生成式科技熱潮不歇 ChatGPT在金融業的影響與因應策略
台灣銀行家 2023-10-04 09:14
整理、撰文:高永謀
生成式科技持續發展,對金融業將帶來重大影響。智慧客服可在不涉及金融法規下,幫助客服人員、電話行銷人員或理專,提供客戶適切的產品與服務…… 打造負責任的金融 AI,開啟台灣智慧金融未來的想像力。
生成式科技發展方興未艾,ChatGPT 的爆紅,讓許多金融業者躍躍欲試,卻又擔憂機敏資料保護、領域知識建構、智慧財產權侵害等問題。台灣金融研訓院「芬恩特創新聚落」特邀請「台灣人工智慧實驗室」創辦人杜奕瑾,分析 ChatGPT 在金融領域的可能應用、對金融業的影響,以及金融業者的因應策略。
杜奕瑾提醒,ChatGPT、Midjourney、Image Net 等生成式科技,若要應用於服務上,尤其是重視隱私、個資保護嚴謹的金融業及醫療業,需要特別審慎。不過,聯合學習(Federated Learning)架構能兼顧金融數據的開源與隱私,創造更多數據價值,打造負責任的金融 AI,開啟台灣智慧金融未來的想像力。
以聯合學習架構突破限制
ChatGPT 是基於大型語言模型(Large Language Model)的聊天機器人,可與人類對話、解決數學問題、撰寫文章及程式設計等。「AI 模型都具有通用人工智慧的能力,ChatGPT 亦然。」杜奕瑾解釋說,所謂通用人工智慧,指具備與人類同等智慧型或超越人類的人工智慧,能表現正常人類所具有的所有智慧型行為,而且讀過網路上所有資料,可自行學習、具推理能力,並解決大部分問題。但事實上,世界仍有許多資料並未公開在網路上,「最明顯的例子是金融業、醫療業,使用 ChatGPT 時,不能胡說八道或無中生有。」
2017 年,台灣人工智慧實驗室成立時,便與國內各大醫院合作,彙整並提出各階段個人化生活型態與運動建議,將大型語言模型、大型人工智慧運用在醫療業,期能達到精準醫療和全齡健康的目的。
可是,每個人都有資料、每家醫院都有資料,國家也有健保資料庫,這些機密資料皆屬高度隱私數據,無法隨意存取。如何不必共享機密資料,也能共同訓練、驗證與測試?「我們以聯合學習架構來突破限制,同時讓資料都能回歸個人、醫療機構或國家。」杜奕瑾強調。
他進一步說明,聯合學習架構下,實驗室與每家醫院設定一種協定機制(Protocol),讓醫院在同一個規範下開始蒐集、標註資料;然後,訓練模型,再進而解釋、追蹤、驗證,這樣才能做出一個負責任的人工智慧演算法(Responsible AI)。
正如當醫院想訓練出最好的醫師,其實不必把病人集中到同一家醫院,讓這位醫師看診;而是讓醫師到每家醫院實習,就能訓練出最好的醫師。人工智慧的演算法也是如此,讓這個 AI 模型到不同中心訓練,完成跨中心的聯合學習與驗證,即為聯合學習的方法。
杜奕瑾指出,聯合學習可讓參與模型訓練的各方,在內部先以自家的原始資料訓練模型,再將各自的模型參數(而非原始資料)傳至共同平台系統,經聚合(Aggregate)後,再回放參與者,各自利用新的參數來進行下一回合訓練。經由聯合學習的作法,參與者無須擔心自家的高機敏性資料會外流。
「Responsible AI 是一種可信任的人工智慧。」他解釋說,所謂 Responsible 必須是可解釋(Explainable)、可追蹤(Traceable)、可驗證(Verifiable)、可審核(Auditable),如此可避免 AI 模型的偏見。實驗室還結合 ChatGPT 快速產出報告,在生成報告過程中,必須遵循醫療相關法規。
可運用於跨機構防詐騙反洗錢
國外已有組織積極推動跨金融機構的聯合學習,尤其是運用在防詐騙、反洗錢方面。中國也開始利用聯合學習,處理防詐騙、反洗錢議題。而台灣金融業對此領域則較陌生。
2020 年,實驗室結合國內大型醫療機構,成立台灣聯合學習產業大聯盟(TAIFA),採用實驗室所發布的聯合學習開源框架 Harmonia,希望利用去中心化的聯合學習演算法,讓 AI 進入各家醫學中心學習最頂尖的醫師專業,再提供給各醫療院所使用。當時,國發會主委龔明鑫支持這樣的想法,並期許台灣聯合學習產業大聯盟不只協助醫療業,還要能夠跨產業,輔助金融業、製造業等資料訓練與驗證。
