Transcription
在這個數位的世界上，不斷前進的情況下呢，我們開始所有的金融業，全部都要開始進行所謂的數位金融，或者是數位轉型。各位會想說，為什麼是銀行？其實各位想看看就知道，在我小時候到銀行呢，比如說去存錢，我真的是帶著錢，然後到櫃檯，看著櫃檯把各千元鈔票算成一疊，然後5張10張這樣一路往下數。現在你到銀行，你會看到鈔票嗎？事實上都不見了，所有的實體的鈔票全部都變成數字流，在網路上，在電腦裡流來流去。當然所有東西都被數位化了，就最適合使用AI的技術，來進行各式各樣的預測。
數位金融呢，總共有四大面向。第一個是流程的自動化，我們通常用RPA，待會我會說明，還有各式各樣的監理科技，如何利用這些AI，數位的方式來產生新興科技的產業的產品和平臺。這個平臺呢，如何讓所有銀行服務變成一個平臺，有API可（API：應用程式開發介面），可以讓不同銀行之間能夠進行串接。這個是所有銀行的希望，都希望自己能夠變成平臺。變成平臺的意思呢，就是你所有的吃喝拉撒睡，都離不開這個平臺。這邊呢，其實要做的事情很多，我所謂的所有的事情，都離不開這個平臺呢，其實目前我們看到做得最好，在亞洲做的最好的就是星展銀行。星展銀行在數位化方面，做的相當徹底。
比如說，你需要出國，我們當老師的常常三不五時都要出國，這個我想…各位在座如果是在學校當老師，在沒有疫情之前，大概每年都要出國至少一趟，要去conference，去報告，或是去organize conference，或是參加各式各樣的學術交流。每一次要出國前呢，我都是，尤其是年輕的時候，弄得亂七八糟，整晚沒沒辦法睡，因為你必須去(做)研討會報告啊，你就要把投影片準備好啊，然後把所有的問題準備好啊，有時候要準備一些demo啊，要跟學生講說要帶什麼東西啊，還有一些雜七雜八，一些paper work，都要花很多時間。最後呢，就匆匆忙忙，天亮攔一部計程車就去機場去了。但是如果你是一家銀行，你會怎麼樣來幫忙這個老師？當一個老師要出國的時候，第一件事情，他要換外匯，你是不是可以幫他換好？辦完外匯之後呢，他既然知道你要出國了，他會想說，我是不是要把你信用卡的額度拉高，因為你可能出去了也會買一些紀念品回來。然後再過來呢，我是不是想辦法跟你講說，你要利用什麼樣的信用卡優惠，去機場停車，然後在機場呢，你可不可以進入貴賓室？你的保險呢，我是不是能幫你安排好？甚至你要出國你是不是要換SIM卡，我都能幫你處理好。這件事情，據說新展銀行就可以做到這件事情。一旦要出國，他是派專人拿一個袋子，裡面就是你要的SIM卡，各式各樣的保險，各式各樣的文件，全部在裡面，一次到位全部完成，包含信用卡的機場接送等等，全部幫你完成。所以這就是我講的，平臺的力量，你所有的東西都在平臺上面進行。但是這個平臺也必須夠瞭解你這個人，然後他就可以把你的所有無時無刻，每天的金融需求，幫你照顧得好好的。
然後在金融機構裡面呢，我覺得這個數位轉型，事實上就有兩個雙塔，這兩件事情最重要。第一個叫數位賦能，你怎麼樣培養數位的人才，AI的人才，還有長官的支持。長官是要怎麼樣支持你來做這些事情？若一時沒有結果，長官能不能夠等待？等等這些事情。第二個呢，就是智慧領航，有好的人之後，進來之後呢，所有各式各樣的人才，各式各樣的流程，你有沒有辦法讓流程進行自動化？各式各樣的資料呢，能不能夠支援你，進行各式各樣決策的智能化？流程自動化事實上就是RPA的部分，待會我們就會提到。決策智能化呢，就是利用AI來進行各式各樣的決策。
