提供更貼近客戶所需的智能客服 人工智慧翻轉金融服務

撰文：陳世訓（本文摘自台灣銀行家2月號）

當2011年IBM華生在益智大賽中勝出、2016年3月AlphaGo擊敗南韓圍棋高手李世，
以及今年初Master讓世界冠軍柯潔在中盤投子認輸，電腦戰勝人腦，
人工智慧發展熱潮又再被掀起，人工智慧到底會在人們生活扮演何種角色。

人工智慧並非近幾年突發而起，早在1943年時，沃倫‧麥卡洛克（Warren McCulloch）及爾特‧皮茨（Walter Pitts）所發表人工神經方面的研究報告被公認是最早的人工智慧研究；歷經幾年後，在1956年時，人工智慧一詞發明者約翰‧麥肯錫（John McCarthy）、馬文‧明斯基（Mar vinL. Minshy）、艾倫‧紐厄爾（Allen Newell）、賀伯‧西蒙（Herbert A. Simon）等4位重量級學者在達特茅斯研討會催生了「人工智慧」這門新科學，往後20年中，參與研討會的學者及其學生們也對該領域發展多有貢獻。

人工智慧在發展上並非順遂，期間曾歷經2次興衰。第一次熱潮出現在1950年代，研究者抱持十分樂觀的態度，但畢竟在當時有限的運算下，只能解決有限的問題，也諸多是迷宮或棋盤等議題，談不上實務的應用。到了1970年代，人們對人工智慧的熱情就澈底冷卻，也認知人工智慧的深奧無境。在強調知識管理的1980年代，第二波人工智慧浪潮再度燃起，當時體認到組織發展與知識之間的重要關聯，促成導入人工智慧與專家系統技術，發展知識管理系統。但畢竟關聯性背景知識眾多，真正人工智慧的實現困難重重，只能解決表面的決策。

從神經網路到深度學習

科學家一直在探索人類的思考模式，希望可以模擬出人類的智慧模型，因此建構出人工神經網路（Artificial Neural Networks），仿照人類腦部的神經元和突觸，其中突觸所扮演的角色等同權重值，整個運算如同函數計算一般，再透過常用的倒傳遞（Backpropagation）進行調整修正，可決定身體感知後傳送大腦後的判定；若再建立多層次的架構，讓系統可以在特定目標開始學習，就是所謂的深度學習（Deep Learning）。

實際上，要達到人工智慧的目標，絕不僅僅是處理複雜的函數問題而已，譬如判定一個物件是否為兔子，必須經過多少背景知識的累積，人類能夠輕而易舉的識別，畢竟是從小到大的知識累積而成；而電腦如何判定未知的物件，甚至能和人腦一樣直接連結相關圖片、影像及知識等，必定要花費一番功夫。這也是前2波熱潮消退的主因，理所當然的思維，讓大家對人工智慧過度期待，而忽略背後必須納入廣大的背景知識。

機器學習在面臨浩瀚的資料下，第一步必須學會「分類」，這對人工神經網路而言，並不是太大的困難。傳統的機器學習是採監督式學習，也就是需要有人工介入標示結果。但如何建立真正的人工智慧，朝向完全非監督式學習，由機器自行學習。以辨識技術為例，機器如何自行決定以何種特徵辨識物件，針對一張圖片辨識出是一隻真貓、卡通貓，或僅是個符號。對於深度學習而言，可以透過大量資料中以非監督式學習自我找出特徵及概念，最後再輔以監督式學習微調，提升整體學習的效率與品質。2006年傑弗瑞‧辛頓（Geoffrey Hinton）和他的學生發表了一篇文章，運用多隱層神經網路的學習能力，讓機器逐層進行非監督式學習，自行找出特徵，最後再利用標示樣本，以監督式學習進行調整，這就是所謂的深度學習。現今第三波熱潮的來臨，讓大家見到人工智慧的曙光，同時雲端、大數據、平行運算能力的大大提升，如同天時地利人和的契合，在人工神經網路中發展出深度學習，讓人工智慧在學習上能夠觸類旁通、舉一反三。

人工智慧的應用推陳出新

打敗人類棋手的AlphaGo，是屬於人工神經網路， 由Google旗下Deepmind開發完成，該系統是以許多個資料中心做為節點，各節點內含多台超級電腦；AlphaGo系統在導入深度學習下，如同人腦一般進行無數虛擬棋局訓練；人工智慧發展近60年來，終於有了重大突破，在硬、軟體各種技術能力的提升下，科技大廠紛紛投入人工智慧的發展，包括Google、微軟、蘋果、IBM、Facebook、Amazon、百度、阿里巴巴、騰訊等，目前研發技術包括計算機視覺、圖像辨識、情緒辨識、語言翻譯等。

在商業應用上，Google已展開無人車開發，並於2015年上路測試；微軟推出個人數位語音助理Cortana；IBM在2016年推出以華生為核心的機器人Pepper，深獲銀行愛用；Amazon則利用人工智慧排除假評論及評分，同時推出語音助理Echo，商業應用不勝枚舉。隨著人工智慧技術的發展，機器人也孕育而生，開發出人形機器人及聊天機器人（ChatBot）。現階段人們都習慣使用不同功能App、Web-Based介面或應用程式，依開發者設計的介面操作產生答案，這些都屬於對話式介面的應用程式。聊天機器人則不然，使用者隨意發問，便可得到正確的解答，在「隨身虛擬語音助理」技術越趨成熟的情況下，不論Facebook、LINE也都開始投入發展聊天機器人。人形機器人常被銀行或機關聘用成為大廳導覽員，而聊天機器人則具備更廣泛的應用，除智能客服外，也可整合不同服務。

銀行應翻轉金融服務

近幾年來，金融業從Bank3.0至FinTech的連波衝擊，銀行客戶的行為已有所改變，不再將銀行視為一個地方，客戶需要的是銀行服務，而不是一座實體銀行。對於金融業而言，人工智慧與金融科技都是必須擁抱的工具，用以提升整體金融服務。

從ATM、網路銀行、電子支付、電子下單與便利超商等替代服務，科技不斷侵蝕金融業的工作機會，但是對消費者而言，卻是得到多元的服務。科技造成的影響是一體兩面，但金融業者更應善用科技：在服務面向，應掌握核心業務，運用服務資源，以人工智慧技術整合服務，提供智能客服，在現有的多元服務下創造獨特、快速及便利的整合優勢；在安全面向，透過人工智慧可建立覆核作業、降低錯誤，運用深度學習可進行偵測反洗錢、反詐騙模式，配合物聯網可達成自動機器偵警作業，避免因人力疲乏降低作業品質。

日前媒體報導「有47％以上工作將會被AI取代」，其中銀行的融資專員及櫃台專員被納入高度取代的工作項目，而難以被人工智慧取代是具有創意及專業特性的工作。金融業是以服務為本質，面臨科技發展，銀行更應以專業及創新的態度，結合科技翻轉金融服務，貼近客戶所需。（本文作者為台灣金融研訓院資訊處處長、FinTech諮詢服務中心執行秘書）

★延伸閱讀★
2017總體經濟金融X產業關鍵策略峰會
共享經濟的機會與挑戰
以「台味文化」吸引國際
誠品副董事長吳旻潔：攜手台灣品牌與出版業，面向更廣大市場
電影導演魏德聖：金融業扮演行銷夥伴 可共創雙贏