布萊恩的創業小窩

 人工智慧應用於防制洗錢的方式： 從大數據中辨識可疑訊息 所有的網路資料，最初都是未整理的大數據，是非結構式的資訊。而 人工智慧 可自動判別非結構式的網路資訊，若偵測到跟金融交易或相關資訊，便能迅速提前通知，以有效防範詐騙或是大量金錢的異常出入。 人工智慧挖掘交易者的人際關係 問題帳戶背後所呈現的個體、群體交易聯繫，可讓 人工智慧 透過最短路徑算法搜尋洗錢個體之間的中介。比如：若是企業與企業之間帳戶，直接交易百萬金額，其洗錢疑慮較低；若是百萬金額分批從數個不同公司轉出，但共同轉入的相同的個人帳戶，其疑慮就比較高。 自然生成可疑活動報告（SAR） 根據 1970 年的銀行保密法（BSA），反洗錢技術通常不會在其他報告（例如：貨幣交易報告）下標記可疑活動。金融機構有責任在 30 天內就其認為可疑或異常的任何賬戶活動提交報告。如有必要收集更多證據，可延長不超過60天。 交易監控閥值 依循交易偵測需求（例如：金額、次數、天期…）可依需求於系統上自行調整，即時監控可疑交易。（例如：個人帳戶與企業帳戶分類不同，交易的監控標不同） ​ 如何判別疑似洗錢的客戶交易 當消費者進行免臨櫃的線上開戶，要如何進行身份認證？如何確認消費者本人真的有交易的意願？歸功於 人工智慧 發展的突飛猛進，AI 擁有「了解你的客戶」（Know Your Customer，KYC）以及「了解你的員工」（Know your Employee，KYE）的反內部詐欺制度。 善用防制洗錢的 人工智慧 應用與技術，便能協助反洗錢的工作人員們能專心擬定更精明的應對策略、工作效率也隨之更高！

 從 2020 年開始， COVID-19  疫情所帶來的經濟破壞，導致消費者與金融機構間的交易迅速轉往線上支付。許多面臨物價通膨的民眾，在荷包不斷縮水的情況下開始思考，若只將錢存入銀行過於欠缺彈性，但是使用信用卡、銀行貸款或融資，卻侷限在個人的信用評比而有其限制。因此，非銀行體系的私人金融單位在前述狀況下得以興起；這些單位濫用網路的各種交易工具，利用個人以利滾利的投機心態，催生了購買資產、存入金融機構帳戶或匯至人頭帳戶等洗錢方式。 ​ （示意圖／取自網路） 機會伴隨風險，需投入洗錢防制人力 獲得2020年度最佳「反洗錢解決方案」，全球數據分析領域領導者（SAS）、安侯建業聯合會計事務所（KPMG），及台灣反洗錢推廣協會（ACAMS）最新發布的反洗錢技術研究顯示，美國銀行業每年投入反洗錢的預算已高達 250 億美元，因此各國財政部試圖建立更加嚴謹精準的反洗錢機制。台灣的金融監督管理委員會，作為主管反洗錢政策的政府機關，則在2020年8月正式發布「金融科技發展路徑圖」，積極協助各金融機構尋求新的市場需求與價值，共同打造安全的金融科技生態圈。 目前大部分銀行均採用「規則基礎系統」（rules-based）的方法偵測非法洗錢。但是，面對系統每次數千甚至上萬筆警訊，卻只能先以人工過濾判斷。同時，隨著偵測技術與時俱進，相關工作人員也增加不少負荷心力。因此，在金融單位系統不見得有良好串接或資料管理，便需藉由新的科技工具主導改變環境。 ​ 金融資安守門員： 人工智慧 定義反洗錢新規則 在各國不斷構思下，經過改良的資安技術，不只可用來保障網路安全，同時也能減輕人力負擔。SAS 就許多國外金融機構發展的經驗指出，人工智慧（AI）和 機器學習 技術（ML），在反洗錢趨勢下不斷成長，超過半數以上（57%）受訪者已經在反洗錢程序中部署 AI/ML，或預計在 12-18 個月內設置這項技術。因此， 人工智慧 的運用不只作為產品服務面的多樣化，更成為金融業發展洗錢防制的核心技術，有助於在大數據中找出共通模式與連結，實踐資安的核心價值。

