数位转型：人工智慧新金融
企管三乙 陈颖萱
今天课堂上老师邀请了恰巴智能股份有限公司的创办人赵式隆（Jack Chao），他也是台湾矽谷的创业家协会创会理事长，来班上演讲，主题是关于 “人工智慧于金融科技之应用”。在演讲的最一开始，讲师就以邱吉尔的一句 话“不要浪费一场好危机”作为开场，我曾经在与一位长辈交流时，他也有说到类似的内容，“一个事业的成功都是需要一个转机，再加上你当时有没有抓住那个时机”，我觉得大学这个阶段就是在为了那个时机做准备，当“时机”来临时，我们就能发挥所长，展现出最棒的自己，抓住那个机会。
科技的快速进步给人类带来了许多便利的事情，也协助人们解决很多重复或是过于复杂的事情，缩短我们的作业时间和简化作业流程。像是这次这位讲师就是在协助金融业流程优化的部分，透过庞大又完整的资料库数据，也就是big data为基础，让基础透过这些资料去分析。讲师有举了一个考汽车驾照的例 子，来跟我们解释什么叫做机器（深度）学习，我觉得特别好理解，也终于厘清清楚这个观念了，之前阅读的很多教科书，或许是因为书内的都充斥著专有名词，或是学术说法，让我不太能理解这根本的意思，但这次，透过非常贴近 自己生活碰到的例子，马上就理解这个原理了。或许这也是为什么很多人都说，虽然书本中的知识要好好学，但是更应该要在生活中去寻找这些知识，这样你才能融会贯通，运用这些知识。
讲师说，他会踏入目前这个圈子，是因为目前金融业AI的发展优势的三大优势，客户资金充裕、历史数据完整以及监管经济规模，人工智慧很需要有足够的大数据资料，才能够精准地去分析出顾客所需的保单以及职员在审核时所需的资料重点，但是目前还无法做到100％正确，某些部分还是需要透过人工审核来完成，因为有5％是例外，像是一些罕见疾病的客户，因为有这种状况的人不多，所以无法透过大数据分析出最适合的理赔方案。
在演讲的最后，讲师以一段文字结束这场演讲，就是“不连续创新未来，最重要的是快速适应的能力”，在这快速变化的时代，如何让自己能够快速适应、学习当下那个环境下的必备技能是件非常重要的事情。学校内学习到的知识是一个基础，如何将这些基础知识配合世代去变化、增加就是我们要不断去学习的事情，才能不让自己被这个世代吞噬掉。这场演讲真的是在目前大学阶段中收获数一数二多的一场演讲，虽然自己没有想要进入金融相关的产业，但也借此次演讲内容反思了很多事情，期许自己未来也能像讲师一样，看准机会、发挥自己的实力，让自己在这个世代中无可取代。
企管三乙 廖映清
这次的课程特别请来了洽吧智能公司的创办人兼董事长赵式隆先生发表演说，其演讲题目主要是介绍关于AI智慧是如何被应用在金融领域上，首先就引用了英国前首相邱吉尔的名言:“不要错过一个好危机。”作为开头，稍加说明了企业数位转型的不同阶段，以及提到了过去两年来全球面临疫情肆虐下的共同困境和各国如何采取应变措施，然而台湾直至今年五月才开始体验远端交流。但其他国家早已渐渐习惯了的生活模式，尽管起步比较晚，但台湾还是有渐渐跟上脚步，准备往下一个阶段迈进。因此，俗话说:“危机就是转机”，我们刚好能够透过这次的疫情危机有了与世界接轨的机会。
机器的深度学习是AI智慧中很重要的一环，以人脑的思维为例，一般而言，人类行为的运作模式大致上分成两类:规则基础及经验法则，然而我们有一大部分的行为其实都归类于后者，单就靠经验的累积因而学会了某种行为，“熟能生巧”一词就是如此，同样地，我们也将此种模式套用在机器身上。虽然机器学习听起来好像很厉害，但机器本身其实很笨，光是建构资料就比人类还要来得繁琐，而机器唯一比人类擅长的事情大概就是其处理效率及训练数量可以比人类多更多，比较能够执行一些会受到人类先天能力所限制的事情，这就是所谓“勤能补拙”吧。
而AI在金融机构的应用范畴可以很适合也可以很广，因为金融业的AI发展优势。就是除了资金充裕是很重要的一点外，以前建立的资料数据很完整，加上经济规模也很大，是一个很适合导入AI智慧的环境。以保险业来讲，目前为止，洽吧智能是台湾地区市占率最高的保险科技技术服务供应商，许多市面上耳熟能详的保险公司也都是其客户。保险主要有三种业务，包含核保、理赔和精算，其中理赔最为适合用于AI智慧，因为保险公司在理赔程序上拥有最为完整的资料库可供处理。洽吧智能也有提供手机的保险理赔，虽然单价不高，但工作成本其实蛮高的，例如检查报价是否合理、照片和描述文字是否相符，只要改由AI判读，就能简化检查流程，并大幅减少人力。然而AI在金融上的应用也不免会面临一些机会与挑战，比如远距投保难以辨识在萤幕上的人是否真实，像是前阵子很红的深伪技术能够轻易将一个人的外型换成另一个人，因此，即使技术已经很成熟还是有更多衍伸的问题需要谨慎评估讨论。
近年来随著AI智慧的蓬勃发展，在我们的生活当中也会看到各种数位化的身影，加上有了疫情的推波助澜，使得人们不得不随机应变，如何适应未来的网路也是许多产业早晚都要面对的问题。尽管人们多少对于AI即将取代一些共做感到恐惧，但机器顶多就是种辅助工具，其因高度依赖记忆所以能处理大量资料，因此照理来讲只要不是重复性的工作就难以被机器取代。而说到AI，“类神经网路”及“大数据”也常受关注。有趣的是，讲者告诉我们，其实慢慢会有越来越多人懂得类神经网路，因此剩下的关键就是在于大数据构建和应用。我越听越发惊讶，若以产品生命周期相比拟，大概就是正当我以为现在的类神经网路可能还处于成熟期没多久时，好像就又很快地就要迈向衰退期了那种感觉。由此可知现今的知识和技术是变化地如此之快速，
如同讲者所说技术的难度会随著时间下降，现在已然是个那些懂得如何跨越整合的人的时代，所以我认为其实不太需要过度担心将来会有许多工作会被取代，因为搞不好会因此而衍伸更多种不同的工作类型，就像我们之前从来没有想过Youtuber会是一种职业一样。很幸运听到这次的演讲，让我感到受益良多。
企管四丁 姚晨韡
在听了赵式隆董事长的演讲后，了解人工智慧跟电影中的人工智慧不是同一个技术，它是一个可以帮助我们快速处理日常生活一些要用到高记忆力、极度繁琐、重复性极高的工作的一个技术，它可以通过人们给予的大数据来进行深度学习，不断的进行著演算，不断的扩大自己的世界观，来为人们解决一些需大量人力去处理或者是高重复性的工作。
一个很了不起的资深保险人员，他可能已经处理过几万个保险事件，但是人工智慧通过人们给予的保险资料练习后，它就可能做得比资深保险人员做得更加的好，因为人工智慧它能够在一个月内就把资深保险人员，这几十年内的保险事件判断的案件都学习上， 甚至是资深保险人员所判断的案件几万倍，赵式隆就是通过大数据提供巨量资料给人工智慧学习，来改善它的判断准确率，他把很久以前到现在的所有保险理赔案件，通通都给大数据学习，使得人工智慧的判断保险理赔案件准确率，高达百分之98.5%，使得全台湾的强制责任险在今年以后都是通过人工智慧来判定的，大大的提高案件的处理速度和案件的准确率。
赵式隆也帮助过手机保险设计了一个人工智慧，通过导入大量的照片来进行深度的学习，自动分析手机的损坏程度和理赔金额，一但发现一些自己处理不了的案件就会转交给人们处理，并从中再度学习，这样的自动化能够帮助人们快速的处理繁琐的检查和维护，也使得某一间保险公司的手机理赔在保险领域处于第一名。
