摘要近年AI工具及應用蓬勃發(fā)展，常見AI導入于各式各樣之研究及應用中，例如搜尋最佳化、邏輯推理、心理學、經濟學算法等。AI技術廣泛之應用亦沖擊了金融服務業(yè)，促使金融業(yè)轉型為以服務為導向之新樣貌，除加速自動化之進程，更進一步將人類之心智模式及智慧導入于金融服務中，改變傳統(tǒng)金融產業(yè)服務流程，提供更專業(yè)、更優(yōu)質的咨詢服務，除提升客戶服務體驗，金融業(yè)及服務業(yè)亦透過發(fā)展AI增加產業(yè)之潛在報酬及效益。本文從序言開始金融科技及AI之相關介紹，接著說明AI所用之基礎技術，如機器學習及自然語言等運作；接下來介紹金融產業(yè)之AI常見應用，如精準營銷、信用評等、投資交易自動化等實例后，再探討AI方面之金融科技在各國央行等之應用案例及各國之推動計劃，最后是結論。本文主要結論如下：AI金融科技將持續(xù)蓬勃發(fā)展，金融業(yè)之科技轉型將勢在必行；此外，AI科技日趨重要，各國政府除密切關注其發(fā)展，并應承擔重任主導AI之我省級發(fā)展戰(zhàn)略，擬定相關政策因應AI發(fā)展下所面臨之各種挑戰(zhàn)。i目次 1二、AI技術基礎 3(一)機器學習(MachineLearning)與深度學習(Deep 3(二)自然語言處理 7(三)視覺化技術(Visualization) 7 8(一)精準營銷(PrecisionMarketing) 8(二)信用評等(CreditRation) 9(三)投資交易自動化 (五)理財機器人交易與理財咨詢(Robo-Advisor) (二)韓國央行 (三)新加坡金融管理局 (二)歐盟及英國 (三)日本 (四)韓國 (五)祖國大陸 (六)我省 圖目次圖1、人工智能領域分類圖 2圖2、AI、機器學習及深度學習關系 4圖3、機器學習建模流程 5圖4、深度學習類神經網絡架構 6表目次表1：我省AI科研戰(zhàn)略五大行動推動項目時間經費 1金融科技(FinanceTechnology，FinTech)系指將信息科技應用在金融服務，據以提升金融服務之效率與創(chuàng)新，進而形成的一種新經濟模式；隨著信息科技與時俱進之新興發(fā)展，金融領域應用導入信息科技日益普及化，金融服務陸續(xù)采用科技力量解決或取代其原有之各面向業(yè)務，如大數據、人工智能、區(qū)塊鏈等不同技術與研究主題已廣泛為金融界探究及應用，換言之，金融科技已成為現今金融業(yè)不可或缺之一環(huán)。年由美國計算機科學家JohnMcCarthy提出，系指計算機具有類似人類學習能力而所展現出來之智慧，定義為「計算機系統(tǒng)正確解釋外部資料，并從資料中學習及利用這些知識，透過靈活適應實現特定目標和任務之能力」。通常AI透過計算機程序來實現人類智慧及技術，其核心為建構人類心智能力，如推理、知識、規(guī)劃、學習、交流、感知等模型。有關AI領域技術分類，引用美國紐約AI發(fā)展公司NeotaLogic1(2016)「ArtificialIntelligenceinLaw:TheStateofPlay」文章所述，主要分成機器學習、自然語言處理、語音辨識、專家系統(tǒng)、機器人及影像辨識等(分類圖詳圖1)。1NeotaLogic為2010年成立于美國紐約之知名軟件公司，該公司主要業(yè)務為AI等深度學習研究、發(fā)展并提供其客戶AI解決方案。