人工智慧（artificial intelligence，簡稱AI）的目標是希望電腦具有類似人類的學習及解決複雜事情的能力，進行較高難度的思考，能夠推理、規劃、交流，甚至是語言對話。目前人工智慧是透過資料的分析，學習潛在的規則，把這些規則建立成一個模型，再利用一些額外的資料進行驗證跟推理，最後透過介面如聊天機器人，或讓機器人以做相對應的動作呈現給使用者。

而最近炙手可熱的深度學習，則是模擬人類神經系統，稱為類神經網路，就是在電腦裡建構一個很深、很多層的神經元連結，從訊息輸入、逐層傳遞、疊加訊號、產生反應，經由反覆的學習及更新，進而產生最終決策。

在類神經網路中，神經元間都有一個可改變權重的連結，而每個神經元都會接續著上一層神經元與權重乘積的和，並對下一層神經元傳遞處理過的反應訊號。在訓練模型時，機器學習演算法透過反向傳播算法調整連結的權重，目標是降低目前預測和實際結果之間的差距，即損失函數。

初步認識AI的架構後，得出一個問題：輸入的資料和目標若需要手工一一標記妥當才能開始訓練，豈不是既費時又費力？

由於互聯網和行動運算裝置的蓬勃發展，現代人的生活圈幾乎離不開智慧型手機與網路，使用者每次使用網頁服務或社交軟體都會留下大量數位足跡，網站則把這些資料做一步分析使用，這龐大的資料稱為大數據。當能掌握大量有意義的數據時，就可以藉由人工智慧的各項技術從中取得有用的知識。而未來的商業模式會逐漸向這些擁有大數據的公司靠攏，其中包含Google、Facebook、Microsoft、Amazon，與中國的百度、阿里巴巴、騰訊。

此外，今日許多人工智慧應用陸續開發出來，除了上述深度類神經網路模型的發展與大量數據的累積外，雲端運算及graphics processing units （GPU）的進化也解決了訓練建模所需要的大量運算資源。GPU即圖像處理器，是一個專門在電腦上處理繪圖運算工作的微處理器。GPU之所以能加速訓練模型，關鍵在於它擁有比CPU多且小型的處理器，當模型需要更新權重時，GPU能夠做出大量平行運算，提高比CPU多數十倍的運算效率。

金融科技，顛覆傳統金融商業模式

金融科技（finance technology，簡稱FinTech）是指隨著科技的新興與發展，金融產業公司紛紛採納科技的力量解決其高人力成本的業務，進而形成的一種經濟產業。其中人工智慧在金融業的應用備受關注，本篇將介紹消費行為模式的改變、新興的信用評比方式、智慧的投資保險工具，以及信用卡盜刷偵測，利用人工智慧的技術顛覆傳統的金融商業模式。

2017年，北歐最大的銀行北歐銀行首席執行官Casper von Koskull表示，因需要降低成本並提升效率，計劃引入AI技術，因而大幅削減員工人數，預計裁員6,000人，其中包括2,000名顧問。金融業的本質就是數字，而擅長處理數字資訊的AI首當其衝進軍金融業一點也不稀奇。小至市面現金交易，大至股市投資買賣，甚至能準確預測股市走勢及風險計算，幾乎全部可以由AI代勞。

AI除了能分析大量數據擬定最佳策略外，也減少了企業僱用人力所帶來的成本。因此，金融科技在引入AI後隨即引發金融業破壞式的創新。

建構消費模型，精準行銷與理財策略

志明家固定3個月會到賣場買一次洗衣精，就在洗衣精快用完的前一個禮拜，剛好賣場寄來數張折價券，除了洗衣精的折價券外，還有一些啤酒、飲料的折價券。最後原本沒有打算買啤酒飲料的一家人，趁著有折價券的優惠，也順便買了額外的東西。

上述的故事就是把人工智慧運用在消費行為分析上的狀況。賣場裡有許多顧客的消費資料，藉由分析顧客的資料學習數種顧客的消費模型，利用這種消費模型再去額外作商品推銷。因為學習到的消費模型中，每3個月買一次洗衣精的消費者通常會順便採買一些啤酒飲料，所以才會在折價券中也加上啤酒飲料的優惠。

第二種常見的狀況是：突然想買個相機，四處查了一下各廠牌的相機，之後幾天在瀏覽網站時，發現旁邊廣告欄持續顯示與相機相關的廣告。這種狀況也是利用使用者的資料做學習來應用，如使用者瀏覽網頁的資料、瀏覽過的網頁紀錄、商品類型、搜尋的關鍵字等，透過這些資料預測這種行為模式的人是不是潛在的消費者，若是潛在消費者，就可以利用廣告的一些促銷訊息誘使消費者消費。

除了上述的情況外，也可以利用消費者的消費行為調整賣場的櫃位擺設、關於商品擺設的方式，把消費者常一起購買的物品擺放在一起刺激消費就是這種應用。最常聽見的例子莫過於啤酒與尿布的故事，把啤酒擺放在尿布附近，使得來消費的爸爸在買尿布時，同時買了啤酒犒賞自己的辛勞。姑且不論這個故事的真實性，若能發現類似的消費行為，藉由這種方式擺放商品促銷，不也是一種不錯的手段？

不僅銷售可以運用人工智慧學習消費者行為推銷商品，消費者也可以利用自己的消費行為紀錄進行消費的控管。例如AI在學習完某人消費行為後，可以在他要衝動消費時做一些應變措施，成為個人的理財管理工具。

整體而言，若把人工智慧運用在消費行為上，可以帶來不少改變。不過改變的前提是能否在資料中找到有價值的資訊，並學習成知識或更能靈活運用這些知識而形成智慧，這還是需要好好努力的方向。