当人们想要跟银行借钱的时候，银行都是通过一个叫做联征的程序来判断人们的信用价值，但是银行无法通过联征来了解人们是否有过跟地下钱庄借过钱的记录，所以银行用通过大数据给人工智慧学习，用它来进行风险控管，它用通过人们平常的习惯来进行判断，比如通过地下钱庄的电话号码，来判断该人有没有跟过地下钱庄通过电话，或者从网路等等的门路来判断是否要借钱给人们，这都是联征程序所没法做到的事情。
现在人工智慧最大的挑战不是没解决方案，因为人工智慧在学习了大量资料后，已经可以比人们处理事件处理的更快更准确。而是没有好的方案，可以提供给人工智慧学习，因为人工智慧是通过人们给予的资料蓝本来做为学习的对象。如果需要人工智慧可以广泛的使用，就各个行案领域的专业人士来投入资源给人工智慧学习。
企管三乙 陈廷宇
听完这周的人工智慧新金融演讲，让我更进一步的认识人工智慧如何融入地进入金融行业，在演讲初介绍蚂蚁集团，让我第一次听到信用租借的新概念，他们使用支付宝作为付款的工具来代替现金购买商品，透过交易纪录、自身职业和朋友交往关系.....等等来制定所谓的信用积分，当信用积分超过某种分数就能够拥有一定的优惠，就像是下雨天忘记带雨具，当你有足够的信用积分就能够轻易的借到雨伞好度过雨天。
这种新概念和以前的金融业有著大大的不同，以前向银行借钱需要抵押自身的资产像是房子和车子，有等量的资产价格，银行才愿意把金钱借给借款人，如果借款人到最后无法返还给银行，就能够行使法律途径去取得当初抵押的资产，以补偿银行借钱的损失。但是现在金融业有新的概念，透过上述的信用积分，来判定借款人是否有返还借出的金钱能力，透过大数据的人工智慧分析交易纪录和每月固定收入，一旦分析借款人有足够的信用，银行就能拨款给他，而不必担心金钱返还不了。
而因人工智慧大量且有效率的深度学习后，其中演讲里介绍机器伦理是现在正积极开发的自动驾驶，利用人工智慧的辨识技术为基础收录开车时的影像，再透过深度学习后的记忆停车时的停车格，进行停车位和障碍物的辨识，利用路径规划和车辆控制运算，在无人操控时精确的把车子驶入停车格，我想这就是现在自动驾驶和人工智慧所结合发展的最佳杰作，让人们减轻交通压力并提高交通运输的效率，让车潮众多时不在因塞车导致驾驶人和司机过度的疲劳，有了自动驾驶就能有空闲时间休息并减少事故的发生率。
企管三乙 翁丽薇
赵式隆讲师经营以智慧金融为主的公司，跟我们分享什么是AI人工智慧，以及AI在金融业发展的优势，并且如何利用AI这项技术恰当的运用在其他领域方面上，还有AI的转型。一开始，讲师讲到机器深度学习的重要性，其中举驾训班的例子最让我有印象，很多事情人类有能力做到，但却很难解释如何做到或是如何做好，只是透过以往的经验来学习，此称作经验法则，但同样是透过经验法则，若是相同少量的话，机器可以学到的智慧其实远不如人，但是机器可以做到人类负荷不了的巨大训练量，因为机器不会累，但人会。因此，透过经验值来增加智慧，就效率和处理量来说，机器比人类高很多，由此可见，经验法则这项通用技术运用在机器上，在现今已经带来很多优势。
题外话，讲师竟然是ZUVIO的创办人，除了吓到以外，感觉在科技上是位能力很强的人，发明这么有趣的APP，还可以透过定位来点名，虽然现在已经卖给别人了，但对他的能力可以说是非常佩服。在他的演讲中，发现人工智慧科技运用在多项领域上，可以带来许多便利，增加产业的竞争力，例如：医疗、保险、金融等等。讲师讲马云创办蚂蚁集团的例子后，我才深入的认知到中国大陆的竞争有多么的激烈，在金融科技的发展速度非常快，他们有良好的互联网生态系统，行动支付的方面来说，中国大陆的地位已遥遥领先全世界，几乎人人都在用，充分实现“无纸钞化”的现象。虽然台湾现在行动支付服务也逐渐成长，但成效还是不比中国来的明显，撇除政治立场问题来看，中国大陆在金融科技发展方面，是有许多值得我们去学习的。
赵式隆先生的演讲并不像一般在上课纯粹听ppt的内容，他会分享在大陆创业的经验，不会那么枯燥乏味，也能透过他的演讲，从中吸收到很多东西，扩大我们的眼界，认知到外头的世界有多么的大，多么的强，赵讲师的学经历相当的丰富，年纪轻轻已经有个人的企业还有自己的公司，是董事长也是app的创办人，由此可见，他真的是一颗闪闪发亮的创业界新星，这次的演讲让我受益良多。
企管三乙 余瑷亘
听完学长的分享，让我对AI科技在生活上的应用有更具体的认识，科技的发展帮助人类解决许多问题，但随之而来也衍伸了新的问题 ，像是假新闻、科技素养、媒体与道德等议题都需要与时俱进。 大家可能较难想像AI是如何应用于传统产业，但学长分享了AI在金融业的应用，他提到疫情是推动新一波科技进步的重要推手，如果没有这一波疫情的发生，或许台湾的科技发展会跟不上世界的脚步，某种程度来说受惠于疫情。像是现在买保险投保等行为已经可以直接在线上操作了，突破亲晤亲签的限制，但是需要兼顾风险控管及客户权益维护，远距投保还是有深伪的可能，要如何辨识眼前的人是否是真人还需要详细的规范。机器的深度学习是科技的一大突 破，我们找到方法让机器终于能够学习经验法则了，机器开始有取代人类工作的可能，例如一些重复性高、高度依赖记忆与稳定度或是需要处理大量细节的工作，都将会被取代，只有具有创造性、研发、创意之类的工作是机器无法取代的。
回归正题，学长分享到金融业 AI的优势第一是客户资金充裕，第二是历史数据完整，第三是监管经济规模，流程优化方面首先是理赔、核保最后精算。学长也举例人工智慧导入的范例像是医疗相关保险理赔的自动化，受到超过五个 以上的发明专利保护。经过学长的介绍可以了解到金融业将AI技术已经融合的很不错了。不过未来还需要面对到机器伦理的议题，像是如果自动驾驶普及的话，机器如果发生失误造成意外，究竟责任要如何界定，谁来负责，现阶段都还没有一个明确的答案。随著科技发展，不连续创新的未来，最重要的是快速适应的能力，还有需要自主学习新知，才能跟上不断变化的时代。
企管三乙 薛尹涵
这次老师请到洽吧智能股份有限公司的董事长—赵式隆先 生来演讲“人工智能于金融科技之应用”。 Never let a good crisis go to waste.不要浪费任何一个好危机。开头他用前英国首相邱吉尔的一句话当开头，告诉我们任何的危机都是一种转机，当大家都在同样的环境面对著同样的危 机，要如何高瞻远瞩抢夺先机就是我们要学习的。
在三级警戒期间，保险人员无法亲唔亲签，但是又必须要 有接单才能抽成，远距投保变成了疫情下的趋势，而视讯对保也 产生了前阵子很热门的话题“deepfake变脸”会不会签约的人不是本人？是变脸后另有所图的人？这些就是各个保险单位要注意的了，现在也有专门的APP可以辨别真假了。疫情所带来的不方便也强破软硬体的成长，原本学校对于 远距教学可能只是采行推广的态度，但是在疫情来临时，教育部规定全面远距所出现的种种缺失也在这段期间内一一解决，像是设备不足、老师软体应用不熟悉、频宽不够...等问题，对于学生而言，准备好适合的远距工具也是大家遇到的问题，有人原本家里电脑不是一人一台，为了上课只好添购，双方努力都将远距教 学的效果能和正常面授一样。
我自己相信危机的来临会让人们有突飞猛进的成长，就像是二战（1939年至1945年）六年期间，众国间对于彼此的猜忌与不信任，导致任何的小道消息都回成为自己进步的动力，在二战期间所发明的东西，也远远比近一百年来还要多，有了危机就会努力转机才有生机。我很喜欢讲师最后所讲的“不连续创新的未来，最重要的是快速适应的能力。”在这个讯息大量且烦杂的时代，学校教授的知识可能在我们尚未毕业就过时了，所以我们需要的是在这快速变动的时代能快速吸取知识。这个时代变动快速的我们无法想像，任何一个看似规模庞大的公司，都有可能因为做错任何一个决定而一去不复当年荣耀，像是当初人手一台的NOKIA，如今再也没有当初的风光。快速适应，果断出击就是我们这代需要面对的。很感谢老师请来赵式隆先生来为我们演讲，增加我们的眼界，也为我们未来的求职生涯多一点方向。