2圖1：人工智能領域分類圖圖片來源：本文整理近年AI工具及應用蓬勃發(fā)展，常見AI導入于各式各樣之研醫(yī)學、神經科學、機器人學及統(tǒng)計學等；AI技術廣泛之應用亦沖擊了金融服務業(yè)，促使金融業(yè)轉型為以服務為導向之新樣貌除，加速自動化之進程，更進一步將人類之心智模式及智慧導入金融服務中，改變傳統(tǒng)金融產業(yè)服務流程，提供更專業(yè)、更優(yōu)質的咨詢服務，除提升客戶服務體驗，金融業(yè)及服務業(yè)亦透過發(fā)展AI，增加產業(yè)之潛在報酬及效益。3統(tǒng)計資料顯示，2017年全球AI市場規(guī)模約12.5億美元，成長率相較前年增加94%；并推估至2025年全球AI市場規(guī)模將達到368.18億美元，其營收最大比例來自企業(yè)應用及金融產業(yè)市場，占全球AI市場規(guī)模約85%。本文探討金融科技下AI發(fā)展，文章結構安排如下：第一節(jié)為序言，第二節(jié)說明AI所用之基礎技術，如機器學習及自然語言等運作模式；第三節(jié)介紹AI在金融業(yè)之常見應用，如精準營銷、信用評等、投資交易自動化等應用及產業(yè)中相關之應用實例；第四節(jié)說明各國央行金融科技AI應用案例；第五節(jié)闡述各國金融科技AI推動計劃，第六節(jié)為結論。(一)機器學習(MachineLearning)與深度學習(DeepLearning)AI最常使用之技術為機器學習及深度學習，機器學習較常用于弱人工智能3之預測、影像辨識及專家系統(tǒng)之核心技術；深度學習則廣泛適用于強人工智慧4之各項應用、自然語言處理、資料主要來自商業(yè)組織及政府機構，擁有超過2,000,000個統(tǒng)計項目指標。3弱人工智能是藉由計算機解決某個特定問題，而非跨度學習，透過強大的運算及大量的資料分析以尋找解決方案。4強人工智慧強調的是計算機具備推理、學習、規(guī)劃、識。4機器人及語音辨識等。機器學習、深度學習及AI等三者屬包含關系關(系圖如圖2)。圖2：AI、機器學習及深度學習關系圖片來源:本文整理機器學習系指訓練計算機從資料中學習，并根據經驗而改進，透過從過往的資料和經驗中學習并找到其運行規(guī)則，最后達到精準預測之方法。機器學習本質上系透過分析資料后建立模型，并依據模型做出決策以解決問題，建模過程包含資料分析、處理及特征萃取，并選擇建模算法及調整算法各式參數組合建立模型后，經由測試估算模型準確率，再以最佳模型進行預測(建模流程如圖3)。5圖3：機器學習建模流程不同參數組合執(zhí)行訓練驗證訓練建模評估不同參數組合執(zhí)行訓練驗證訓練建模評估評估特征萃取訓練資料驗證資料測試資料最佳模型評估測試結果原始資料特徵資料測試資料準備特征萃取訓練資料驗證資料測試資料最佳模型評估測試結果原始資料特徵資料測試資料準備最佳模型預測預測最佳模型預測預測預測資料新資料預測結果特征萃取深度學習可視為進階類神經網絡技術，屬機器學習之子類別，系透過類神經網絡分析資料，仿效人腦運作原理，深度學習以類似人類大腦之結構相互連接之類神經元所形成之網絡，根據學習經驗進行調整，并透過神經元層層傳遞及堆棧。深度學習系將各機器學習算法皆視為一類神經元，結合許多機器學習算法堆棧而成之錯綜復雜的神經網絡，因輸入條件不同，隨時自我調整、自我組態(tài)、自我適應，不再需外力協(xié)助。深度學習模型建構流程如圖4所示，從底層類神經元于輸入層中輸入資料，每層類神經元在接收足夠之刺激會向下一層類神經元發(fā)送訊號，稱之為隱藏層，若未達到刺激門檻值則不會發(fā)送訊息至下一層類神經元，最終經由層層傳遞于輸出層輸出結果隨。半6導體及IC設計產業(yè)發(fā)展，現行計算力足以建立10層以上之類神經網絡，并藉由收集足夠大量資料供深度學習建立模型。