在我們的玉山(銀行)裡面啊，這邊就稍微說明一下，玉山裡面要怎麼做這些事情。我們首先就要一個基礎建設嘛，這是我們的核心系統。核心系統有一個AI Cloud，有一個MLaaS。AI Cloud呢，就是負責所有的IT，或者建模的人員呢，都可以在這AI Cloud上面進行各式各樣的測試。MLaaS是machine learning as a service，指的是說我們真正的系統要上線的時候，要個夠強的Server來做這件事情。好，所以這就是MLaaS。那麼support什麼事情呢？比如說右上角，我們要做的是RPA流程的精進；右下角，我們讓顧客體驗越來越好；左下角呢，要打造各式各樣的金融商品；然後左下角呢，就是要法令遵循這一塊。尤其你會發覺，我們花很多時間在做法令遵循，因為銀行，我剛剛講最重要就是要控制風險，風險絕對不能太高。如何把風險壓到一個可控的範圍內，永遠是一個銀行最重要的目標。所以你為了要法定遵循，你如果要自動去偵測有沒有警示帳戶，你的信用卡有沒有盜刷，有沒有反洗錢的疑慮，這些都屬於法定遵循的部分，就把這邊兩部份分得更清楚。這個AI Cloud就是我們玉山機器學習的私有雲，在這個私有雲上面呢，你就可以做各式各樣的實驗。好，你可以寫各式各樣的Python程式啊，各式各樣的套件呢，全部都幫你裝好了。好，你可以在這樣進行各式各樣模型的開發，開發的環境好像就是個Sandbox一樣，是一個沙箱，你可以在上面做各式各樣的測試啊。做完之後呢，當你覺得這模型夠穩定夠好了，我真的要上線的時候呢，我就把它往右邊搬，搬到MLaaS。MLaaS就是Machine Learning as a Service，真正要進行即時自動化，這個模型的更新，然後用了一部分之後，如果業管覺得有問題呢，要feedback回饋回來，模型要定期的自動驗證調教。利用這兩部分呢，我們就可以sport各式各樣風險的控管，作業流程的精進，新產品的開發以及形象策略的改進。
好，這裡呢，我先解釋一下，我們常常講說金融會有各式各樣，每一個人都會有各式各樣的金融的需求。我們常常講兩件事情，一件事情叫普惠金融，普惠金融意思就是讓金融服務能夠讓大家都能享受到，這件事情其實也沒有麼容易啊。其實普惠金融這件事情呢，我首先講到的就是對大學生來講就不成立啊，因為如果大學生去辦卡，辦信用卡，大部分就會不見得能夠拿到信用卡，因為我們講這樣的人呢，完全在金融上沒有任何的紀錄，叫做金融小白。小白呢，為了控制風險呢，因為他銀行沒有辦法抓到你的月收入有多少錢，他為什麼要信用卡給你？所以這個這就是普惠金融，我們要對…讓每一個人都能夠享受到金融，這件事情呢，就有點衝突。對大學生來講，當然，這個也是我們在目前在慢慢改進當中。第二個叫場景金融，場景金融意思就是在各式各樣的場景，你都會有金融的需求，怎麼樣在一個場景裡面發生，你的金融需求立刻得到滿足？我講的是立刻，立刻滿足你的金融需求，這叫場景金融。
我這邊舉一個範例給大家看一下，假設夏天快到了，天氣很熱，你跟家人到家樂福週末去逛街，去看一下昨天看到一台冰箱，一台比如說8萬塊錢的冰箱，這冰箱你一按一個扭下去，冰塊就掉出來了，馬上你就可以用冰塊喝汽水，喝啤酒，非常方便的一個冰箱。你突然想到，冰箱很好啊，我剛好需要這樣的冰箱啊，然後在看一下，這個一台8萬，旁邊又寫著，如果你有玉山的聯名卡，當場立刻就可以打八折。你既然都要買的嘛，大部分就想說，哇～我就立刻辦卡，能夠打八折不是立刻省一萬六嗎？一萬六還可以買各式各樣的電風扇啊，搞不好還可以買台小冷氣機哎。但是，辦卡，立刻辦卡來得及嗎？這就是一個場景需求。在玉山的想法呢，就是說我立刻讓你立刻能夠辦卡，而且能夠立刻核卡給你。怎麼做這件事情呢？我這邊講的是一個理想，有些還沒有實現，但是這就是一個目標，要達到這個所謂的場景金融，你可能立刻可以把手機拿出來，然後連到玉山的網頁上面，立刻進行所謂的一指辦卡。