企管三乙 陈彦廷
随著科技时代的发展，科技越来越进步，以前不能做到的事情，现在大部分都做得到了，正因如今社会的快速变迁变化，一部分产业面临前所未见的困境，需要转型，甚至得面临退场的处境，而另一部分的产业却因而兴起，从一开始的观念，慢慢兴起，从观念变成实体可应用的东西，而在此生活的我们不得不注意到AI的兴起，许多人可能会失去工作，但可能也会从这方面找到工作，如何不被社会淘汰下就必须对AI有一些了解，AI由机器人学习而来，其需要许多的数据供为其学习的养分，资料不足可能会让其效用打一定的折扣，也因如此我认为大数据需配合著一起看，如同讲者的火箭比喻。
大数据是由许多的资料组成，伴随著资料的组合，同时也需要一点资料整合、分析的能力，我也常常在应征工作的内容上看到要有一些这种的基本的处理能力，这也是我目前自己想要加强的部分，学习一些这方面的程式，和累积经验来加强这方面的能力，但我自己本身有辅财法系，需考量法律的方面，就我们个人使用方面上，我们平常的上网、买东西、等纪录，其纪录我们的使用资料是否具有其合法性，偷偷收集数据可能会侵害我们的隐私权，我们有权利去提告，但其相关法规应该还没建置，我认为需尽快建立，毕竟需要一些手段来抑制不合法的收集行为，不过好像把一些App的权限关掉就没事了，虽然下面的另一个想法有点矛盾，但我还是想说，若不考虑其法律效果，伴随的方便就要牺牲一点事物，考量其效益，或许我会接受。
最后，我目前未来可能会走向金融方面的职业，同时也申请了商学院的兆丰银行的就业学程，对于这方面的资讯应该也要多了解，除了今天的演讲外，晚上一门系选的课程也是再说金融科技的方面，顺应著时代变化，银行也走入线上化，许多事情由App或网路上就可以搞定了，不必到门市走一趟，我之前申请证券的开户也是从线上就申请完成了，后续的一些小事情也都在线上完成，真的很方便，但目前还是有一些问题要解决，一个是关于之前小玉的变脸事件，要如何确定是本人还是有心人在犯罪，关于科技犯罪的部分，另一个老人家不会用电脑，我之前教我外公时，就花了一堆时间，这些问题要如何解决，为我们必须担忧的，此技术要进步，势必要先解决这些问题，撇开这些不说，确定AI对金融方面能解决人力成本、省时间、能够更智慧的分析，让事情处理起来更事半功倍。
企管三乙 吴宣仪
因为科技的进步带动金融商品、金融服务以及支付工具的创新，使我们的生活越来越多样化。金融业不像其他产业在技术移转前，内部往往得先改革一番，金融业可以直接采用新技术来让金融服务更有效率，执行门槛相对低很多，自然成为许多新兴科技先进入的场域。再加上台湾的金融机构受金管会的监控，金管会都会定期向他们检查，所以金融机构的历史数据相当完整，而这些资料就成为训练人工智慧的基础。
以往保险业最耗费人工审核之部门为核保及理赔业务。由于核保及理赔流程都需要大量之资料核对，部门员工进行相关业务时，除需处理被保险人递交之书面资料外，又需向第三方单位索取经被保险人书面授权后之资料以作验证，如此烦杂且重复性高之工作，使服务过程大量耗费人力。但运用 AI 技术能协助保险业简化流程、加快处理大量资料、降低成本，提供客户更亲近、更快速、更好的服务品质。而讲师的公司运用在保险业其主要技术有视觉分析技术，用于辨识文字、图形、影像，它可以辨识书写的文字，可以读取客户给的文件，撷取上面的文字来简化输入资料的人力与时间，提升效率。还有深度类神经技术的自然语言处理，处理非固定格式的证明文件影像档，运用此项技术，可以对诊断书字里行间的意义进 行判断，例如：医疗处置的器官部位在“肝脏”，可以标定出手术类型是“血管栓塞术”，以加快保险医疗理赔的审核速度，优化理赔作业、有助于保险决策。 或是透过光学字元辨识(OCR)及影像辨识功能来快速辨识保单上的资料或档案，把资料接上保单健诊系统，减少资料输入时间。
很感谢老师能邀请赵讲师来为我们演讲。赵讲师以浅显易懂的方式带我们了解现在企业数位转型趋势、什么是深度学习、保险业所面临的问题，让我们了解到实务上是如何运用人工智慧技术于产业中。
企管三乙 许方齐
听完今天的演讲真的觉得收获良多，特别是我觉得赵董事长很厉害，能把金融保险与人工智能融合在一起。我特别记得他所提到的经验法则与基础规则，他利用驾训班考驾照作为比喻，经验法则就是你多上路几次、多路边停几次车，就能熟知开车技巧。而基础规则就是教练告诉你口诀，有背有分。这就是机器深度学习的道理，听他演讲以后，让我更加清楚了解。他还有提到我以前都没想到的事情，就是他说，评断一个产品是好产品还是不好的产品，在于这项产品的最弱之特点，我觉得真的讲得很好，因为当大众买任何一种东西的时候，只要这项产品一有缺陷，大家肯定都会批评甚至不会回购。
他说他的公司现在在做的就是把保险的工作内容利用人工智慧取代，像是第一阶段：把资料输入电脑就能靠机器取代人力，第二阶段把资料分类也利用人工智慧，第三阶段将医生开的病历证明把它变为保险术语机器也做得到，而且正确率高达百分之九十五，我觉得真得很厉害，国内的保险理赔也都是使用他们公司发明的系统。听完这场演讲，让我更了解在以后的世代，人工智慧只会越来越进步并且越来越流行，怎么样把人类与机器人结合、互相帮助让工作效率提高，是我们未来要努力发展的方向。
还有自动驾驶车辆道德伦理的问题也必须克服，例如：今天前面有一位老人、旁边也有一位孕妇，如果自动驾驶只能选择一个必须撞到，在这种情状下该如何处理，这个问题如果给我选择，我自己也选不出来，更何况是一台机器，向赵董事长有提到，特斯拉就表明，购买自动驾驶车的人，在自动驾驶期间也要适时的把手放在方向盘上面，如果不合规定，车子将会自动暂停驾驶，我觉得这个方法就满好的，即使很多人认为很不合理，因为就是想要自动驾驶，我还要把手放在方向盘上面的话，就没必要买你们家的车子，可是我觉得这就是一种安全性上的必要措施，是一个可以将失误机率降到最低点的好方法。
企管三乙 萧虹欣
这次的演讲当中有提到蚂蚁集团，他是一项从金服到科技的集团。因为不想被金融机构监管，所以由蚂蚁金服 (为质押担保，主要为贷后管理) 改名为蚂蚁集团 (为数据信评，主要为贷前管理)。而当中也有介绍到支付宝为蚂蚁集团在全球创造超过10亿用户，在中国行动支付市场更是拥有多达54%的占有率，但支付业务本身能够获得的收入有限，所以现在蚂蚁集团的营收主力及成长动能，都是依靠借贷业务撑起。
接下来是蚂蚁集团的个人信用评分：芝麻信用。他主要服务为依托客户在阿里巴巴旗下事业的信息，并运用大数据以及云运算技术来呈现个人的信用状况。这个评分方法可以透过信用履历(个人帐户履历)、行为偏好(购物和缴费以及理财)、支付能力(经济来源与个人资产)、身分特质(学历或职业)、人际关系(朋友等资讯的信用程度)来探测个人的信用程度到哪里。而我认为这个评比方式很像在帮个人打造一个分数，因为他的数据很广，可以透过分数来了解那个人的信用水平高低。且获取这些资料的成本也较低，再透过这些大量且丰富的资料，为信用评分立下深层的基础。借由一点一滴的信用力，就可以决定个人的价值。