圖4：深度學習類神經網絡架構圖片來源:本文整理輸入輸出輸入層隱藏層輸出層此外，依機器學習及深度學習之建模方法論，分成監(jiān)督式方法或(稱監(jiān)督式學習)和無監(jiān)督方法或(稱非監(jiān)督式學習)2種；監(jiān)督式方法系指訓練資料集案例都附有標簽答案，通常用于資料及模型較簡單之研究，常見于機器學習實作；無監(jiān)督方法系指資料并未進行預先分類或標簽之答案，算法必須完全依賴資料本身之特征，將相似資料分在一起，資料模型較復雜且龐大之研究，多以深度學習進行研究發(fā)展。7(二)自然語言處理自然語言處理(NaturalLanguageProcessing，NLP)屬AI和語言學領域的分支學科，系以深度學習無監(jiān)督方法之復雜模型架構為基礎，搭配復雜的數學模型及算法讓機器去認知、理解并運用人類語言的技術。自然語言處理常見之實作方法包括：1.分詞：將句子分成最小的語詞單位。2關.聯性：尋找語詞與語詞之間之關聯性及分類。3詞.性標注：將語法特征標上詞性類別，如名詞、動詞等。4依.存語法：分析句子中之主語、賓語等，分析依賴關系。5實.體識別：在句子序列中，識別人名、地名等。(三)視覺化技術(Visualization)視覺分析技術使用統(tǒng)計圖形、圖表、信息圖表或其他工具，更清晰且有效地傳遞信息。視覺化可以幫助使用者分析、推理資料，并使復雜之資料更容易理解及使用。視覺化技術亦逐漸應用于金融場景，含括網絡銀行存放款、信用卡、貸款、理財管理等業(yè)務。通常使用者針對特定業(yè)務之視覺化圖形界面或報表，皆可以彈性設定維度及量值，快速取得所需圖像化資料。8三、AI于金融業(yè)之常見應用及實例(一)精準營銷(PrecisionMarketing)相對一般市場之營銷活動，精準營銷利用大數據等資料分析模式觀察目標市場現況、分析消費客群之需求，篩選出更具有實質購買動機之潛在消費客群；資料分析之外，精準營銷常同時評估行銷傳遞之有效性，據以擬定營銷策略及導入客戶服務管理數據庫等。精準營銷導入AI，得以運用大量使用者資料進行學習及應用，使用者資料含括使用者瀏覽網頁類型、曾購買之商品類別、瀏覽網頁之歷史紀錄、使用者輸入過之搜尋關鍵字等，并據以進行資料分析、建模及預測其行為模式，是否為特定商品之潛在消費客群，若是即，可利用廣告促銷訊息等誘使消費；除銷售外，消費者亦可透過AI分析消費行為紀錄，以進行消費之控管，提供消費者沖動消費時一些警示及應變等措施。運用AI達成精準營銷案例：CamaCafe?咖(碼咖啡)2020年啟動會員忠誠度提升計劃，采用Appier公司AI解決方案，分析在線、離線資料，實現自動化精準營銷，持續(xù)吸引對咖啡有不同口味偏好之消費者成為會員并持續(xù)消費。通訊軟件LINE運用大數據，于官方賬號推廣分眾推播功能，以避免用戶收到大量無用之消費廣告信息；官方賬號藉由分眾推9播，使商店家能吸引不同之消費者客群，達到精準營銷效果。(二)信用評等(CreditRation)信用評等或(稱信用評分、信用評價)系針對受評對象進行信用、貸款違約風險之大小評估，以往多由某些專門之信用評估機構進行，評估機構針對受評對象之金融狀況、歷史資料進行調查、分析，從而對受評對象的金融信用狀況匯整之信用評價機構有穆迪(Moody's)、標準普爾(Standard&Poor's)、惠譽國際(FitchRating)和晨星公司(MorningstarDBRS)等。傳統(tǒng)之信用評等主要是評估受評對象之信用歷史、身分特質及履約能力等信用等級，目前我省多數銀行信用評分制度主要仰賴聯合征信中心信用資料，作為重要評分之參考標準；惟現今民眾之多元消費與支付等行為，此評分方式對于諸多客群之辨識不足，如學生、無工作者、無信用卡者、或少與銀行往來客戶，同時對消費信息也所知有限。