Page 136 - 金融科技力
P. 136
2. AnaCredit 資料分析:運用歐元區內將近 6 千萬筆銀行法人授信
貸款 資料 ,進 行自 動化 資產 評估 或合 理性 檢查 (plausibility
checks);
3. 監理資料分析 (SUP):分析歐盟內 5,560 家銀行相關之報告 (例
如其財務、風險、流動性與槓桿),以評估資料可信度與品質;
4. 衍生性商品交易資料分析 (EMIR):每日蒐集 2 千萬至 1 億筆衍
生性金融商品交易資料,每筆資料包含 80 至 120 特徵值,進行
資料檢驗或配對。
人工智慧的風險與挑戰
一、人工智慧的風險
雖然人工智慧將創造大量價值,並將我們從重複性工作中 解 放
出來,但它也是一種顛覆性技術,會帶來一些風險與挑戰。
(一)資料品質與處理風險
人工智慧的性能,相當程度上取決於資料品質及處理的不 偏 差
性。 如果人工 智慧演算 法結果中 存在偏見 ,可能會 危及使用 的金 融
機構 及消費者 。資料品 質自然是 智慧演算 法有效性 的先決條 件, 如
果資 料品質不 佳,人工 智慧再怎 麼聰明, 分析出來 的結果也 不會 正
確。 另一方面 ,資料處 理若存在 偏差,例 如貸款信 用評分資 訊可 能
會歧 視貧窮人 獲得貸款 ,或者評 分模型對 信用歷史 有限的年 輕人 存
在偏見,這對金融普惠 (Financial Inclusion) 將產生不良影響。
122