本文為下篇，上篇請看此 連結 南非遭到爭議性的專利審核 在南非專利局受理之前，DABUS 這項專利曾慘遭美國專利商標局、歐洲專利局、英國知識產權局和澳大利亞專利局駁回。美國法官表示「對於 AI 機器在專利法下是否有資格成為創作者，明確的答案就是『不行』」。他認為，由於科技發展日新月異，未來 AI 細緻複雜的程度可能媲美公認的發明人資格，但「這樣的時刻尚未到來。一旦時機來臨，將由國會決定如何擴大專利法的適用範圍。」 令國際社會大吃一驚的是，南非專利局和智慧財產權委員會授予該專利，承認 DABUS 是發明者。該專利於2021年7月的專利期刊上正式發表，包括泰晤士報在內的新聞機構都對此事進行報導。 DABUS 的發明專利在南非的授予受到智慧財產權專家的廣泛反對。批評者認為，這是法律上的錯誤決定，如果南非有一個實質性的檢索和審查制度，DABUS 專利申請就會被拒絕。因為 人工智慧 缺乏成為發明家的必要法律地位。 人工智慧發展一日千里，現在還能自主發明物品。但是是否能能成為合法的「發明者」，並申請專利，仍受爭議。 DABUS：「有知覺的」自主學習人工智慧 DABUS 被認為是「有知覺的」 人工智慧 應用，擁有創造性神經系統，無秩序性地刺激多數神經網絡以產生潛在的想法，從判斷中強化學習，這個過程被稱為「機器學習」（machine learning），而一但系統經歷了「機器學習」，它便能在沒有人類干預的情況下「自主性」地開始進行發明，並推向最富有成效的方向。 這些發明是由「機器學習」構思出來的，根據自己的累積經驗，判斷想法的價值。儘管如此，該系統確實自主選擇性地將眾多元素的組合，強化為更複雜的概念。任何連結的概念都會啟動一系列記憶，被認為等同於人類的主觀感受（即感覺）。透過這種方式，DABUS 在構想中產生欣賞的情感。 AI 人工智慧能夠解決人類無法解決的問題，速度也比人類快得多。多年來，出現了多種創意機器。在 DABUS 之前，Thaler構建了另一個AI，它創造了新穎的樂譜，他發明交叉刷毛牙刷設計，申請專利獲得了授權。證明AI有能力產生符合專利標準的新穎發明。然而，當時 Thaler 將自己列為發明者，而不是AI人工智慧。 DABUS 人工智慧影響了專利制度的改革 Thaler 的法律團隊表示，他們之所以會將「DABUS」列為專利申請中的發明...

全球第一取得設計專利的人工智慧！ DABUS 的 AI 系統設計者非人哉 人工智慧 發展速度超越我們想像，連 AI 都成為研發新產品的主力！各國的人工智慧應用與發展的專利申請數不斷提升，但人工智慧本身竟能成為合法的「發明者」？ https://youtu.be/7ERnYKkYkEI 非人類的專利發明者－DABUS人工智慧技術 南非專利局和智慧財產權委員會宣布一項名為「DABUS」的人工智慧技術，DABUS 竟然也已經自主完成兩項發明！這兩項分別是：「Neural Flame（一種以新穎且創意的方式閃爍，以吸引注意力的警示燈）」和「Fractal Container（一種便於堆疊與機器手臂操作的碎形幾何的食品容器）」，可說是有資格取得發明專利的 AI。 DABUS 所發明的碎形幾何食品容器，其形狀有利於堆疊與被機械手臂操作 DABUS 獨立思考能力強！人工智慧定義已超越機器人 「DABUS」為「device for the autonomous bootstrapping of unified sentience」的縮寫，直譯即「統一感知自動引導裝置」，此系統研發者為美國 AI 專家塞勒 (Stephen Thaler)，並提出「當人工智慧滿足發明人的標準時，人工智慧發明的專利申請應將人工智慧列為發明人」。DABUS 使用廣泛的人工神經系統創建專利，通過自己累積的學習經驗來構思發明。 DABUS 的出現，打破了過往我們對 人工智慧 定義只局限於「機器人」。 過往人們常將人工智慧定義為機器人。 能自主研發的DABUS，是否也能自行申請專利？ 都能自主發明東西了，那 DABUS 是否能以「 人工智慧 」的身份自行申請專利？很可惜，DABUS 無法自行申請專利，因此得到英國薩里大學（University of Surrey）和國際律師團隊的協助完成。律師團隊認為，發明這兩項專利技術的都是 DABUS，而 Thaler 本人並未具備任何與容器或警示燈相關的專業知識，因此也不該由 Thaler 擔任發明人。 參與「人工發明者專案」（Artificial Inventor Project）的專利律師 Ryan Abbott 則說，AI 系統的確不會憑空出現，一定是透過大量的資料和程式碼...

