ChatGPT在金融業的影響與因應策略──生成式科技熱潮不歇

文章發表：2023/12/27

整理、撰文：高永謀

生成式科技持續發展，對金融業將帶來重大影響。智慧客服可在不涉及金融法規下，幫助客服人員、電話行銷人員或理專，提供客戶適切的產品與服務……打造負責任的金融AI，開啟台灣智慧金融未來的想像力。

生成式科技發展方興未艾，ChatGPT的爆紅，讓許多金融業者躍躍欲試，卻又擔憂機敏資料保護、領域知識建構、智慧財產權侵害等問題。台灣金融研訓院「芬恩特創新聚落」特邀請「台灣人工智慧實驗室」創辦人杜奕瑾，分析ChatGPT在金融領域的可能應用、對金融業的影響，以及金融業者的因應策略。

杜奕瑾提醒，ChatGPT、Midjourney、Image Net等生成式科技，若要應用於服務上，尤其是重視隱私、個資保護嚴謹的金融業及醫療業，需要特別審慎。不過，聯合學習（Federated Learning）架構能兼顧金融數據的開源與隱私，創造更多數據價值，打造負責任的金融AI，開啟台灣智慧金融未來的想像力。

以聯合學習架構突破限制

ChatGPT是基於大型語言模型（Large Language Model）的聊天機器人，可與人類對話、解決數學問題、撰寫文章及程式設計等。「AI模型都具有通用人工智慧的能力，ChatGPT亦然。」杜奕瑾解釋說，所謂通用人工智慧，指具備與人類同等智慧型或超越人類的人工智慧，能表現正常人類所具有的所有智慧型行為，而且讀過網路上所有資料，可自行學習、具推理能力，並解決大部分問題。但事實上，世界仍有許多資料並未公開在網路上，「最明顯的例子是金融業、醫療業，使用ChatGPT時，不能胡說八道或無中生有。」

2017年，台灣人工智慧實驗室成立時，便與國內各大醫院合作，彙整並提出各階段個人化生活型態與運動建議，將大型語言模型、大型人工智慧運用在醫療業，期能達到精準醫療和全齡健康的目的。

可是，每個人都有資料、每家醫院都有資料，國家也有健保資料庫，這些機密資料皆屬高度隱私數據，無法隨意存取。如何不必共享機密資料，也能共同訓練、驗證與測試？「我們以聯合學習架構來突破限制，同時讓資料都能回歸個人、醫療機構或國家。」杜奕瑾強調。

他進一步說明，聯合學習架構下，實驗室與每家醫院設定一種協定機制（Protocol），讓醫院在同一個規範下開始蒐集、標註資料；然後，訓練模型，再進而解釋、追蹤、驗證，這樣才能做出一個負責任的人工智慧演算法（Responsible AI）。

正如當醫院想訓練出最好的醫師，其實不必把病人集中到同一家醫院，讓這位醫師看診；而是讓醫師到每家醫院實習，就能訓練出最好的醫師。人工智慧的演算法也是如此，讓這個AI模型到不同中心訓練，完成跨中心的聯合學習與驗證，即為聯合學習的方法。

杜奕瑾指出，聯合學習可讓參與模型訓練的各方，在內部先以自家的原始資料訓練模型，再將各自的模型參數（而非原始資料）傳至共同平台系統，經聚合（Aggregate）後，再回放參與者，各自利用新的參數來進行下一回合訓練。經由聯合學習的作法，參與者無須擔心自家的高機敏性資料會外流。

「Responsible AI是一種可信任的人工智慧。」他解釋說，所謂Responsible必須是可解釋（Explainable）、可追蹤（Traceable）、可驗證（Verifiable）、可審核（Auditable），如此可避免AI模型的偏見。實驗室還結合ChatGPT快速產出報告，在生成報告過程中，必須遵循醫療相關法規。

可運用於跨機構防詐騙反洗錢

國外已有組織積極推動跨金融機構的聯合學習，尤其是運用在防詐騙、反洗錢方面。中國也開始利用聯合學習，處理防詐騙、反洗錢議題。而台灣金融業對此領域則較陌生。

2020年，實驗室結合國內大型醫療機構，成立台灣聯合學習產業大聯盟（TAIFA），採用實驗室所發布的聯合學習開源框架Harmonia，希望利用去中心化的聯合學習演算法，讓AI進入各家醫學中心學習最頂尖的醫師專業，再提供給各醫療院所使用。當時，國發會主委龔明鑫支持這樣的想法，並期許台灣聯合學習產業大聯盟不只協助醫療業，還要能夠跨產業，輔助金融業、製造業等資料訓練與驗證。

杜奕瑾表示，金融機構也可以採取類似方式，建立共同入口，針對不同議題和項目開發，就可以展開聯合學習。以防詐騙、反洗錢為例，首先是初始模型建立，先與專家確立模型參數，連接相關資料，再依資料建立初始模型，進行初始模型訓練。