一指辦卡要做什麼事呢？各位之前iBank開過戶的各位知道，立刻比如說立刻要掃你的身份證，正面要掃一下，反面要掃一下。身份證掃完之後呢，我們的電腦就能夠立刻辨識你身份證上所有的資訊，你的大名，出生年月日等等啊；同時呢，能夠立刻偵測這身份證是真實的身份證，而不是偽造的身份證。根據你身份證的資訊呢，我們就可以開始查各式各樣的跟玉山往來記錄。如果一查，發覺你這個人根本在玉山就有一個帳戶，而且是薪轉帳戶（匯薪資的專用帳戶），像台大的薪轉帳戶就是郵局，華南銀行或者是玉山銀行。如果你的薪轉帳戶是在玉山，他立刻就可以查出你每個月固定進來…比如說你有台幣8萬塊錢，知道你的月收入是8萬塊錢，他就有個底，就是知道說你有能力償還信用卡的消費。同時他會立刻，也要立刻連到聯徵中心（財團法人金融聯合徵信中心），立刻去偵測你的，你沒有什麼不良的記錄，還有你的各式各樣貸款的記錄，知道你比如說房貸有多少錢等等。為什麼要知道你的收入有多少錢呢？這不只是要知道你的償還能力，同時我們的金管會有一個規定呢（金融監督管理委員會），這個是硬性的規定，我們所有的貸款呢，不得超過每個月月收入的22倍，這叫DBR22倍，這邊指的是無擔保的貸款，因為我們核信用卡之後，就馬上要給信用卡，要給你一個最高消費額度，這個額度等於等同也是無擔保的貸款，所以我必須知道你的收入，才能知道我要核給你多少錢，而不能超過DBR 22倍。我剛剛講的都是如果你是玉山的薪轉戶，事情簡單立刻就查到，但是如果你不是玉山的薪轉戶，那你要怎麼辦呢？有一種方式，假設我是另外一家銀行，比如說我是富邦，我可能是不可以把富邦的APP打開來，然後立刻秀出來說，我每個月進出我的transaction是多少，然後直接從銀幕也是一樣，讓玉山銀行的APP camera拍完以後，把它掃進去，立刻就能辨識，知道說基本上你每個月有多少元的收入。你想看看，這些事情也必須要電腦來進行，你說用人來進行可以嗎？都可以啊，真是太慢了！我包含要查聯徵（聯合徵信）啊，這些事情都希望由電腦一次幫你做完。假設做完了都覺得你這個人符合申請信用卡的規範，然後也知道你的收入，那要核卡給你以後，通常你會想說，哇，核卡，這個卡寄來不就要要三天一個禮拜之類的。後來玉山，我們又開了一個最右邊這個，能夠及時綁卡。假設你的信用卡已經被核定了，就直接下載一個玉山的wallet，另外一個APP，然後就可以把你的卡直接綁在上面，之後你要消費的時候，你就可以秀出你的條碼，立刻就可以消費，立刻就可以成功。這個也是有專利在上面。所以你看這整個過程呢，就是一個場景的金融，其實換句話講，就是要滿足顧客這種衝動，衝動式消費的欲望，一定要讓他能夠成功。你想想看，如果你今天如果沒有沒辦法及時辦卡，及時核卡啊，你就回到家你再去做這件事情，過了一個禮拜，你可能就懶得去消費了，你可能想著，啊～算了，這個家裡的老冰箱也還是可以用啊。這樣的話，表示你的這種場景金融就沒辦法得到滿足，所以這叫場景金融，讓各位瞭解一下。
後面還會碰到一些類似的案例，這些專案分享，就是可以讓你大概瞭解銀行利用AI在做一些什麼事情。在玉山呢，我們大概平均有50多個專案在進行，大概有100多人的一個AI的團隊，在我們的AI裡，在我們的玉山裡面叫做智能金融處，在負責各式各樣AI的訓練和維運。這100多人裡面呢，大概有一半是在建模，然後這大概50人全部都在建模，在負責推動這50多個AI的專案。所以每個人可能背兩三個專案，但是專案隨時在變，如果業管有任何需求，我們就會跟他們去討論，然後分析他們的需求，然後覺得如果可能用AI專案來達到他們預期的效果，我們就會起案，然後開始往下做。好，這50個專案呢，當然也不是每一個都成功，有些呢，慢慢就失敗，發現業管的需求已經轉變了，或者資料不乾淨，我們永遠沒辦法收集到更好的資料，就放棄了，也是走到一半，一個專案會分裂成兩個專案，或兩個專案會合成一個專案。這是一個動態的過程，一直持續在更新當中。我們今天呢，列出了這幾個專案，我們稍微來看一下。