演讲后半部还有介绍到深度学习，而深度学习主要为两项技术，分别是电脑视觉以及自然语言处里。电脑视觉是通过感测器让机器了解其物理周围世界的应用，早期这项技术需要特殊的订制演算法来分析像素，过程十分麻烦，而近来在GPUs 的速度和数量方面的发展，使电脑视觉能够利用深入的学习网路，来减少与标准电脑视觉演算法有关的问题。
而自然语言处里这项技术主要是探讨人工智慧如何辨别人类语言中的细微差异。但我认为人类的沟通方式远比单纯死背还要复杂许多，因为语言本身的词囊、句法、拼字以及语言符号等等，都有很多不同的呈现方式。然而深度学习恰好可以解决这种情况，它们透过观察单词在段落中的使用方式来理解这些语言其中的涵义，而不是经由预先定义的文章内容，或是仰赖人力来定义关系。这样的运作机制让自然语言处理能够更贴近人类的学习模式。
这次的演讲获益良多，因平常比较少聆听到关于AI智慧金融的相关议题，透过演讲会让我想更加去探讨AI智慧还能不能够再改造台湾的金融服务业。虽然在面对人工智慧发展的同时，它可能会取代人力，但如果我们把它当成助手的话，就可以透过运用人工智慧来协助金融业在业务拓展、风险评价与管理、产品优化、客户服务及法令遵循等各方面，能有更系统化、效率、低成本的成效。这样一来，传统行员的工作内容与型态也会随之改变，转以更重视与客户间的沟通及互动、较高价值的产品服务规划及跨领域的协调等，形成一个全新的金融服务生态系。
企管三乙 吴彦谊
这次老师请来的演讲者是赵式隆先生，是一位非常厉害的创业家，没想到之前有些课会使用的Zuvio系统是式隆先生开发的，式隆先生除了程式非常优秀外，更是活跃在金融业并开设了金融科技公司来发、制造、授权和提供广泛的金融机构软体服务。赵老师也分享了为什么部分的金融业科技化的程度并不快速。像以保险业来说，在签订保险单时肯定是当面以书面签名，大多数的人都会觉得这样比较安心也比较保障。但在今年的疫情中因为三级警戒无法接见客户，导致保险业十分惨淡。赵老师在这次的疫情中对人工智慧有所突破，从前的销售员会因年资越长而越有经验，非常了解各个情况下要怎么应对，称为经验法则，也是以往机器无法胜任的原因。除了经验法则外，在保险理赔程序中需要看懂医生验伤单的专业人员，但医生会有许多医学简写术语人工智慧也无法判读。不过因为以往的保险单应法规都有进行保存，故能够让人工智慧研读来增加其经验。而且若看见新字眼他们一次就能学会，故目前这个模式让赵老师能够以人工智慧来进军保险业。
而在车祸强制险方面有个小插曲，以往的系统的问题加上各个公司资料是保密的，若在其中一间保险公司赔完后，也能够在另一个保险公司获取理赔。但改成赵老师这套系统后，因为有共享资料的功能，每间公司可以知道哪个案例已经赔偿过了，不会再有重复赔偿的漏洞出现。而另外手机保险也可以进行运作，因为手机维修后是维修商先免费维修后再到保险公司请款，但往往担心维修商会有虚报价钱的问题，故需要另外派一个员工到维修商进行检查。但用人工智慧的话它可以依照手机型号去查询，以往这个材料的价格来判定此价格是否正确，若有所误差的话系统会通报人员来检查，可以减少之前所需要的人力。
而外国还有IOT与保险结合的商业模式，美国一间公司将黑盒子装进车里，可以追踪每个月开的里程来判断需要给付多少的保险费，而不用每个月都支付高额保险费。它也可以利用追踪系统得知驾驶员是否有危险驾驶的可能，来进行预防。这些人工智慧与保险结合的模式令我学到非常多，非常感谢赵老师可以拨空来分享这些在之后的时代属于趋势的经验。
企管三乙 王欣妮
当今社会，人工智慧可说是无远弗届、无所不在，而我们该如何好好应用它，把它用在对的地方、对的事情上，应是人们需最先探讨研究的。人工智慧又是甚么呢？简单来说，它是一种借由深度学习以及利用大量资料去做分析，并且进一步做适合的决策，当其可成功达到人们所预期之成果或正确判断时，它将可以替人们做重复度高的动作或行为，此时，人类除了能减少人力成本在较无技术的工作上，提高工作流程之效率，可谓为双赢的局面。
今天听了赵式隆的数位转型：AI智慧金融后，我意识到，虽然我知道人工智慧，但我却没有想到它可以应用于金融科技当中，而这学期我也修习了金融科技与商业实务，所以在今日的演讲中，我发现我能更快速了解到讲师所想传达的事物、概念。最令我感到印象深刻的是，讲师其实为电机系出身，但它却可在非本科系之行业里闯荡，且从他分享的内容及观点中，我觉得其分析的观点都挺新颖的，应该说同样 一件事，但其想的观点是我可能没办法想到的，我觉得这就是他所拥 有的一项优势了吧！
虽演讲已结束，但有一句话一直在我心中萦绕著，他说：现在是一个不连续创新的时代。我好像被这句话点醒了，因为我有像创业的想法，但我一直觉得我是不是要发明些甚么，可是似乎并非如此，其实我可以利用整合的能力去加强某些行业或组织所需之结合，并且进一步导入具技术性系统，总结来说，就是利用目前的所有，去做进一步的改进，只是要如何以科技技术来做结合，才是最重要的关键因素。
而我觉得佩服的是讲师的态度，该以甚么态度去面对并非顺遂的创业之路，而又如何在创业途中，热忱的心不被挫折、不顺利给绊住及熄灭，并且继续保持著正能量去面对生活，我觉得这是件非常不容易之事。以我自己来说，从大二一直有想创业的想法，主要原因是还未确定想做甚么以外，我觉得第二大阻力是害怕失败这件事，以及不知道该如何开始，所以再听完今天的分享后，我除了更进一步与实务接轨外，也较了解市场需要甚么，以及我目前所学可以如何应用在实务上，而非完全没有关系。今日的演讲可谓收获良多！
企管三乙 马梓瑄
在听完讲座后，被现今AI智慧的进步惊艳到，没想到已经运用到金融科技上了。首先有提到基于深度学习的两项主要技术分别是电脑视觉与自然语言处理。前者是让电脑去处理数位化的影像资料，后者则是让电脑处理数位化的文字。借由这两项基础去让电脑学习人类的语言及经验。我觉得很有趣，用大量的资讯及经验灌输于电脑，借由深度学习，不断的演练经验法则，使AI熟能生巧，便能赋予它如同人类一般的智慧技能。
最印象深刻的是简报上呈现一只斑马跟另一只臭鼬的图片，AI需透过不断的经验练习来学会分辨两张图中的动物是不同的，在电脑效率及处理数量比人类高很多的情况下，AI可以很快学会辨识，我觉得相当有趣。“AI透过经验法则这样通用技术上的革新，它甚至可以说是再一次的工业革命。”，AI技术的重要性跟影响层面之广大，对我们而言是长久以来都需要好好关注的议题。
而主讲人也分享他们公司人工智慧应用的成功经验。他们将AI这项技术与现今保险金融业融合，创造出医疗相关保险理赔自动化，利用OCR技术将医疗明细单据及诊断证明用拍照方式建档并数位归档，取代了人工的建档、分类作业。数位化的将资讯填入表单，同时也省下理赔人员处理的时间。透过大数据及人工智慧，大幅度的精进了繁杂的作业流程，另外，保险金融业的大数据，对深度学习来说是很好的练习素材，透过机器不断的学习，到最后竟然有高达98.5%的理赔正确率，在效率上也优于人工，甚至未来还可以全面自动化。
听到这边，我又是再一次的惊讶，光是这一项技术就省去金融业多少人力啊? 而且这样大数据的处理模式也可以运用在金融业更多地方，可能未来可以有更多技术创新，使民众在申办手续上可以省去许多流程抑或是不用本人到场申办，不只金融业，对于民众来说也是更方便的。
最后主讲人也提到:“真正的挑战是欠缺好问题，而不是缺解决方案。”我觉得这句话相当有哲理，究竟还有甚么是好的问题，很值得我们去深思。而且现今科技进步快速，其实都跟法律、政治因素还有社会环境环环相扣，再进步的同时，也需要更多不同领域的我们共同去投入，才能有更大更好的发展!