信用評等導入金融科技，透過強大的AI技術分析模型，除可分析更多受評對象之相關特征風險因子，細微分析受評對象是否有異常特征外，亦能結合網絡及金融平臺所掌握之大數據信息，更精確評估其放貸之風險指數；另一方面，以傳統(tǒng)評估較難快速獲得良好信用之對象，透過AI分析多方平臺信息，則有更高機會展現其信用價值。AI結合傳統(tǒng)信用體系可視為互補，藉由相互搭配得以發(fā)揮綜效。將AI導入信用評等案例：中華征信所(CRIF)透過運用AI，將Google評論、新聞、社群網站及在線論壇輿論進行關連分析，借以評估中小企業(yè)風險指數，并于1小時內即能完成信用風險征信報告，以提供銀行征信參考。玉山金控運用多項AI建模項目進行客戶信用分析，其范圍含括銀行風險控管、金融商品推銷、投顧服務，以及內部流程自動化、洗錢偵測、支票確認等，準確評估客戶3年內是否有倒帳信用風險。祖國大陸螞蟻金服旗下之芝麻信用利用大數據和AI進一步分析和評估用戶信用，透過深度學習技術自動分析并產出用戶的信用評價與信用分數(芝麻分數)，分數越高代表個人信用越好。透過結合傳統(tǒng)信評機制，提供更準確的信評結果，降低信用風險損失，并提高審核效率。(三)投資交易自動化傳統(tǒng)投資交易(如股票交易)，大多依靠投資者、分析師自身經驗與判斷，較容易受情緒與主觀影響，較難客觀、果斷的操作。投資交易整合AI(如自然語言)等技術，利用文字探勘、文檔摘要分析各大財經網絡、輿論之文字資料，找出資料與資料間之意涵，并透過機器學習將資料輸入計算機自動分析，找出潛藏之規(guī)則，再據以建立智能投資工具或自動化操作模型，以分析價格漲跌幅程度、預測價格、分析潛力之金融投資組合，并于每次交易過程持續(xù)不斷反覆驗證、回測資料，使模型更加成熟、更能達成精準預測。投資交易整合AI案例：永豐金證券推出「豐XQ殿堂」，以XQ及PythonAPI兩種程式語言進行建模之投資交易策略程序，其含括反覆回測驗證交易架構，選股邏輯、監(jiān)控個股及串接下單量化交易等。看盤、下單三大功能合而為一，提供客制化選股策略、投顧研究報告、投資模擬平臺等多元服務。(四)身分辨識(Identification)取代傳統(tǒng)之賬號密碼，透過生物辨識(Biometric)之AI技術，以聲音、言語、臉型、指紋、靜脈、虹膜等生物特征，做為對使用者進行金融交易、投資交易前之身分認證主要方式。透過生物辨識技術裝置如手機、平板及計算機等進行辨識感應，客戶得直接進行線上開戶、在線交易，無需再至實體分行進行申請及身分確認等作業(yè)，可大幅降低驗證時間與開戶等成本。身分辨識整合AI案例：有關金融科技之生物辨識發(fā)展方面，我省金融行動身分識別聯盟已參考國際標準制定金融行動身分識別標準化機制(金融FIDO)，研議未來之客戶身分辨識采一次性綁定行動裝置、實體卡片，以生物特征取代賬號密碼，即可跨金融機構使用服務。(五)理財機器人交易與理財咨詢(Robo-Advisor)理財機器人系將AI導入傳統(tǒng)的理財顧問服務，透過網絡進行在線互動，依據使用者設定投資標的及可承擔風險，以各式計算機演算法提供自動化的投資組合建議，相較傳統(tǒng)臨柜面對面理財服務需要許多服務人員，更能提升效率。依據投信投顧公會研究報告指出，理財機器人主要提供咨詢及建議，經由自動化服務，提供投資建議及投資組合。此外，理財機器人亦協(xié)助客戶針對所屬投資組合提供交易執(zhí)行之風險評估，當投資已達預設損益或偏離原定之投資比例時，可自動執(zhí)行再平衡交易5。理財機器人AI相關案例：美國紐約Kasisto6公司與多間銀行合作導入理財聊天機器人。