好，我們來看RPA，RPA全名叫Robotic process Automation，這個名詞聽起來很炫，其實就是我們以前常常見到的，叫按鍵精靈，就是你在一個軟體上面，你可能要持續按十幾個鍵，才能得到你要的結果，十幾個鍵可能要持續好幾遍，那麼就把這些按鍵的方式把它記錄下來，然後可以讓他反覆的做，持續的做而不會累。在RPA裡面呢，如果他有牽涉到Machine Learning的話，我們又把它叫成HyperAutomation，叫超級自動化，也是一樣，我從資工系的老師來看，這些都是叫做叫做Bot Work，只是好聽而已。它的觀念概念呢，就是用用一個script，用一個簡單的程式語言，來完成一個人…本來是人在操作，但是是一個比較複雜流程，但是雖然它複雜，但是它是routine的，它是不會變的流程。好，我們來看看一些範例規就比較瞭解。
好，左邊這個範例就是我們的身份證。假設我剛剛講過，我把身份證掃描下來，我立刻要抓出各式各式各樣的資訊，我第一件會做的事情是我要確定這身份證是不是偽冒的，是不是假的。然後要做這件事情呢，其實有一個關口，有一個可以檢測目標就是，我可以抓著拿著身份證字號，就直接到內政部，有一個身份證領補換資料查詢，然後就可以把你資料，比如說換證日期抓回來，比對你的身份證看是不是正確。要做這件事情呢，當你用人去做的時候，你到內政部的網站你會看到說，哇！這邊還要輸進去這些歪歪扭扭的字母，這邊還有一個鈕，可能不是很清楚，這邊按下去你可以聽到聲音，這些其實都是要防止機器人來這邊進行收集資料的動作。對我們，尤其是資工系的同學，就會想說我怎麼樣破解這樣的一個防止機器人來抓資料的一個關口啊？其實很簡單，你要辨識這邊的英文字母，我們就用OCR（光學字元辨識），OCR叫做Optical Character Recognition，我就可以直接把它辨識出來。這邊更好玩的是，你按下去它會跟你講RGQ5N，我是不是直接進行語音辨識就可以了？所以我們用STT，STT是speech to text（語音轉文字），就可以打通打通這個關口，直接抓到內部的資訊。記得以前每年在靠近春假，春節的時候，就很多同學要返鄉，剛好我們實驗室是是做這個語音辨識的研究啊，你要買車票呢，車票上也有同樣有這樣的一個關口，讓你看上面是什麼樣的字母，或是直接讓你可以聽。我們實驗室有個同學也很厲害，他就說好，你們要過年要返鄉同學，車票我通通幫你們買，他寫了一隻程式，直接能夠辨識這些英文字母，直接抓到它把它唸出來，然後立刻辨識出來，所以他就自動讓整個流程自動化，所以他的速度就會比別人快，就可以幫同學買到車票。這樣的事情其實不斷的在發生，比如說各位如果要去搶什麼PS5啦，這些機器人都在，比如說在PChome開賣的時候我看很多人就是再邊等，等著說誰要先按下去，其實你這樣搶永遠搶不過機器人，然後機器人永遠可以比你快。所以這邊呢，就使用語音辨識，或者是用這個影像辨識的方式，就可以讓整個RPA進到另外一個程式，就完全不需要用人來進行。