企管三乙 张淳淇
近年人工智慧发展快速，不少人会担心，未来将会被机器取代。不过今天的演讲者 AI 专家、洽吧智能公司董事长赵式隆表示，机器人能做的还是有限，而培养快速适应的能力与拓展世界观，并加强英文以及口语表达能力，朝“不明觉厉”而努力，是维持自身竞争力的不二法门，也是免于被AI取代的关键。
演讲一开始，演讲者介绍人工智慧的沿革过程。他并且指出，科技的发展会有关键技术，改变人类社会。譬如，早期的蒸气技术，20世纪的电脑时代，之后的网路科技，到行动、云端计算，到如今的AI技术，会改变整个社会发展，并且渗透所有人的生活环境。
演讲者并以考汽车驾照为例解释AI技术。他说许多刚考完驾照的人其实不一定能直接开上路，因为在驾训班内训练时教练所教的诀窍往往都是透过一些记号来开车，车里往往会有些小标示，车外也会有一些让你能看见能记住的记号，例如树、草丛等等。然而实际上路却截然不同，除了要熟悉不同车型，还要注意交通号志，更要顾及道路情况。这时若问身边经验老道的驾驶人，如何才能提升驾车技术？大部分的老驾驶人们可能会回答：“多练习！”。演讲者指出，AI 的价值正如老练 的驾驶人一样，人类把“经验法则”输入给机器，机器可以透过大量重复学习，增进正确率。这就像人类借由经验增加智慧。而且，即使机器学习，每次只能进展一点点，但是不会像人类会怠惰或厌烦。因此，最后可以累积出惊人的进展。就像是大家熟知的 AlphaGo，可以不眠不休地学习各种棋谱，最后赢过人类棋王。
演讲者认为 AI 的厉害之处在于，能够取代人类进行重复性高、高度依赖记忆与稳定度的事。而人类的不完美却正是我们赢过机器的契机，就像古代诗人饮酒作诗时，酒兴大发，看似不理智，却往往能创造出美妙词赋。演讲者有分享了，因为这次武汉肺炎疫情的关系，台湾的科技终于赶上世界的轨道，因为那时的三级警戒，许多保险业务员因为无法和客户见面而没办法签保单，这时金管会因为疫情的胁迫下，只好开放远端投保这个方案。
还有透过人工智慧的 方式管理保单的投保、精算以及理赔，我觉得把人工智慧带到金融市场是一大进 步。经过这场演讲，我受益良多，发现原来人工智慧不像我想像中的那么难懂、那么可怕，演讲者有一句话让我印象深刻，他说未来的时代不再是工程师的时代，而是那些懂得把自己的专业知识背景融合一点人工智慧的基础，运用融会贯通的观念去管理人工智慧的人，才是未来发展的趋势。
企管三乙 陈玥彤
这次很开心能够听到赵式隆讲师的分享，在一开始的演讲他说了一句话让我对他接下来要讲的内容充满好奇，那就是他说危机有时候其实是机会。当初听到觉得很不可意思但他说因为疫情许多国家远端工作或是一些系统都越来越进步且普及，而台湾因为疫情比较稳定因此没有什么进步，这代表著疫情虽然影响了我们的生活但也让我们科技能够进步，的确有时候遇到绝境时我们为了要生存就会想其他办法，这样使人类不断发明创新并进步，因此我认为疫情在科技领域上确实帮助很多。
接下来讲师分享到因为疫情的关系做保险的都没办法见客户导致他们的工作停摆没有业绩，因此越来越多的金融或保险行业开始使用视讯等等方式跟客户对保，不过随著科技的进步已经越来越难确认他人的真实身分。最近有一则网红小玉换脸的新闻，他利用一些技术让人的脸换掉。我认为现在的科技什么都能够做到包含换脸换声音，这样其实有非常大的风险因为你不会知道究竟跟你视讯的人究竟是不是本人而且视讯对保更容易做假，另外如果银行误认为客户就是本人那到时候出错应该谁来负责，我觉得其实银行刚当事者都算是被害人，依我的看法视讯对保仍然有进步空间，如果是我目前还是会希望面对面这样才能降低风险，但我相信未来这个技术一定会越来越成熟。
虽然说讲到人工智慧都一定会有隐私及资安的问题，但如果能AI智慧金融化生活将会变得很便利而且透过好的深度学习出错率也会变小，举例来说智慧金融能降低风险，它能与其他资讯对比找出可疑的帐号或是交易，这样就能避免被骗等等的状况。另外也可以做信用评比我认为这对银行来说很有帮助因为可以减少有人有借不还的状况，智慧金融可以知道客户平常的消费习惯、内容、以及在哪里购买商品等等，这些都会被列入评分里，他甚至可以知道你的对话纪录，如果太常跟某个电话联络可能会被认为是跟黑社会借钱，这样银行就知道谁不适合借钱。
透过这次的演讲我才知道AI真的无所不在，不论是在医疗、行销、农业、运输、甚至是金融都跟人工智慧脱不了关系我想这就是未来的世界，而最后一定会在科技与隐私安全中找到一个平衡点，不然如果只是科技进步没有隐私人们还是没办法放心使用。
企管三乙 陈世宇
这次老师在课堂上特别安排赵式隆董事长来教室演讲，我认为是一个很特别的经验，并且更深入了解AI在业界的运作，借由这次演讲，我能够把老师上课的理论跟赵董分享的业界实例做连结，让整个思绪更加完整。在赵董的演讲当中，我最深刻的是OCR光学辨识技术，因为我看过许多生活上运用的例子，像是Google翻译有出一种扫描翻译的功能，也就是说打开相机镜头对准需要翻译的文字，手机就会在画面当中直接做翻译，而不用将需要翻译的文字打在翻译格内。还有一种就是单纯的扫描技术，我之前有下载一种App，有点类似扫瞄器的概念，一样是手机对准资料内容进行拍照，App就会将照片内的文字转换成文档，如此以来，在进行文字资料复制的时候，就不用看著纸稿慢慢打字，可以直接将纸上的内容扫描至手机或电脑当中，十分方便。
另外赵董还有提到保险跟AI进行合作，我一开始觉得挺不可思议的，因为我对保险的印象就是一定会有保险专员来处理各种杂事，从一开始的联络，到后续的处理，都会是真人服务，但从赵懂得演讲中得知，现在强制险的部分，已经跟AI合作，也就是说在一开始资料输入跟判读的部分，已经交由AI进行处理，而不是人工作业，其中的资料输入就是利用OCR技术进行扫描，不用保险人员手动将资料输入电脑，AI会自动辨识资料并且整合，最后汇整成固定格式，然后自行判读合理性，总而言之，保险人员只需要在最后的审核阶段签核就行了，这样一来工作的份量就会变少，并且效率更高，而目前AI能够在保险业务方面正确率高达95%，并且正确率会继续提高，因为AI会有自行学习的能力，或许将来AI不只是处理强制险的部分，而会继续往其他保险的项目发展。
我认为在未来，AI将会取代很多人类的工作，毕竟AI已经能够自行输入以及读取资料，许多繁杂的事物不再需要人类操作，这样有好也有坏，虽然工作效率会提高，错误率降低，但许多人会因为AI而失去工作，而且很多人会担心AI有一天会完完全全取代人类，当那一天到来的时候，人类的存在就会变得无意义，所以现在关于AI的发展，世人分为两派阵营，人类必须找出一个两全其美的方法与AI共存。
企管三乙 李昱萱
AI的崛起已经频繁出现在我们日常生活中，听完演讲后他们主要是从事保险科技类，我觉得满特别的也有点好奇，他们可以运用大数据来客制化，针对不同的客户来订制专属表单，对客户来说会觉得很贴心，毕竟每个人的状况和负担能力都不同，前阵子因为疫情不能面对面签字，也改变了保险业者与客户的连结，有进步的是利用视讯远距和客户确认。
而其他金融科技的应用我目前最熟悉的是行动支付，小时候我印象中去存钱领钱都要去农会或邮局柜台用，近几年网路银行兴起，线上转帐缴费都越来越方便，还有各种普及的行动支付，对我来说非常的方便，像是出门忘记带钱包，Line Pay、Apple Pay就很好使用，像是超商、超市和其他大部分的店家都有收，除了不用带实体卡片出门外，也不用怕弄丢，也让大家满安心的是当你要刷卡消费时，就利用人工智慧的指纹、脸部辨识，感应通过就能顺利消费，通常不太会被其他人盗刷，而每一笔消费不管是在Line或是各家网路银行都可以设定通知提醒，让自己使用上更安全谨慎些，但今天也听到有位网红利用换脸技术的把自己的脸换成别人，和把别人的脸乱换，是违法行为也告诉我们人工智慧越来越进步，带给我们方便之馀也需要小心使用，不是用在会伤害别人的地方。