理財聊天機器人透過學習銀行業(yè)務，根據市場、使用者條件自動化及客制化設定投資目標，提供理財建議；據統(tǒng)計，理財聊天機器人可以處理大約八成的銀行客戶問題。設定，須自動化將投資組合重新平衡調整乙次。6Kasisto為2013年成立于美國紐約之公司，致力發(fā)展AI，已有諸多美國我省銀行導四、各國央行AI金融科技發(fā)展案例(一)英國央行為了深入了解如何導入AI實際運用，英國央行(BankofEngland)與英國金融行為監(jiān)管局(FinancialConductAuthority)于2020年聯合設立為期1年之人工智能公私論壇(public-private forum)，藉此讓監(jiān)管機構和銀行成員充分溝通，并嘗試使用AI研究改進資料及評估模型風險。(二)韓國央行根據韓國央行(BankofKorea)2020年研究，針對每月出口和每日韓元與美元收盤匯率的預測結果，與傳統(tǒng)的計量經濟學方法相比，深度學習在預測結果方面更為準確。此外，韓國央行計劃于2022年底之前建立一個新的經濟統(tǒng)計系統(tǒng)，旨在利用大數據和機器學習的優(yōu)勢，使預測更加高效和準確。(三)新加坡金融管理局新加坡金融管理局(MonetaryAuthorityofSingapore)于2021年 1月成功完成人工智能和數據分析框架“Veritas計”畫的第一階段，該計劃旨在解決AI金融服務中的偏見(如：膚色影響信評等)，協(xié)助當地金融業(yè)者加強數據管理及內部監(jiān)管，金融業(yè)者基于公平、道德、負責及透明化的原則下，發(fā)展合理的信用風險評分和客戶營銷策略。五、各國AI金融科技推動計劃考量AI發(fā)展日趨重要，提升至我省級制度層級，美國政府已于2016年設立專責機構推動AI技術，先后成立隸屬于白宮科技政策辦公室(OfficeofScienceandTechnologyPolicy，OSTP的)美國我省科技委員會(NationalScienceandTechnologyCouncil，NSTC)，機器學習與人工智慧分委會(MachineLearningandArtificial Intelligence，MLAI)和網絡與信息技術研究發(fā)展分委會(TheNetworkingandInformationTechnologyResearchandDevelopmentProgram，NITRD)幫助美國產業(yè)與科技發(fā)展，從我省層面上引領方向。有關金融科技AI的發(fā)展，美國財政部2018年發(fā)布報告顯示金融科技創(chuàng)新對于金融領域及美國經濟發(fā)展極為重要，鼓勵金融監(jiān)管機關之信息技術應與時俱進，促進并增強技術實力，主要有4項建議：1.推廣增進金融部門資料應用，含括資料整合、共享、使用及新興技術發(fā)展。2.更新部分因技術發(fā)展已不合時宜之法規(guī)。3.檢討監(jiān)理框架，以因應新興金融科技商業(yè)模式。4.舉辦創(chuàng)新試驗性監(jiān)理方法，提高監(jiān)管有效性及增進美國于省外的利益。(二)歐盟及英國協(xié)助創(chuàng)新商業(yè)模式推展、鼓勵技術創(chuàng)新及強化金融產業(yè)信息安全營運等面向，調適相關法規(guī)與強化資安，提升歐盟金融科技及AI發(fā)展并兼顧風險控管；同年，英國政府發(fā)布報告「在英國發(fā)展人工智慧」，從資料、技術、研究以及政策開放和投入等4個方向上分別做出具體建議，并指出AI將為英國提供8,140億美元的經濟增長。