另外一個情況，看右邊這個情況。右邊這個情況呢，就是如果有人跟銀行貸款不還，這時候就變違約了。違約你要怎麼辦呢？銀行通常沒有辦法採取強制的方式啊，以前有聽說是可以找討債公司去賣，丟雞蛋潑紅漆啊，這個當然是會造成銀行的名聲不好。我們能做的一個比較緩和的方式呢，就可以去司法院裡面公告文書查詢，去查看看這個在玉山跟玉山貸款但是違約的人，有沒有可能查到他的名字？查到他名字呢，就可以看這個文書的內容，看發生什麼事情啊，有可能是債務糾紛然後最後解決的，然後這個人呢，從欠他錢的人身上把錢拿回來，這個銀行就立刻可以想辦法把他將他停止，就是這個錢呢，直接先回到銀行，剩下錢才進行還款，或者說這個人繼承了一棟房子，從父母繼承一棟房子，銀行也可以把這房子先扣押下來，讓他先把銀行的欠款還了以後，然後才能夠對這房子行使他所有的權利。這邊就是你要能夠及時抓到這樣的文字，然後進行各式樣自然語言處理（NLP），知道裡面的內文，然後才能知道說這樣的內文，對我們這個銀行這些違約的人呢，我們能不能夠採取進一步的行動。進入這樣的方式也是讓整個行程，整個過程能夠自動化，所以這是RPA一個內部使用AI的方式。其實很難想像，還有很多人在開支票，尤其是公司會開公司的支票，至少對我來講，我已經幾百年沒碰過支票了。每天呢，玉山會收到多少張支票？超過1萬張，如果我沒記錯是甚至更多，五六萬張的支票，不但有支票還有匯款單等等。這些資料呢，這些票據呢，最後都會被掃描送到各個分行，抱歉我沒講對，我覺得各個分行會收到這些票據，他會進行簡單的掃描，影像掃描，全部送到我們的集中作業部。集中作業部要做的事情呢，就是開始每一張支票呢，他要開始建檔，然後要輸進去金額是多少錢，它的日期是多少，把相關資料收進去，等於說人要看，然後把資料打入電腦裡面去。
好，像右邊這個範例，這剛好是玉山的支票，其實我們收到的支票，其實來自各家銀行，不見得是玉山。這一張支票呢，剛好又是比較簡單，各位可以看到他這邊不是用手寫，是用打字打上去的這些金額。我們希望呢，我們的願景呢，希望這個影像辨識能夠自動化，然後可以輔助人員登檔。你看這邊進行圖檔切割，然後進行黑白對比加強，然後再進行後續的辨識。這邊就講到辨識的方法，用RCNN又是CRNN等等方法也有很多，這些方法我們就先跳過去。最後呢，經過了大量的訓練，訓練資料哪裡來？當然訓練資料就比較容易啊，因為他本來人就要登打嘛，登打完就有標準答案呢。我們訓練過後，大概兩年前吧，金額辨識率93%，日期辨識率91%，其實現在都已經又更好了，更往上提升了。你會想說，這種事情錯掉怎麼辦？它的確是不能出錯，就屬於我前面講的，它出錯風險性就非常高，所以它一定要有人去看。以前是說集中作業部的人去看到這張支票就開始登打，現在是反過來，他們是看電腦辨識出來的數字，看這些文字有沒有錯，辨識出來就直接貼在表單裡面，人去看，如果對了就直接讓它過了，如果錯了，大家就開始登打，說哎～這個地方錯了，可能錯的少數幾個字就就把它改完。你可以想想，因為辨識率達到九十幾%嘛，所以大概10張有九張是看一下就過去，看一下就過去，可能會錯一張，他只要改一張就可以。換句話講，他所省的人力呢，大概也省掉了9/10，所以這邊就讓整個速度能夠加快，快很多。其實有些我就問玉山的同仁說，但是辨識應該有些是很困難吧，有些連人都不容易辨識出來。
我們來看看幾個辨識的範例，這個其實也蠻有趣的。像第一張支票，他這個人是好死不死就在最重要的數字上面他蓋了一個章，其實我是看不出來那到底是多少錢呢？這邊右上角，這邊它寫TRUE，意思就是它的標準答案是33萬190元整，下面是兩個model所產生的結果，我們是用兩個甚至三個model來進行投票，結果它都變成壹拾參萬，但是你找人來看的話，你看這樣這樣的一張支票，你看得出來嗎？我看肯定要拿放大鏡來好好看看裡面到底是什麼東西。看第二個例子，這個我就看得出來，我看出來是陸萬元整，但電腦很不行，電腦兩個都辨識錯，辨識成伍萬元整。好，再看下面第三個案例，這個我是真的看不出來他在寫什麼啊！