另外AI在金融业我觉得会满有帮助的地方会是在投资理财这部分，尤其像是基金、股票、ETF等等，在风险管理的这个部分应该会有满大的用处，也是利用大数据参考或预测，让自己的资金能更有效的运用，听说还有个理财机器人，听起来还满不错的，机器人会帮你做资产管理的计画，如果能让科技自动化配置好我们的资产，感觉上是满可靠的，这样就不需要理财专员了，而有的专员会为了自己的私利或是业绩，可能还会不断推广或是推销不适合你的东西，我想会有人认为自己也不是很专业就会听从了专员的建议买了其他额外的东西，或是听别人说什么不错就跟著买，但或许那并不适合你，像是有人会希望更快的赚到更多钱会选择风险较大的方案，也会有人偏向喜欢稳定风险小的方案，光是每个人对风险大小的接受度就不一样，资产管理也会不相同，而我觉得AI可以适时给出建议和推荐给每个人找到适合自己的理财方案。
企管三乙 林泽恩
经过这次的演讲，让我更了解有关人工智慧金融的转型，听了讲者的演讲内容让我想到之前我看的一个相关报导，报导的标题是: 金融业数位转型！利用“AWS云端服务”建立智慧型多管道解决方案，内容大致上是再说，“在新经济的世界里，地球是平的，但是在疫情影响下，地球变得更平了。”疫情加速了企业数位转型的速度，对企业内部来说，应设法在零接触的情况下维持正常运作；对外，持续保持优良的使用者体验，才能加强客户黏著度。而在这样的新时代，金融业似乎应该思考借由上云来将自己的优势快速打向海外市场，走出一个国际新视野。
这次的疫情导致我们的生活受到了影响，现在社会提倡零接触为优先，就像前阵子外送平台不断宣导多利用线上付款与外送员零接触就有优惠。而新经济企业运作的其中一个特色则是“去中间化”，不需要透过层层代理商或者经销商，直接运用网路、社群平台就可以让品牌跟社会大众的距离拉得更近，那这跟过去的旧经济有什么差别呢？过去如果想要经营跨境服务，必须前往当地设立分公司、辛苦的在当地设置Local端伺服器，甚至为当地市场设计不同的服务程式，然而新经济模式成功的公司，从0成长到100几乎是用光速在进行，那种过往还得跑到当地架机房的跨境模式，已不符合经济效益，而这样的业者大多选择上公有云布建服务且还能立即跨境；如Gogoro、Appier，这台湾两大新创都是因此成为AWS的客户。
我觉得这次的演讲内容我最印象深刻的是人工智慧于金融业之应用，随著数位通路快速崛起，对企业与消费者的互动模式产生极大冲击，若企业未正确且快速回应消费者的问题，恐将导致客户流失。现今消费者自我意识增强，期望企业可了解个体差异，以提供更贴近个人化需求之服务，若企业仅以人工预设的简单规则、制式化的轮播广告方式行销，已无法满足消费者所需，取而代之的则应以线上个人化的行销推荐，与消费者即时互动，近年来人工智慧蓬勃发展，仿造人类大脑及五官所打造的技术，包括模仿眼睛的视觉辨识、耳朵和嘴巴的语音辨识及交谈、大脑的理性与认知及学习这次的演讲真的让我收获良多，希望下次还有机会可以听到类似的演讲。
企管三乙 吴欣柔
许多金融科技公司开始应用人工智慧在内的新兴科技提升消费者体验及满意度。金融业更是大举投资资料管理、分析及人工智慧来提升客户体验。如何借由人工智慧科技以及数位转型策略打造安全、便利、开放的服务以及支付环境，是接下来相关产业的挑战亦是最大的机会，金融业朝专精特定产业、解决方案或客群，透过新兴科技的辅助进而创造服务价值与商业洞察。
而如何运用数位科技精进消费者体验，产业需顺应时势妥善应用新兴科技完成企业内外部数位化转型，但同时科技本身并非万能。随著科技改变了工作的本质，产业更须重视如何精进人才技能。在这个数位化时代，各种网路攻击亦日益纯熟，如何让员工在使用各项先进技术的同时，同步提高员工资讯安全风险意识，确保企业及个人的资讯安全方可成为企业最坚实的后盾，在前往数位化转型的未来路上无后顾之忧的持续冲刺。
为了达成目标，如何有效管理资料及应用资料、推动核心基础设施升级、拥抱人工智慧，并将部分业务流程移转至云端，均为目前可思考优先推动的项目。随著资料重要性的提高，资料管理也越来越具有挑战。许多金融业面临的挑战，在于大多数资料透过封闭的独立系统进行管理，因而增加了银行在了解客户与提供服务方面的复杂度。
我对于演讲人所说的其中一项技术很感兴趣，即光学字元辨识(OCR)，光学字元辨识是一种从图片中撷取文字的技术，可以扫描的图片格式包括GIF、JPG、PNG和 TIFF。只要启用这项功能，系统就会撷取图片中的文字，再依据设定进行处理，加快以往人工输入资料的效率及正确性。透过深度学习打造的辨识模型，具有精准的文字辨别能力，能够侦测图片中的表格与文字，一键可将所有图档转化成有用的数据资料，可以用于企业客户文件自动审查、电视与杂志舆情监控等服务，帮助快速有效的做出正确决策。
我查完资料以后发现现在大多停车场也都使用这项技术辨识车牌进行管理，配合Etag技术进行收费，缩短以往按钮取币及人工或机器缴费的时间，可以缩减人力加快速度，原来我们生活中处处都是科技。
企管三乙 刘慧珊
随著数位通路快速崛起，对企业与消费者的互动模式产生极大冲击，若企业未正确且快速回应消费者的问题，恐将导致客户流失。现今消费者自我意识增强，期望企业可了解个体差异，以提供更贴近个人化需求之服务。全球金融机构莫不聚焦于如何将AI应用于金融领域，包括AI应用于前台之客户服务与客群经营，以流程精进提高金融机构之中后台作业效率，或应用于风险管控，降低金融机构之作业风险等。
人工智慧在金融机构的应用包含客群经营、风险合规、流程精进及数据分析等四大构面。透过 AI，改变金融机构与消费者间之互动模式，搜集营运上所需商品、服务及作业程序等相关资讯，由虚拟助理以自然语言，采一问一答的方式回复消费者谘询，且消费者亦可自行了解产品服务功能，若派驻机器人搭配应用程式，消费者除于交易时可快速获得辅助，此项差异化服务，更可提升金融机构数位金融之竞争优势，另金融机构可将过往成功案例、计画成果等，纳入知识管理，对于AI应用于客群经营亦有所助益。
根据过往的风险管理经验，筛选出可疑交易，并与外部资讯比对可疑的关系户或警示帐户，进行AI智能风险控管，降低因公关操作不当之风险，而影响金融机构之信用评等或商誉。在数位经济蓬勃发展趋势下，各行业纷纷投入AI技术之应用，尤其是金融机构已能运用AI核心技术结合科技公司，导入人性化的智能服务，应用于社群平台之客群经营，以 AI 自然语意认知及机器学习技术，提供客户更人性化的流畅对话与互动体验。
金融机构透过 AI 技术汲取其商业价值，紧密串连科技、金融、社群三大关键力，不再只是生硬的金融商品，而是能有效掌握与用户的互动机会，进而扩大服务价值，带给消费者全新的金融体验。实践与应变为首要任务，金融机构不再是拥有客户，而是关注如何更有效率、更即时提供客户所需的金融服务，从客户角度思考，切合情境，将金融服务带到客户所需的时间和地点。未来期待有更多的 AI 金融应用案例，不断精进与消费者互动的服务 品质，实践我国金融产业的创新与转型。
企管三乙 林之柔
讲座中提到了企业数位转型的演化，讲者由近年来疫情所带动的科技革新，讲述由于台湾防疫措施的完善，造成工作型态维持传统，直到较严重的本土疫情侵袭台湾，推动台湾的科技终于渐渐地与国际接轨，接著提到了深度学习的原理、AI可以通用于多领域，以及讲者如何选将AI应用于金融保险行业等等。
AI可以投入金融行业主要有三个原因，一、客户资金充裕，二、历史数据完整，三、监管经济规模，AI适合做需要重复、记忆、细节、稳定的工作，透过庞大的资料库，不断让AI练习读取并判断正确的文字或图片，可以精简员工的工作量，目前讲者提到理赔的部份，他们家的Bravo AI主要技术是透过电脑视觉读取医疗档案，撷取文字内容，使用自然语言处理读取医嘱文章，并做出保险决策，在强制责任险的部分，已整合14家产险公司，用AI进行辅助辨识，除了医疗保险外，行动装置保险理赔、物联网/机器人界街的动态风险调整都可以投入AI应用。