杜奕瑾表示,金融機構也可以採取類似方式,建立共同入口,針對不同議題和項目開發,就可以展開聯合學習。以防詐騙、反洗錢為例,首先是初始模型建立,先與專家確立模型參數,連接相關資料,再依資料建立初始模型,進行初始模型訓練。
模型相關參數可分為四大類。第一是登入資訊,包括網銀登入次數、IP、裝置、行內行外 ATM 機台數。第二是交易資訊,涵蓋電匯、ACH 代收代付、ATM 提領、自動轉帳、借貸、繳費。第三是非交易類資訊,包含餘額查詢、交易紀錄、資料異動、常用帳號。第四是真實註記資料,例如行內標註警示戶、凍結距開戶時間、人頭帳戶註記等。
杜奕瑾說,金融機構有許多法規遵循的項目,KYC、合規成本很高,可把防詐騙、反洗錢資料的訊號(Signals)標準化。這樣就可以在共同平台上讓跨金融機構做聯合學習和分析,進而訓練出防洗錢、防詐騙的 AI 模型。未來,透過資料串聯、AI 模型訓練,有助於預測使用者的詐騙、洗錢犯罪等意圖與行為關聯性。
透過聯合學習的機制,台灣聯合學習產業大聯盟已有多款醫療 AI,皆由台灣醫師團隊與實驗室團隊合作開發。具體計畫如「腦轉移瘤 AI 輔助診斷系統」,先讓 AI 系統判讀腦轉移瘤的磁振影像,再由醫師驗證,縮短閱片時間、減少誤判機會。
「仿效此模式,金融機構的 KYC,可先透過 AI 系統找出異常現象,再由同仁檢驗報告,如此可降低錯誤率。」杜奕瑾建議,金融機構可考慮做資料串接平台,建立共同入口,或是從一家金融機構先開始建立聯合學習機制,再串聯其他家金融機構,由金管會與業者研擬驗證方式,然後再推廣到整個金融產業。
確保資料安全又符合法遵
因此,假設金融業要共同訓練防詐騙、防洗錢的 AI 模型,實驗室會先在一家金融機構的防火牆內建立該業者的聯合學習資料。然後,建立 AI 模型到各家金融機構學習,並採用去中心化的方式蒐集資料,再把學習到的經驗彙整,經過聯合驗證(Federated Validation)後,傳授給其他家金融機構。若有新的金融機構想加入,亦以同樣方式蒐集資料、學習經驗及驗證。
「聯合學習與聯合驗證的優點在於:客戶資料置於各金融機構防火牆內網中妥善儲存,以確保資料安全又符合法遵。」杜奕瑾表示,在歐盟國家,因面臨嚴格的《一般資料保護規範》(GDPR)把關,早已採用聯合學習方式訓練 AI,用「分享模型」取代「資料共享」,又同步保護個資和隱私,確保 AI 模型的學習成果。
另一種因應策略則是由答案開始閱讀關聯知識,再由知識圖譜連結相關知識。假如預測客戶可能對於存款、遺產繼承等有相關合規需求,金融業者可先透過 AI 模型閱讀國內所有民事和刑事法規,以及金融機構內部規章,再加以彙整並納入合規規範內。一旦客戶提出需求時,即可提供合規規範,解決客戶問題。
金融機構還可以針對經常遭遇到的問題,包含 KYC 與身分驗證、風險分析、反洗錢、防詐騙、金融 IOT、機器人流程自動化(RPA)、智慧金融等,尋找適合應用的 AI 模組,進行 AI 模型訓練。
此外,語音辨識、語音理解技術已大量運用於智慧客服方面。ChatGPT 出現後,讓客服聊天機器人回應內容變得更真實化、更口語化。杜奕瑾提醒,智慧客服的對話,必須依照相關知識圖譜做文本訓練,使用 ChatGPT 時,要給予有根據的文本,才能有效回覆客戶問題,不至於胡說八道。
若有不同客戶連續問了相同問題,但客服聊天機器人無法妥善回答時,代表這個問題可能是一個重要的 Signal 或是新興需求。金融業者應了解過去知識圖譜的缺陷與不足,並記錄下來進行優化,然後納入智慧客服的文本訓練中。
想像台灣智慧金融的未來
在生成式科技持續發展下,智慧客服也可以做到虛實整合,先用 AI 聊天機器人服務客戶或電話行銷,然後再視情況切入真人服務。杜奕瑾認為,只要不涉及金融法規,客服人員、電話行銷人員或理專,可藉由 AI 聊天機器人的輔助,先打開對方的心房,再進而探知對方的需求,提供適切的產品與服務。
有趣的是,除了文字、影像生成外,生成式科技還可以應用在空間、場景,甚至是音樂生成,可以開啟未來無限的想像力。
杜奕瑾以台灣人工智慧實驗室與音樂製作人陳珊妮合作,用 AI 工具創造出「小陳珊妮」演唱歌曲為例,「未來金融機構或許可考慮利用 AI 來製作虛擬人物,為企業設計代言人或形象歌手,再透過 ChatGPT 即時生成想要的音樂,從此就無須再花錢找代言人。」
來源:《台灣銀行家》166 期
更多精彩內容請至 《台灣銀行家》
- 掌握全球財經資訊點我下載APP
上一篇
下一篇