工智慧運用在消費行為上, 可以帶來不少改變。不過改變的前提是能否在資 料中找到有價值的資訊,並學習成知識或更能靈 活運用這些知識而形成智慧,這還是需要好好努 力的方向。信用評價智慧分析
試想,如果有人在學校裡跟你講「借我 500 塊可以嗎?」這句話,你會怎樣做?你當然會先 看他是誰再做決定:好朋友的話,只要不是太無 理的理由,相信你都會答應他;但假如是一個陌 生的同學,即使他願意支付利息,你也不會那麼 好說話。因為你知道好朋友的一切,對他十分信 任,所以借給他沒問題;相反地,你對那位同學 的認知是零,爽快地答應是不可能的,當然要先 調查他的一切,確保他會還款才借給他。 要怎樣調查呢?不外乎找個信譽良好,知道產學合作
9
產學合作
他底細的人詢問。至於問的項目,主要就是那個 人的信用如何、有沒有不良紀錄、結交的都是什 麼樣的人等。靠這些資料直接或間接地取得這位 陌生同學的信用狀況,就可以利用這些來自他人 的資訊判斷要不要答應他。 現在,人工智慧就可以很好地擔任這位中間 人的角色。它蒐集每個人在網路上或其他地方產 生的各種數據,包括線上購物的行為、手機的位 置資訊、交友圈情況、個人資訊,以及手機號的 更換頻率等,然後利用機器學習等技術把數據轉 換成信用分數。這樣你或貸款公司就可以按照一 個人分數的高低判斷他守信與否,再決定要不要 借、要怎樣借。 另一方面,信用分數不僅可以用在借貸服務 上,更可以在租車、預訂旅館時當作參考,讓分 數高的人可以適量地減少甚至免除押金,給守信 的人更大的方便。上述提到的各項考量數據都只 是冰山一角,我們有意無意中留下的數據相當的 多,每項或多或少都會反映出我們的行為。這樣 龐大的數據難以單純使用人力分析,只有靠人工 智慧才有辦法發揮這個信用系統的最大價值。投資交易自動化下單
投資最常見的像是買賣公司的股票、債券, 或是購買銀行發行的衍生性金融商品(例如遠期 貨約、期貨、選擇權等)。投資行為也可以包含 購置房地產、委託專業投資機構代為進行管理和 運用的基金、投保險和存放在銀行的存款等。 而投資交易的方式隨著時代不停地改變,像 是傳統的股票買賣必須到券商處或打電話洽詢你 的營業員下單,但拜現今網際網路所賜,傳統繁 榮的號子人潮已不復見,更多人選擇不需要出門 的網路下單。不僅如此,隨著電腦運算的快速發 展,程式交易也開始普及。藉由擬定好的投資交 易策略,撰寫程式讓電腦自動交易,只要達到你 所指定的條件,電腦會根據你所下達的指令進行 股票操作,達到快、狠、準的下單,去除人為的 失誤,更不需要時時刻刻緊盯著股票走勢。 然而,有一個好的投資策略並不容易,因此 需要有人工智慧的幫忙。透過從網站上取得過去 的成交價格,利用大數據分析價格資料數據中的 潛在規則。甚至加入一些即時的資訊,例如公司 的最近新聞是正面還是負面,財報顯示出的營業 狀況好壞等。 接著可以綜合以上的資訊,利用文字探勘技 術分析文字資料的意義,以及機器學習的技術把 資料輸入由電腦自動進行資料的分析,找出可能 或潛藏的規則。把這些規則集結起來建立一個判 斷預測的模型,來分析價格的漲跌幅程度、預測 價格,找出有潛力的金融投資組合,建立一個智 能的投資工具,甚至建立一個自動化的操作模型。 為了驗證這個智能的投資工具是否可行,可 以先利用機器驗證、回測沒有見過的資料,其預 測的準確度達一定水準後,再進行市場上的實測。 而且在每次交易的過程中,不斷修正改善,讓這 個智能投資工具的模型更加成熟。而建立在巨量 的過往交易資料量上、越加複雜的模型且具快速 的計算能力下,人工智慧投資工具未來可能會取 代人類用眼睛看盤或用頭腦想的投資決策,比人 類更加精準地判斷商品價格的漲跌預測。理財機器人
近期各大金融業興起理財機器人的議題,打 著機器人自動搜尋新聞或市場資訊,進而在市場尚 未大幅波動前調整投資策略的名號。且號稱可以讓 繁忙沒有時間盯盤的上班族或毫無投資經驗的小資 族,用很低的金額投資基金組合,輕輕鬆鬆賺入人 生第一桶金,目標在不久的未來可以取代進入門檻 較高的銀行理專,甚至是貴賓理財服務。 各大金融業相繼投入理財機器人,這類型業 務會先設計一系列的網路問卷,讓使用者填寫後 分類出「保守」、「穩健」、「積極」的投資人, 也就是 KYC,並推薦相對應的基金市場以供參考。 例如:若是被歸納為積極型投資人,就會推薦其 新興市場類似的基金等,讓投資人能有更高的投 資報酬率,但同時承擔著更大的風險。 這類理財機器人看似非常簡單,只需動動手 指就能賺錢,實際上背後還有一層保障,目前許 多理財機器人僅是第一道關卡,最後還是由許多 專業基金經理人做出決策。2017 年安永企業管理 諮詢的報告指出,這類型的理財方式成長率在這 三年間翻漲了三倍。此外,彭博(Bloomberg,世 界知名新聞社)也預測在 2020 年時,這類投資方 式控管資金將達到 2.2 兆美元,相當於 66 兆新台10 幣,前途無量。不過投資人仍需不定時檢視報表, 才不會在不知不覺中賠錢。