模型相關參數可分為四大類。第一是登入資訊，包括網銀登入次數、IP、裝置、行內行外ATM機台數。第二是交易資訊，涵蓋電匯、ACH代收代付、ATM提領、自動轉帳、借貸、繳費。第三是非交易類資訊，包含餘額查詢、交易紀錄、資料異動、常用帳號。第四是真實註記資料，例如行內標註警示戶、凍結距開戶時間、人頭帳戶註記等。

杜奕瑾說，金融機構有許多法規遵循的項目，KYC、合規成本很高，可把防詐騙、反洗錢資料的訊號（Signals）標準化。這樣就可以在共同平台上讓跨金融機構做聯合學習和分析，進而訓練出防洗錢、防詐騙的AI模型。未來，透過資料串聯、AI模型訓練，有助於預測使用者的詐騙、洗錢犯罪等意圖與行為關聯性。

透過聯合學習的機制，台灣聯合學習產業大聯盟已有多款醫療AI，皆由台灣醫師團隊與實驗室團隊合作開發。具體計畫如「腦轉移瘤AI輔助診斷系統」，先讓AI系統判讀腦轉移瘤的磁振影像，再由醫師驗證，縮短閱片時間、減少誤判機會。

「仿效此模式，金融機構的KYC，可先透過AI系統找出異常現象，再由同仁檢驗報告，如此可降低錯誤率。」杜奕瑾建議，金融機構可考慮做資料串接平台，建立共同入口，或是從一家金融機構先開始建立聯合學習機制，再串聯其他家金融機構，由金管會與業者研擬驗證方式，然後再推廣到整個金融產業。

確保資料安全又符合法遵

因此，假設金融業要共同訓練防詐騙、防洗錢的AI模型，實驗室會先在一家金融機構的防火牆內建立該業者的聯合學習資料。然後，建立AI模型到各家金融機構學習，並採用去中心化的方式蒐集資料，再把學習到的經驗彙整，經過聯合驗證（Federated Validation）後，傳授給其他家金融機構。若有新的金融機構想加入，亦以同樣方式蒐集資料、學習經驗及驗證。

「聯合學習與聯合驗證的優點在於：客戶資料置於各金融機構防火牆內網中妥善儲存，以確保資料安全又符合法遵。」杜奕瑾表示，在歐盟國家，因面臨嚴格的《一般資料保護規範》（GDPR）把關，早已採用聯合學習方式訓練AI，用「分享模型」取代「資料共享」，又同步保護個資和隱私，確保AI模型的學習成果。

另一種因應策略則是由答案開始閱讀關聯知識，再由知識圖譜連結相關知識。假如預測客戶可能對於存款、遺產繼承等有相關合規需求，金融業者可先透過AI模型閱讀國內所有民事和刑事法規，以及金融機構內部規章，再加以彙整並納入合規規範內。一旦客戶提出需求時，即可提供合規規範，解決客戶問題。

金融機構還可以針對經常遭遇到的問題，包含KYC與身分驗證、風險分析、反洗錢、防詐騙、金融IOT、機器人流程自動化（RPA）、智慧金融等，尋找適合應用的AI模組，進行AI模型訓練。

此外，語音辨識、語音理解技術已大量運用於智慧客服方面。ChatGPT出現後，讓客服聊天機器人回應內容變得更真實化、更口語化。杜奕瑾提醒，智慧客服的對話，必須依照相關知識圖譜做文本訓練，使用ChatGPT時，要給予有根據的文本，才能有效回覆客戶問題，不至於胡說八道。

若有不同客戶連續問了相同問題，但客服聊天機器人無法妥善回答時，代表這個問題可能是一個重要的Signal或是新興需求。金融業者應了解過去知識圖譜的缺陷與不足，並記錄下來進行優化，然後納入智慧客服的文本訓練中。

想像台灣智慧金融的未來

在生成式科技持續發展下，智慧客服也可以做到虛實整合，先用AI聊天機器人服務客戶或電話行銷，然後再視情況切入真人服務。杜奕瑾認為，只要不涉及金融法規，客服人員、電話行銷人員或理專，可藉由AI聊天機器人的輔助，先打開對方的心房，再進而探知對方的需求，提供適切的產品與服務。

有趣的是，除了文字、影像生成外，生成式科技還可以應用在空間、場景，甚至是音樂生成，可以開啟未來無限的想像力。杜奕瑾以台灣人工智慧實驗室與音樂製作人陳珊妮合作，用AI工具創造出「小陳珊妮」演唱歌曲為例，「未來金融機構或許可考慮利用AI來製作虛擬人物，為企業設計代言人或形象歌手，再透過ChatGPT即時生成想要的音樂，從此就無須再花錢找代言人。」