人工智慧在金融科技上的應用(科技大觀園)

【2019/03/25 彭文志 | 交通大學資訊工程系 黃思皓 | 交通大學資訊管理與財務金融系】
 
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。
 
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。
 
(全文未完…)