【e-zone 專訊】目前銀行業內 6 至 7 成屬中後台的業務部門，日常必須花上大量時間處理文件，而無法解放人力與資源從事相關具價值的創意工作。機械學習（MI）與自動化科技自然成為業務出路之一。以 MI 為主打的「文件分析」服務，為 Apoidea 近年的主力項目。該公司聯合創辦人鄭其森（上圖）表示，在 2017 年已成立至今已建立 70 多人的團隊，當有大約一半員工具數據科學家背景，目前更為全球多個金融提供相關數據收集服務。
- 深度學習收集模型
- 專業人士難被取代
在金融服務的層面，該公司曾遇上多個極高的掃描與運算要求，包括需在 5 分鐘內高速完成 400 多頁紙的財務資料分析。Apoidea 聯合創辦人鄭其森指出若要做同步運算，需要在系統上採用多達 100 個 GPU 的運算能力，由於系統並不需要長期開啟，而且運作時間短暫，要自建平台上成本並不化算。在銀行業客戶已把紙張文件完全數碼化的基礎下，Apoidea 借助 AWS（Amazon Web Services）雲端運算的平台下，有能力平均每 10 秒完成一頁文件的數據收集。
在 MI 框架之下，該公司可建立多個貼近人類的決策與資料讀取水平，目前 Apoidea 已建立 20 多個收集數據的深度學習模型，當中技術以視覺訊息收集，與自然語言處理模式為主線，盡量做到與人類相似的處理與修正資料流程與手段，就算表格內正文與表格排列混亂，甚至紙張相對品質較差的話，也能大致準確讀取資料。除了數字與報表之外，Apoidea 同時可以收集財務報表內的註解文字，讓系統使用者藉「語意主體」分析，同時得知具重大影響力的法律與重要財務資料，這對於日常財務分析的工作十分重要。
鄭其森強調該公司的主要角色只屬「搬運工」，把非結構數據轉化為結構式數據，就算科普再發展，隨後也需依靠專業人士知識與邏輯判斷，這方面的能力人工智能尚未能夠取代。
【相關文章】報告：引入人工智能要有危機意識
【相關文章】Google CEO 表示現今人工智能比電力和水源更意義深遠
Source：ezone.hk