標準答案是什麼呢？標準答案是貳萬參仟參佰伍拾伍元整，所以這是貳萬，這是一個參…哎～你看得出來是參嗎？那個字是仟，仟在這裡，這個仟寫得歪歪的，然後參仟參佰伍拾伍元整。我唯一知道，我可以看得出來這個字，但這個字很接近，所以如果叫我看，如果我能辨識這個字是參的話，我會猜前面是參，但是很不幸電腦辨識錯，前面這個「參」都辨識成「柒」。但是電腦辨識呢，就沒有我剛剛講的，它沒有這種聯想的功能。所以我們在進行錯誤分析，對人來講說這個很像"參"，這個字跟那個字長得很像，所以這個字大概也是參。人有這種聯想，目前電腦是沒有辦法做到這一點。所以我們常常講AI最重要的，你要改進你模型的辨識力，就是錯誤分析，你經有錯誤分析才知道人是怎麼做的，看我們是不是有把人這種推理的過程建到我們的AI模型裡面，這樣AI模型才會跟人一樣越來越好。然後這第四個範例也是一樣，這個是一個"貳"，有沒有？貳拾玖元，"貳"這右邊寫得…就是一撇勾上來，看起來很像"捌"的右邊的那刀字形，所以標準答案是"貳"，但是電腦都把辨識成"捌"，其實是不太容易辨識，很難辨識出來。這就是難的部分，所以常常有人講說，我辨識有沒有有一天能到達100%呢？這個是困難的問題，我可以講說人都沒有到達100%，你怎麼會期望電腦能夠到達100%？
這邊又有另外一個有趣的事情，像這個"仟"，他這個人字部寫得很歪，好像變到成(獨立)一個字去了。所以以前有一個老笑話啊，就是在一個門診，大家擠了很多人看門診，然後護士就出來叫名字，她就叫出來說，哎，下回是關錯鳥關錯鳥，請請請進來，哎，發覺沒反應，過一會他出來進，又大聲喊關錯鳥關錯鳥，小姐趕快輪到你了。就有個老太婆站起來說，我是姓關呐，但是我不是關錯鳥啊。護士小姐姐說，你明明就是關錯鳥啊！不是啊，我的名字叫這個樣子。就你看看，這是關錯鳥，是不是？關錯鳥？我看也是關錯鳥，但是對人來講，人有一個直覺說，不可能取這樣的名字，所以他的名字是觀金鵲，只是"金"跟那個"鵲"粘得太近了，所以變成關錯鳥啊。
接著我們來看信用卡的盜刷偵測，所有的人在刷玉山信用卡，只要他一刷，卡一剎，所有的資料呢，全部立刻會回到玉山的MLaaS主機上，我們就可以利用各式各樣的資訊來判斷說，這個可不可能是盜刷？可不可能是盜刷呢？其實有很多很多資訊可循，很多徵候你可以看得到，比如說連續三個小時內一會兒在東歐刷一張，一會兒在北非又刷一張，這表示就是有問題。還有刷卡金額呢，它通常不會太大，如果它一刷，原先你平常每次刷卡都三五萬，突然一刷刷了5萬，平常刷卡都是三五千，突然一刷刷5萬或刷10萬，就是可能有有盜刷的可能。其實盜刷的這些啊，詐騙份子，其實他們也都知道說怎麼樣才能夠在這個夾縫中求生存，所以也想辦法來改變這些盜刷的樣貌。我們這邊講的就是我們必須能夠模型自動高頻(率)更新，為什麼需要高頻更新呢？簡單講呢，我們就是發生一件事情啊，在今年年初的時候，我們信用卡盜刷真正就已經上線，上線一開始蠻不錯的啊，該抓的都有抓出來，但是隨著時間演變，我們的業管人員就開始反映說，怎麼越來越不準？很多盜刷都沒有抓出來。盜刷要哪時候才會發現呢？這個事情也蠻有趣的啊，就是我們通常去偵測這一件交易是不是盜刷呢？一旦發覺他盜刷的可能性很高，我們立刻就可以打電話去跟使用者反映說，你是不是比如說張先生，你是不是現在正在現在正在刷一筆信用卡交易？然後金額是多少錢？顧客通常如果他講是我正在刷，表示沒有問題，這個是正常交易，但是如果說沒有啊！我沒有在刷這筆啊，好，就是盜刷，所以立刻就可以知道說電腦偵測出來有盜刷部分，到底是不是盜刷立刻就可以知道，這個叫precision，但是還有一部分叫recall啊，recall就是電腦沒有偵測到，我們銀行要什麼時候才知道它會盜刷呢？