(三)日本2019年6月，日本內閣府統(tǒng)合創(chuàng)新戰(zhàn)略推進會議通過「金融科技AI戰(zhàn)略2019」，最重要的政策方向為AI系統(tǒng)規(guī)格的統(tǒng)整、大數據傳輸基礎建設的完備以及研發(fā)體制的強化，策略內容略以：1.鼓勵各面向之金融服務創(chuàng)新。2.將個人資料保護納入AI發(fā)展策略中。3.增進金融服務數字轉型，并發(fā)展跨部門監(jiān)理框架。4.發(fā)展數字化金融監(jiān)理和基礎設施。5.持續(xù)關注全球性議題，如區(qū)塊鏈發(fā)展等。(四)韓國順應數字轉型，韓國政府推動金融科技產業(yè)發(fā)展計劃，將其作為創(chuàng)新主導之成長策略，并針對金融科技導入監(jiān)理沙盒、開放銀行、監(jiān)理改革及增加經費投入；韓國金融服務委員會于2019年12月發(fā)布「擴大金融科技規(guī)模措施」，含括8項政策方向如下：1.擴大金融創(chuàng)新發(fā)展推動使用。2.增加對于金融科技投資。3.降低金融業(yè)之進入門檻。4.協(xié)助金融科技公司拓展海外業(yè)務。5.擴大政府單位對金融科技公司之補助。6.建立金融科技監(jiān)理基礎。7.試行監(jiān)理沙盒系統(tǒng)。8.監(jiān)理改革及促進金融科技發(fā)展。(五)祖國大陸研發(fā)、工業(yè)化、人才發(fā)展、教育和職業(yè)培訓、標準制定和法規(guī)、道德規(guī)范與安全等各個方面的戰(zhàn)略和發(fā)展目標，積極推動AI發(fā)展；同年，經濟學人文章「InFinTech,Chinashowstheway」指出，中國在行動支付、網絡借貸及財富管理三大金融科技領域，已居于全球領導性地位。近期祖國數字金融產業(yè)蓬勃發(fā)展，許多金融業(yè)者、科技巨擎、新創(chuàng)企業(yè)等皆持續(xù)導入AI、云端運算、大數據與區(qū)塊鏈技術進行發(fā)展，其金融業(yè)務范疇含括行動支付、借貸、保險、財富管理、資本市場、個人金融、區(qū)塊鏈等加密貨幣、匯款、抵押或不動產以及監(jiān)管科技等。有鑒于金融科技融入生活如雨后春筍般成長，金融科技及AI監(jiān)管日益重要；2020年10月祖國金融穩(wěn)定發(fā)展委員會召開專題會議中，提出6大主要方向。分別為：1.將金融活動全面納入監(jiān)管。2.監(jiān)督市場主體，依法合規(guī)經營。3.增強業(yè)務信息披露的全面性和透明度，保護金融消費者的權益。4.規(guī)范上市公司募集資金之使用，并依法披露資金用途。5.健全公平競爭審查機制，加強反壟斷和反不正當競爭執(zhí)法司法。6.建立數據資源產權、交易流通等基礎制度和標準規(guī)范，加強個人信息保護。(六)我省我省政府為因應數字化時代來臨，并促進數字經濟創(chuàng)新發(fā)展、提高國人生活質量，xxx自2017年起推動「數字我省創(chuàng)新經濟發(fā)展方案」(DIGI+方案)，作為引領數字發(fā)展、帶動創(chuàng)新的施政藍圖，其中含括「我省AI行動計劃」，橫跨科技、經濟、教育與環(huán)保，以強化我省既有的優(yōu)勢，創(chuàng)新體驗為先，軟硬攜手發(fā)展的方式，激發(fā)產業(yè)最大動能，并于2017年8月24日xxx會議提出「五大AI科研戰(zhàn)略」，以提升我省競爭力為愿景，規(guī)劃5年投入160億元經費，期能以此為基礎，建構我省AI創(chuàng)新生態(tài)環(huán)境