人工智能——或 AI — 是現今其中一個最熱門話題。 但很多人對此抱有很多疑問。所以我希望借此機會為大家消除一些疑慮，讓大家明白 AI 在現實中如何實踐，並提出一些如何在金融服務業採用 AI 的建議。
無容置疑，AI 將對社會帶來巨大影響。Harvard Business Review 將 AI 形容爲「這個時代最重要的通用技術」。不少專家預計， 至 2030 年，AI 能帶來逹至 15.7 萬億美元的全球經濟效益，或超過目前中國和印度相加的經濟總產量。
不少企業已瞄準這個機會並投資在此技術。據國際知名諮詢公司麥肯錫 2015 年 6 月的季刊文章指出，各大科技龍頭已經在AI技術方面投入了 200 – 300 億美元。目前，不少大公司都在開發自家的 AI 技術專利：例如 IBM 的「Watson」、Google 的「Deep Mind」，以及日立的「H」。
何謂 AI
到底甚麼是 AI？《韋氏大字典》(Merriam-Webster Dictionary) 便將 AI 定義為「通過電腦系統表現出來的模擬智能行為；或智能機器模仿人類行為的能力」。這是一個廣泛的定義，而很多電腦系統也能做到這一點。舉例說，我們很多人也有多個 AI 系統，例如在智能手機中的 Siri，或是電子郵件應用程式中的垃圾郵件過濾引擎。
另外還有一個重要的 AI 技術——機器學習（ML）。事實上，這類型的 AI 已發展成一個重要領域。它賦予機器自身擁有學習能力，在不依靠人類的情況下學習並自我改進表現性能。
第三次 AI 浪潮
雖然 AI 被認為是新技術，但它在 60 年間已經以不同形式出現。我們正經歷第三波的 AI 浪潮，其中有兩個主因令這浪潮極為重要。第一，是運算能力的上升及相對的成本下降。第二，是互聯網和移動裝置所形成的龐大數據庫，用以訓練不同的 AI 模型。
值得一提的是，儘管業界和媒體對第三波 AI 浪潮趨之若鶩，研究機構國際數據資訊 IDC 報告還是表明只有三分之一企業計劃在內部使用「機器學習」或其他 AI 技術。而其餘公司如此抗拒的原因則主要是他們缺乏對AI的認識及專才。
AI 的巨大好處
在荷里活電影中，AI 意味著電腦或人類機械人可以自行學習，並在不同情況下作出創新的決定。但現階段，它仍是科幻小說中才會出現的情節。那麼，究竟 AI 真正能做甚麼？
現代的 AI 系統更像是一套輔助式智能解決方案，專門執行個別任務。它可以學習和執行不同任務，如識別複雜的模式、綜合信息、得出結論，甚至能作出比人類做得更好的預測；而以前，我們認為這些任務只有人腦能勝任。
隨著 AI 的表現性能與日俱進，它的應用層面亦隨之而增。根據麥肯錫研究報告（見圖），早期已經採用AI的使用者的營利已有所增長，當中尤以金融業界的增幅最為顯著。另外， IDC 預測，金融行業將是AI 或認知系統的最大投資者。
金融業界中有很多適合機器學習系統的潛在應用空間。PWC 指出，AI 在欺詐和反洗黑錢（AML）偵測、前台和後台流程自動化，以及個人化財務規劃具有龐大潛力，而其背後亦能衍生龐大效益。
以日立的「H」技術為例。它能透過比較詐騙交易與普通交易的數據識別交易或經紀平台上較大機會出現的詐騙模式，從而幫助証卷公司打擊詐騙。
快速起步
企業必須開始採用 AI 技術才可確保其優勢及地位。就我個人經驗所得，麥肯錫所提出的框架最為適合採取 AI 技術（見圖）。
在起步階段，我們需要識別出 AI 能在哪些業務上發揮最大價值。業務的規模不一定要大，更重要的是能快速起步和讓企業盡快享受使用 AI 帶來的好處。
下一步則是招攬人才。在百花齊放的 AI 生態系統中（當中包括初創企業、雲端工具，及研究機構），各公司不再需要單靠自己的數據庫，可透過互相合作，以快速找到合適的資源。
Source: 4 Steps to Machine Learning with Pentaho
而第三步則是分辨出正確的數據以建立 AI 模型。當中最具挑戰性的地方是分解不同的數據孤島（Data Silos），將所有相關數據放在一起。在確定了正確的數據後，就把剩餘八成的努力花在數據工程上便可。
一旦模型進入測試模式，它必須能兼容其他系統，並與其同時運作。日立集團旗下的Pentaho便設計了一套數據分析方案，可自動化處理這項工程中絕大部分的工作。
最後，項目成果必須能達成業務目標。如需要調整，其方式亦必須是靈活的、迭代的和可衡量的。
緊貼 AI 浪潮
AI 目前雖尚未有能力解決世界上所有迫切問題。但是，人類與機器的區別正在快速消退。
相比願意接受並能有效地應用 AI 與專才的企業，不願採用 AI 的企業將面臨更多的困難及挑戰。
作者：Genady Chybranov
HDS 金融科技創新部總監