獅子銀行人工智能反洗錢

By on June 29, 2017

本文作者林天程為《信報》撰寫專欄「價值投資

科技將為滙豐節省大量的人力資源,令杜絕洗錢活動的調查更有效率。(何澤 攝)

科技將為滙豐節省大量的人力資源。(何澤    攝)

友人米奇早前大大讚賞獅子銀行。事緣他收到該行電話查詢某宗信用卡交易,那宗交易並非友人簽署的,估計信用卡已被盜用。米奇讚賞銀行每日幾千萬宗交易中,都能注意到兼且反應快,客戶零損失。未知讀者有否類似經驗?

節省人力 提升效率

除了個人信用卡消費、存款往來大幅波動等, 銀行一直有團隊專責發掘和調查洗錢(money laundering)的可疑活動。滙豐銀行早前和Ayasdi 進行12星期的試點方案,運用人工智能和大數據進行分析,令可疑的調查個案總數大幅下降兩成,但滙報要求人類作深入調查的洗錢個案卻沒有下降。結果顯示,科技將為滙豐節省大量的人力資源。6月初,滙豐公布和Ayasdi合作,令杜絕洗錢活動的調查更有效率。

Ayasdi是來自矽谷的人工智能初創企業,由2008年成立至今融資了7次,合共1.06億美元。共同創辦人兼CEO Gurjeet Singh是史丹佛大學計算機數學博士,去年10月開始成為滙豐銀行技術顧問董事會員。上周三,企業推出專注分析金融服務業數據的Ayasdi Model Accelerator,目標是減低現時模型中的特質(features)和可變數(variables),令建立和運行模型時的透明度和效率更高。

筆者近來嘗試多閱讀人工智能相關文章,但由於沒技術背景,整體理念始終不容易拿捏。維基百科顯示,Ayasdi是機械智能軟件公司,分析大數據並建立具預測性的模型。Ayasdi致力大規模的無預設條件自動分析,透過大量的監督(supervised)和非監督(unsupervised)機器學習演算法,自動找出並排列相關數據,然後以網絡般的地圖顯示結果,幫助分析人員用新方式分類和檢視關聯系數。

機器學習模式有多種

機器學習除了監督和非監督學習,還有強化學習(reinforcement learning),即透過獎賞機制讓機器懂得辨別較好的選擇,現時的最佳例子是AlphaGo。監督學習需要大量數據,強化學習需要的數據量相對少很多,但始終未能像人類般不經歷都可以學懂。例如不衝紅燈過馬路,人類聽過一次就知道,不需要親身試過。但以監督學習訓練機器,就需要大量的交通意外數據才能學會避開車輛。至於強化學習,則可能要在學習過程中撞幾千次車,機器才會學懂。

據聞,現時非監督學習的應用不廣泛,實質例子少。Ayasdi同時運用監督和非監督學習分析數據,並套用在不同行業(包括醫療、交易策略、疾病研究、資訊安全、金融服務等),確實是「超級智能」。希望在一年一度的科技界盛事RISE Conference,有機會向Gurjeet Singh了解更多。

更多林天程文章:

支持 StartupBeat

如欲投稿、報料,發佈新聞稿或採訪通知,按這裡聯絡我們