在核保的部分，AI可以进行模糊比对，精算的部分则需要扩增智能，保单健诊则可以用光学识别进行流程改善，最后讲者提到AI的缺点就是需要大量的学习以及完整的资料库，它可以透过历史资料去推测同样情况下的处理方式，但是不擅长应对全新的问题以及突发性的状况，所以我们可以整合不同领域的专业知识配合大数据应用，将AI这个通用技术应用于多方面的领域。
目前已有许多领域进行AI应用，生物信息这项技术能够识别、测量、分析人类行为以及身体的物理结构和形态，它能赋予人类和机器之间更多的自然交互能力，包括但不仅限于图像、触控识别和身体语言识别，目前被广泛用于市场研究领域。情绪识别可以通过高级图像处理或音频数据处理来“读取”人类脸上的表情，能够捕捉“微表情”，识别肢体语言暗示，以及分析含有情绪的语音语调，执法人员在审讯过程中使用这项技术能够获取更多的信息，这项技术也被广泛运用于市场营销。图像识别在数字图像或者视频中识别和检测出物体或特征的过程，人工智慧技术在该领域具有独特的优势。人工智慧可以在社交媒体平台上搜索照片，并将其与大量数据集进行比较，从而找出与之最为相关的内容。图像识别技术能用于车牌识别、疾病检测、客户意见分析以及身份验证等。
企管三乙 王嘉麟
2019年新冠肺炎的爆发，冲击全球现有的经济体系，无关企业的愿意与否，几乎所有产业都被迫数位转型、或改变现有的营业模式，以适应因疫情盛行而造成的新疫情时代。
此次讲师所在的公司－洽吧智能股份有限公司，专注于研发、制造、授权和提供广泛的金融机构软体服务。目前，洽吧智能是台湾地区市占率最高的保险科技技术供应商，讲者表示他们公司目前最知名且畅销的系列产品为全技术自主研发的人工智慧产寿险解决方案，提供人寿与产物保险客户的常态性公有云，即需即用软体/本地资料中心解决方案，除自核保、理赔、精算等服务流程的开始到深入协助建立更准确的风险模型。此套方案也帮助客户大幅减少人力、时间资源在单调的工作上，其技术达成人机协作，例如在核保阶段，此套软体能替代大量的归档人力，自动读取医疗档案并撷取文字内容，收录、归档进客户的档案内，而仅须留置少数员工检验成品即可；而其软体目前亦能做到自然语言处理，它能“阅读并理解”依据医生的嗜好习惯撰写的医嘱文章，并依此做出保险决策，虽然偶尔仍会有决策失误或无法判断的情况需要员工决断，但过去这是只有经验老到的理赔人员才有能力执行的工作内容。
讲者以此套系统向我们说明AI“深度学习Deep Learning”的未来可塑性有多高，讲者表示，深度学习就是勤能补拙的最佳范例。机器比起人类，其运作的效率明显高效的多，所以透过深度学习，能做的事情一定比人类多。机器的工作知识仅需输入一次便可让它“熟记”，而人类需要多次反复学习，仅看这点就输了，更遑论机器不用休息，只要有电就能24小时不间断运作，而在这情况下机器的深度学习能在短期间内习得人类需花费多年才能领悟的经验知识，大幅提升工作效率的同时，许多单调、甚至是过去认为机器难以胜任的工作都能让机器执行了，许多人不禁担忧自己的工作未来会不会被机器、AI替代。
讲者也提供一个思路供我们参考，从机器伦理来看，目前机器在大部分领域仍然受限颇多，但我们也不可因此放松警惕，仍需时刻驱策自己加深、拓展知识和技能，以创造自己的不可替代性。
企管三乙 刘柔彤
在听完演讲后我去查询了关于赵式隆先生的相关资料，发现他在十九岁就开始创业了，在2013年时创办了学悦科技，为了改善学校里教师与学生的互动关系为出发点，推出了Zuvio这个云端即时互动系统。他说他在台大担任助教及讲师的期间，观察到台湾学生不太敢上课问问题，因而构想出这套系统。Zuvio这个APP对我们可以说是相当的熟悉，从大一的经济课、大二的统计课到大三我选的延伸通识课，老师都会使用这项App点名及出作业。我觉得很厉害的地方是，创业家就跟发明家一样好像都特别会观察，从一件稀松平常的事里观察出心得来，更厉害的是会开始想办法使用自己的专业知识来改变或改善。
之后他有讲到一个我觉得特别有趣的议题，就是阿里巴巴旗下的蚂蚁集团计划成立信用评分公司。个人分数叫做芝麻分，由五大项总计合成分数，这五大项分别为信用履历：过去个人帐户纪录的履历、行为偏好：购物及缴费理财时的偏好与稳定性、 支付能力：稳定的经济来源与个人财产、身分特质：个人的学历与职业及人脉关系：朋友等资讯的信用程度。也就是说人活在这世界上的一举一动都将会被打分数，这根本就是电影里会出现的剧情啊！我觉得这实在是太酷了，我是蛮想看到大家被打分数的样子，这个世界一定会变得很有趣充满。
另外，他还说到了一个跟时事有关的议题，就是投保突破“亲晤亲签”的限制，但在远距视讯投保时要怎么避免被DeepFake换脸诈骗的风险呢？这与前阵子小玉事件正好有关，但大部分人都不晓得关于换脸这件事在投保上也有一些影响与关联。所以我想说，这场演讲真的很有趣让我们学到了很多，因为如果是平常不常更新或研究AI与金融相关议题的人是不会知道这些事的，这也让我体悟到，时代一直在变，科技也一直在更新，课本上那些关于人工智慧的知识已经远远不够我们吸收了，唯一能解决的办法就是得自己常常去更新增进这些科技知识，否则可能有一天就会突然跟不上这个世界了。
企管三乙 陈致勋
在资讯发达且进步快速的时代下，所谓进步，不是一人走百步，而是百人各走一步。这句话相当有感触，很多人只想著自己一直往前冲，而却忘了身旁的每一个人，应该要大家一起进步才是真正的进步，才不会有人脱节了。我们需要有环境去进步，产业必须去适应未来的智慧网路，旧金融：贷后管理拿东西抵押；蚂蚁集团代表新金融：芝麻信用使用个人信用评分、信用履历、行为偏好、支付能力、身分特质、人脉关系等，AI智慧注重将现有技术整合，保险业则是突破亲晤亲签，现在深伪技术发达，需要注意的有很多，也很注重经验法则，经验法则就是做得到但难以用描述来传递，熟能生巧。神经网路+大数据，通用技术革新。金融业AI发展的优势：客户资金充裕、历史数据完整、监管经济规模
流程优化、自动识别凭证生成保单、风险评估，电脑视觉是让电脑用眼睛去感知世界。自然语言处理 则是让电脑听懂人的语言。现代科技的运用越来越广泛，扩及相当多的领域，我们应该不断去学习、增进自己的能力，不能怠惰而被淘汰。有努力有机会，而不是原地踏步觉得自己已经足够厉害了。银行业中的AI应用成长比我们想像的来得快，像印度的HDFC 银行已经采用了AI的系统来提供客户服务支援、检测异常状况和预防信用卡欺诈。HDFC银行已经推出了一个名为EVA的聊天机器人，称之为EVA虚拟电子助手，提供一般性的客户服务。
使用AI来预防欺诈也已经不是新的概念，事实上，现有的AI解决方案可以增强银行零售和金融等多个业务部门的安全性。透过追踪卡片的使用和端点进接，安全专家可以更有效的防止欺诈，银行可以藉AI分析交易行为来追踪异常交易行为。金融交易市场可以说是分秒必争，不少金融机构正在转向使用AI来改善其股票交易性能及提高利润，像是日本野村证券就是一个好例子。日本野村证券一直倾向不使用电脑来分析经验丰富的股票交易员的见解，但经过多年的研究，野村证券已著手导入新的股票交易系统。有不少医疗设备企业正在开发一些系统来追踪人们在养老院、家庭护理等方面的活动，让不少独居老人或远距病患可以借由AI系统得到及时照护。
企管三乙 陈建惟
