Page 86 - 銀行家雜誌第98期
P. 86
新書快訊
搶先掌握AI新知
洞悉金融科技
掌握機器學習應用是關鍵
機器學習是人工智慧的重要驅動力，從FinTech到AI，智慧升級的關鍵拼圖到底是什麼？
答案盡在《機器學習─探索人工智慧關鍵》
撰文：孫一仕
人 工智慧經歷過三個階段的發展，1956至 2017年Google公司的AlphaGo擊敗世界圍棋
1974年是探索階段，各種人工智慧的基礎
冠軍。人們再度感覺到人工智慧不再只是科幻電
理論皆奠基於此一階段，如機器學習、神經網路 影的情節。
均在這段時期開始萌芽，但是當時電腦的運算能 此次，人工智慧的熱潮與過往不同在於三個重
力不足以承擔機器學習所需的大量運算，因此人 要因素。首先，計算機的運算能力已大幅提升，
工智慧逐漸沉寂，直到1980年代初期。 其次，各種設備與網路連結後產生了大量資料，
以及新的演算方法，而這項與過去不同的演算
人工智慧發展三階段 法，即是以機器學習（Machine Learning）理論
為基礎所發展出來的新應用。
1980年代專家系統（expert system）開始引 某顧問公司在其金融科技調查報告內，提出
領風潮，帶領了第二次人工智慧的發展期，專家 人工智慧（Artificial Intelligence, AI），區塊鏈
系統曾經是嘗試以電腦模擬人類的思考模式，藉 （BlockChain）以及機器人流程自動化（Robotic
由程式模擬人類的思維邏輯。只是人類思考邏輯 Process Automation, RPA），將會對金融業產生
牽涉到許多因素，極不容易完整歸納所有因素以 深遠的變化。其中人工智慧及機器人流程自動
用於程式控制，專家系統在特定領域能夠有所效 化，在某個層面都需要某種「智慧」來完成特定
用，但是通用的人工智慧仍有距離。1990年代 的工作。
初期人工智慧又再度離開一般大眾的視線。
人工智慧再度回到大眾的視野是1997年IBM 深入探索機器學習
公司超級電腦「深藍」擊敗世界第一的西洋棋
棋手，2007年IBM華生電腦參加美國益智節目 金融業面對金融科技的衝擊，在於如何運用
「危險境地（Jeopardy!）」，打敗人類參賽者， 內部及外部資料，深入瞭解客戶行為，提供客
86 台灣銀行家2018.2月號
P082-089-18TD1342.indd 86 2018/1/27 04:10