是等到一個月過後，顧客收到信用卡帳單，然後才看到說哎，怎麼有一筆不是我刷的啊？顧客打電話來銀行抱怨的時候，這才知道說有一筆漏抓了，這叫recall。我們如果說信用卡越這個盜刷政策越來越不準呢？通常我們沒辦法立刻知道，要經過一個月之後才能抓到資料，所以這就是一個很有趣的現象，就是我們的precision立刻就可以知道，但recall…recall要一個月之後才知道。recall回來之後你就必須持續的訓練，持續的精進。可以想像在2020年年初的時候，抱歉2021年年初的時候就是剛開始的時候，這整個Covid-19開始，所以大家就躲在家也不出門，所以大家刷卡呢，就變得很少，當然這些詐騙集團他們也要生存呢，他們也要求新求變，所以他們就開始盜刷，就出現不同的樣貌。在不同的樣貌之下呢，我們的model就會變得越來越不准，所以才會說Covid-19之後馬上就變得立刻不準，這時候呢，我們就是要抓更多資料來持續的訓練，訓練完了，比如說每週要能夠更新，要能夠自動佈署上去。所以這邊就講整個流程，第一個開始AI偵測，然後及時通知，通知完以後呢，無風險就是成功授權，中風險就是比如說用簡訊通知，高風險立刻打電話，然後拒絕授權。這些資料收集完以後，我立刻要立刻確認哪些交易的確是有詐欺的，有被盜刷，然後立刻要重新訓練資料庫，然後每週要能夠把新的系統能夠上線。所以這個是真正系統在運作的時候，它必須做的事情，但你可以想像他為什麼要這樣做，因為如果沒有把盜刷成功的攔截下來，對於銀行來講是很大的風險。什麼叫很大風險呢？因為如果我們的自從使用了這個AI系統來進行這種盜刷攔截，攔截高出了3倍，減少了人力58%，重要的是說，每年可以攔到的金額是1.2億元。你可以想想，我們通常金管會都認為消費者都是小蝦米嘛，銀行都是大鯨魚，所以只要消費者跟銀行抱怨說，我怎麼會被盜刷，不是我的錯啊，那通常銀行就得賠這個錢。我們如果既然能夠預防損失金額達1.2億元，就比如說這個1.2億元，就幫玉山銀行省下了1.2億元，所以這是很重要的一塊。
再過來看看是這個房屋自動估價系統，這自動估價系統呢，通常前一陣子房子交易也越來越熱絡。如果你要買房子，你上去看房子，看了覺得這房子還不錯啊，我有點想買，房仲就會開始鼓吹你說，你拿出10萬塊我開始去斡旋，我們就可以開始去跟屋主斡旋啊，但其實還不是這個樣子，你不可以直接去斡旋，你必須先跟銀行確認你可以貸到多少錢，衡量自己的能力，你才有辦法去斡旋。銀行一旦開始有這個貸款的案子的話，他就開始會找估價師去估價這個房子實際值多少錢，還要評估你的能力，你的還款能力等等，然後就說才能夠跟你講說房子大概值多少錢，你貸款金額多少，然後這個寬限期有多少，在寬限期之內你只要付利息就可以，然後整個貸款留整個行程是20年還款呢，還是30年。通常這整個過程需要兩三天，非常繁複。關鍵來講，你本來也是衝動型，你看這房子覺得想買，但是這整個行程跑了兩三天之後，可能人就冷下來，就開始冷靜想想，我真的是需要這種房子嗎？所以呢，如果能夠自動的進行估價，然後自動來評估你貸款的能力，然後立刻就給你回覆，這件事情就變得非常重要。所以我們就開發了房屋自動估價系統，不是經由人來估價，而是經由電腦來估價。這估價呢，譬如說我們去導入了POI，給我一個位址，我可以抓出附近所有的設施，甚至從實價登錄，我可以知道附近大概房屋的價錢，同時建立哪一些是生活的便利的因子，哪一些是所謂的嫌惡設施。什麼會影響房價呢？第一個是房仲，你附近房仲越多，就表示房子交易很熱落，就表示說附近房子應該都是好房子；便利商店多，就表示生活機能好；寺廟神壇這個大部分人不會喜歡，所以就變成所謂的嫌惡設施；有ATM很好，表示我隨時要提款都很方便。