这次演讲让我收获良多，不仅是因为赵式隆先生清新爽朗的口条解说，还有重点满满的PPT简报，让我对AI跟保险科技有更深的理解与雏形，很多人对AI没有一定的概念，也不知道当初这名词为什么可以这么火，这里我就很喜欢赵式隆对AI的认知-深度学习，驾训班场地的例子就举得不错，我们人类也是需要多努力练习才对一个领域达到专精，电脑也需要经验法则，经过大份量学习最后在某些工作上比人类更有效率，虽然在人类看来是慢慢累积，可是最终的知识含量却超越了人类，ALPHAGO就是个血淋淋的例子，现在很多人揶揄电脑辨识出错误的东西，但我相信未来，准确率会趋于完整，而那些人可能就已经被取代掉了。
AI已经可以在赵式隆的公司见其成效，把AI导入理赔服务，输入医疗单据资料，即可自动完成核算理赔金等相关作业，但我们也不能把甚么都交给科技，因为人类也会利用科技来诈骗，你没有证据证明你镜头另一端是他(她)真正的容貌，还是有某些工作只能人类来做，这也是AI要跨越的挑战，典型的智慧金融社会像是中国，因为彼此不信任，出现了类似支付宝的第三方交易平台，形成了一个以信用来说话的社会，这在台湾可能不太能发生，毕竟是以人为本，但台湾的新创公司往往有许多不同的创新想法，赵式隆举了AI应用在产业的例子，包括帮助保险公司完成理赔作业、降低风险或是应用大数据达成风险监管，人类只要正当利用科技，我们的生活会越来越简单便利。
最后赵式隆提出当前真正的挑战，其实大多是不缺解决方案，真正欠缺的是好问题，而人工智慧也仅仅只是解决方案之一，且往往是最终解决方案，技术虽然发展快速，但仍有众多议题等著在法规、政治环境、社会共识等层面落地，需要不同领域的人才共同关注投入，而我们学习商管未来也可以投入在大数据，与我们所学加以整合，顺应趋势，在这个不连续科技变化的时代，应培养快速适应的能力，而且要积极拓展世界观、正视中国的崛起，加强英文及口语表达能力，维持自身竞争力，避免被AI取代。
企管三乙 简江澔
这次演讲的主讲者是一位我觉得相当了不起的人物，在演讲的过程中内容相当的丰富精彩，他的名字是赵式隆，他的公司是保险科技技术供应商，而他主要为我们讲述甚么是AI和他的公司如何在金融领域去实现AI的应用。
刚开始的时候他和我们说他曾开发过Zuvio这项软体，其实我们班上的所有人基本上手机都有这项软体，因为我们教授曾经一直用这个软体来点名，而赵式隆自己则一直说，这是一个不受别人喜欢的软体，因为Zuvio点名的方式包含了GPS定位，这让学生无法远距点名，而在Play商店里它更是只有1.4颗星，其实对我来说Zuvio虽然不是一个多功能性的软体，但是他在点名这个领域的确是让我有被惊讶到，当我第一次看到教授用Zuvio点名并且告诉我们有人在宿舍点名，还开启地图让我们看定位，我真的有被这项功能震撼到，这是我对于App软体结合GPS应用的第一次认识，所以我想我一开始就被他的演讲吸引了。
甚么是AI?这个问题我在上课听到了无数便，也听到了很多的解释，但他给答案的方式是我最有收获的答案之一，简而言之就是，人能靠经验法则学习的东西，机器也能够学习，而且学习的比人更快、量更大，而从他的举例中，他就能用AI帮助保险公司去评估人的信用，甚至保险核对过程中繁琐的过程都能被AI取代，而人真正要处理的则是数据中没有出现过的案例。在演讲的过程中他也有提到AI取代人工作的议题，而我也相当欢他的答案，“我们应该去看到的是我们因为AI而出现得工作，而不是不见的工作”，这是一个迎向未来的答案。
其实整场演讲对我来说，让我了解了金融与AI的互动，更让我对AI有更深的体会，在大数据时代，之前需要有人在技术领域去做开发，但随著技术的成熟，现在更需要有的是数据本身，所以他说现在需要的是能做跨域整合的人才，因为只有从别的领域跨来AI领域，AI才能有数据，也才能发挥他真正的功用，去节省人力、减少时间成本、提高竞争力。
这次的演讲相当精彩，而其中的内容有些也相当有趣，像是他在跟我们讲为什么蚂蚁金融变成蚂蚁集团，还有行动支付在大陆出现的契机，他其实说一说自己都会稍微笑一下，其实做为第一次接收资讯的人，我可能没办法觉得有趣，但了解背后的原因以及理解后，我觉得还是很有趣的，这就像是一个八卦，只是他出现在一个大公司和大环境。
企管三乙 黄筱钧
听完讲师说的“数位转型：AI智慧金融”真的觉得人工智慧跟我们生活息息相关，还记得讲师有介绍芝麻信用，是蚂蚁集团的个人信用评分，我觉得这个app真的非常的酷，里面有帮你信用评分、分析很多项目，像是信用履历就是可以知道过去个人帐户纪录的履历、行为，行为偏好就是购物、缴费、理财等活动中的偏好与稳定性，支付能力就是稳定的经济来源与个人财产，身分特质就是个人学历与职业等讯息，还有人脉关系则是朋友等资讯的信用程度，运用大数据和云计算技术呈现个人的信用状况，透过连接各种服务，让每个人都能体验信用所带来的价值。
还有讲师提到的AI机器学习的重要性，它比较著重于训练电脑从资料中学习，并根据经验做改进，而不是按照明确的程式码去做运行。透过机器学习中，会训练演算法寻找大型资料集的模式和关联性，并根据该分析做出决策和预测，机器学习会随著使用不断的改善，因为存取的资料越多，所以准确度就会越来越高，机器学习现在几乎已经广泛应用于日常生活中了，例如讲师举例的驾训班原车原场的考照。也因为这次的演讲才知道原来人工智慧可以跟金融做结合，例如讲师说的医疗相关保险理赔自动化。
讲师说他们做出一个app，现在保险业的几乎都是用他们的那个app帮大家处理保险理赔，我觉得真的非常的厉害，最一开始的理赔申请诊断书送件到客服中心收件扫描，现在只要用理赔app拍照上传就能达到自助与自动，OCR取代人力档分类、NLP辅助审核人员确定，这两个是运用了人工智慧系统，省了不少人事成本，也让资料审核更加正确，再来的给付预算到自动帐务处理，再到理赔纪录储存结束，这就是一整个的保险理赔程序自动化，有了这个app使现在申请保险理赔更加方便了，听完这次的演讲，发现人工智慧真的可以说是无所不在啊！
企管三乙 詹佳妮
听完讲者的分享，其实我们生活中已经有非常多的领域导入AI机器人科技，产业要不断去适应未来智慧网路的趋势否则只会面临淘汰。以讲者的公司为例，他们已经将核保、理赔、精算等手续用电脑来帮忙操作，电脑不会累也不用休息，学习能力也很强，虽然背后要有大数据去辅佐他做出正确判断，但是，如果是一间保险公司，过往的数据资料齐全，再引入这项科技时，出错率相对就降低许多，帮助公司节省许多人力开销，虽然还是要人力去签核，但是这已有效提升公司的生产与绩效。但是，导入AI技术的准备过程很长，需要给AI庞大的数据量以及花钱买GPU，现在GPU非常抢手，想买也买不到的情况下，AI的发展就会受阻碍，因此要导入这项科技的公司可以再另行评估其他方案。
蚂蚁集团是以个人信用去借贷的集团，在大陆就连借一把爱心伞也要看信用指数，因此比起台湾用抵押的方式去借款，看似比较有根据以及可信度，可惜还没开始试办就被中国政府阻挠。
神经网路与大数据将会有越来越多人投入相关科技，高重复、高稳定、高细节的工作会被取代，但是我们也面临两难情况【机器伦理】我们将机器人发展到能够与人匹敌，如果机器人依照自己的意识去危害到人类那该怎么办? 就形成有趣的现象，我们科技越来越进步机器人的研究与日俱增，却又不希望机器人有太多个人意识，做出危害到人类的行为。就像讲者所述：如果一位老太太过斑马线，另一位孕妇牵著孩子没有走斑马线，如果不幸一定要选择一位，这时下判断的应该是由人类?还是由机器人?机器人会不会选择那个损失最少以及伤害最低的方法去解决，可是在法律上机器人所做的选择是谁要负责呢? 车商、驾驶、不遵守交通规则的人。
我认为驾驶与不遵守交通规则的人必须要负起最大的责任，驾驶的责任在于没有随时注意前方状况，导致电动车撞到人、不遵守交通规则的人则是，违规跨越导致车祸发生。在我看来机器是不需要负责任的，因为机器只是协助、帮助我们人类生活更加便利、生活品质的提升，人类的脑有批判思考与自我意识，当我们不在思考机器人才会把我们给取代，因此人类与机器人应该要彼此帮助，共存共荣。
