“FINTECH - Reshaping the Future of Finance Services”

76 77 可以說，AI 或 ML 的演算法具解釋性，發展和商業應用潛力巨大，商機 無窮。很顯然，傳統通過大量數據，找到一些模態（Pattern）特徵， 據此進行預測。譬如預測天氣變化、股票價格走勢、發掘潛在客戶等， 在這個過程中，預測的精確性當然十分重要。但人工智能技術發展至今 日，不僅提高演算法預測的精準度，更要演算法具解釋力。筆者相信， AI 演算法預測能力與解釋能力並重，勢將成為人工智能領域的發展主 流，並為商業應用帶來更龐大的潛在收益！ 很顯然，演算法具解釋性的應用領域十分廣泛。除了信用卡公司、保險 公司、金融機構、零售商外，在美國，有一個研究相當新穎，就是利用 AI 去協助法官預測犯人保釋後，會否再犯罪。傳統上於決定批準保釋與 否，法官需要閱覽很多資料，而且也不排除法官帶有感情。事實上，若 然讓一個在保釋期間，會再犯罪的人保釋外出；或把一個不會重犯的人 囚禁在監獄裡，都不是一個理性而有效的決策。於是便可以用 AI 構建 預測模型來協助法官進行保釋的判斷。AI 模型透過輸入相關資料變量， 例如，此人是否有吸毒習慣、犯罪是什麼類型，是搶劫抑或貪污等等， 分析變量與預測量的關係，若預測結果發現，此人重犯的機率為 0% 至 5% 低水準，而且通過輸入變量與輸出的分析，解釋到低重犯機率的原 因，於是演算法給出的結論是：給犯人保釋。當演算法結果亦具解釋性， 便可協助法官作出有效判斷，最終提高整個司法系統的效率。 AI 強化人類認知決策能力 值得一提，人工智能或機器學習，並非要取代人類的智能，而是去協助 人類強化決策的認知能力和理解。目前，AI 或 ML 演算法的應用，也跨 入了醫療領域。 在醫療上，使用 AI 技術去協助醫生作出診治判斷，相信會普遍起來。 譬如，在一張腦掃描圖上，尋找出內裡是否有腫瘤細胞。 AI 演算法方 案並非去取代醫生或淩駕醫生的判斷，而是透過 AI 演算法，讓醫護人 員從輸入因素中，如體溫、血壓等等，發現那幾個因素組合，更容易導 致出現腫瘤病，並展示出判斷的理由，從而提高醫生的檢查成效，甚至 更有效地找出預防和治療的方案。 人工智能機遇與挑戰