就用抓出各式各樣的這個POI的資訊呢，我就可以來預測，你給我一個位址，以及這房子相關資訊等等，我就可以來預測這個房價大概多少錢。整個AI系統，就可以讓我們從估價的時間呢，從兩天變成3分鐘，也可以達到一個國際的指標，國際指標這個細節我就先不講，我們得到了一個經驗呢，是說我們透天跟公寓大樓是要分開來估價，因為兩個模型完全不一樣，所以model要不一樣，還有碰到有車位在裡面，車位要把它隔開來，要分開去估價，這樣才可能讓他更準一點。這樣的房子估價呢，其實還有很多因素沒有考慮在裡面，你要做到完整其實很不容易，包含說房子有沒有裝潢，可能如果說這個房仲有提供內部的照片，可能可以看得出來房屋的格局，有沒有碰到路衝，附近有沒有住名人？你想像說我樓上住的林志玲，旁邊棟就是張忠謀，哎^^，有名人加持房價就會拉高；有沒有可能發生過不好的事情，是不是凶宅或是隔壁是凶宅啊？據說有一個凶宅網可以查到相關的資訊，所以可以改進的方向很多，把這些資訊拉進去，就可能可以讓房價估計的更穩定，更接近房屋的實際價格。所以這個也是屬於一種場景金融，立刻你有這個需求，然後立刻就可以讓你達到，你要有需求就可以決定要不要買房子。
辨識還有語音合成，我們直接看一下語音合成好了。語音辨識其實用的相當廣泛，所有的客服電話，我們都希望最後把它轉成…我們看一下好了，很快速的說明一下，比如說辨識，我們以前辨識，我要辨識一首歌，我要唱歌，我就講句"用心良苦"，它可能辨識成什麼東西，它可能辨識成兩隻老虎_+_~~，其實也蠻接近的。我講一句話說It's hard to recognize speech，它會辨識出什麼東西呢？It's hard to wreck a nice beach，你這兩句話講快一點你會發覺它非常接近，它的音非常接近，它的意義完全不一樣。所以這邊只是讓各位知道語音辨識，它只是看的不只是你的發音，要看的是你講出來的句子有沒有意義在裡面，前面發音叫做聲學模型，後面看的是語言模型，兩個要配合語音辨識，才能做出好的結果出來。在客服電話應用呢，我們把所有客服電話都轉成逐字稿，你就可以做很多數位分流，就是知道說這顧客可能需要什麼資訊，我就直接後續，我就可以把相關的網頁直接丟回去給客人。所謂對話的質檢，就是在兩個對話過程中呢，有沒有克服哪些話不該講而講，或是該講什麼話而沒講，這些都是可以做的。所謂質檢就是品質檢驗的部分，這些呢，我們都需要事前的收集很多客服的資料，玉山每天呢，大概有一萬通客服進來，但是一萬通呢，可能平均每一通都會講5分鐘以上，我們就必須要進行標註、訓練、測試。辨識流程其實也蠻複雜的，第一個我必須進行語者分段，哪一些話是客服講，哪一些話是顧客講，要把它分開來，接著轉成逐字稿，轉成逐字稿之後，如果是要進行對話，直接要給人看的話，需要加上標點符號，加上標點符號呢，也是要去贅詞，因為講到一半你說哎，這個這個，那個那個，直接要把它拿掉。最終的目標，我們能不能做成摘要，等於說這段客服的對話重點在哪裡，能夠把它摘要抓出來，有助於瞭解我們到底是顧客常常為著什麼事情打電話進來，比如說如果為了紓困專案打電話進來，表示說我們對於紓困專案在網頁上的解釋可能不夠多，就要多放一些網頁的解釋。所以語音辨識是很重要的一塊，尤其最後我們希望做到全自動外撥，所有的企業都一樣，客服這邊花掉很多人力，如果能夠直接用電腦來取代客服，這是所有人的夢想。
我們來看看最後一塊叫語音合成，語音合成各位看一下，我剛到玉山的時候，遇上的小朋友就也是很有意思啊，他們覺得他們語音很錯蠻不錯的，要我來聽一下哪邊是人講的，哪邊是電腦講的。當然我是這個語音這邊我