Page 89 - 銀行家雜誌第98期

《機器學習─探索人工智慧關鍵》

原著：Ethem Alpaydin
翻譯：蕭俊傑、劉一慧
編審：孫一仕
出版社：台灣金融研訓院
出版日期：2018年1月
價格：原價400元，優惠價340 元 (優惠期間至2018年2月28日)

另一項應用則是智能客服，語音智能客服除 中隱藏的參數，這些過去未能發現的參數將可
了應用語音辨識技術，將客戶所說的語音轉換 進一步強化決策樹的準度，以及客戶區隔的精
成文字外，和文字智能客服（以文字輸入為 細度。
主）一樣都需要應用「自然語言處理（Natural 隨著深度學習、卷積式神經網路、平行處理技
Language Processing, NLP）」技術來理解客戶 術，甚至是量子計算持續的發展，可以預期人工
所提出的問題，進而回覆客戶正確的答案。但是 智慧將持續演進。但，在可見的未來，人工智慧
客戶詢問同一個問題的語句並不盡相同，因此仍 所能夠處理的事物將侷限於特定功能及用途，
需要持續的調整讓系統「學習」，才能更精確地 也就是所謂的「弱AI」。具備與人類同等智慧的

了解客戶的問題。 通用AI（強AI）仍需要一段時間的發展。即便如
決策樹已是目前金融機構常用於授信風險評估 此，特定用途的人工智慧就足以協助人類能夠更
的技術，藉由將客戶的資料進行多層次的分析 有效率地完成特定的工作。
及歸類後，最終可以得到最佳的決策結果如貸 透過閱讀《機器學習── 探索人工智慧關
款額度或是風險等級。分群法常運用於客戶區隔 鍵』，將對於人工智慧的演進有初步的了解，讓
（customer segmentation），將客戶依據基本資 我們一起持續關注人工智慧的發展，在工作及生
料特性如年齡、收入、區域、持有銀行的產品數 活中或許也可以適時地運用人工智慧來獲得更好

量等來進行分群，銀行可針對不同的客群推出特 的效率及品質。
別規劃的金融商品。同樣的技術可以藉由更多的 （本文作者為台新金控副總經理，以及《機
大量數據來進行「非監督式學習」，以尋找資料 器學習─探索人工智慧關鍵》一書編審作者）

台灣銀行家2018.2月號 89

P082-089-18TD1342.indd 89 2018/1/26 上午12:26