人工智慧 演員的演技會比真人還細膩嗎?來看看這新潮的技術!   目錄 機器學習打造出 AI「虛擬人」　演技比真人還細膩 疫情衝擊之下　AI 替身來救場 未來 AI 演員可能越來越普及 2021 年奧斯卡金像獎頒獎典禮於日前落幕，結果也可謂幾家歡樂幾家愁，有好幾座大獎讓人意想不到。如華人女導演趙婷拿下最佳導演獎；韓國女演員「尹汝貞」奪得最佳女配角獎項、成為韓國史上首位獲獎演員，都讓不少粉絲意外又驚喜。入圍、得獎名單的多元、包容化，令本屆奧斯卡獲得不少稱讚，但如果是 人工智慧 「AI 演員」，奧斯卡還能包容嗎？ 數字王國的虛擬人物「Douglas」被譽為世上最擬真的替身演員。圖片來源：數字王國官方網站。 隨著特效技術不斷提升、加上人工智慧技術的突飛猛進，這幾年「AI 虛擬替身演員」也不斷在好萊塢大放異彩，這些宛如真人演員一般、栩栩如生的 AI 演員，甚至正默默地掀起變革。 長期以來一直為好萊塢的院線片如《死侍》、《變形金剛》及《復仇者聯盟》等電影提供視覺特效的「數字王國」（Digital Domain Holdings Limited），其執行董事謝安，就點破一個現狀：「 人工智慧 替身演員，正在大舉取代真人演員，而在疫情影響之下，主演的大明星也會被取代！」   機器學習打造出 AI「虛擬人」　演技比真人還細膩 數字王國長期鑽研如何做出逼真的虛擬角色，並將之稱為「虛擬人」。透過將 AI 機器學習技術與特效技術融合在一起，數字王國曾讓許多已過世的名人「復活」── 如在2013 年，數字王國就透過 人工智慧 生成容貌逼真的影像，讓傳奇歌手鄧麗君於周杰倫的演唱會中閃亮登場，甚至能讓其開口歌唱，並表演全新的內容，讓粉絲大為驚嘆。 以下的 YouTube 影片為數字王國讓「虛擬鄧麗君」登台獻唱，細緻的神情與動作讓粉絲又驚又喜：   除此之外，數字王國還擁有被譽為世上最擬真的虛擬替身人物「Douglas」，本尊則是軟體研發部門負責人 Doug Roble。 為了打造出「Douglas」，Doug Roble 進行了上百小時的動作、臉部和語音捕捉，連皮下層的血流、皮膚光澤透度、眼球跟牙齒等資訊都不放過，將本尊最細緻的臉部資料完全記錄下來。 ...

人工智慧 靠著自監督式學習,搭配十億張圖像,到底發展成多強大的圖像辨識AI?   目錄 FB出動IG十億張照片，訓練最強圖像識別AI「SEER」 何謂 AI 的自監督式學習是什麼？ 奠基在 10 億張圖上的自監督 AI FB 最強圖像辨識 AI 「SEER」 的潛力   FB出動IG十億張照片，訓練最強圖像識別AI「SEER」 近年來自監督式學習（self-supervised learning）的研究與發展十分蓬勃，如 Google Brain 在 2020 年公開的「SimCLR」就被認為是個重要的里程碑。 但坐擁著全球最大影像資料庫之一 Instagram 的  Facebook  也不惶多讓，透過 Instagram 上超過 10 億張的公開照片，訓練出最新的自監督式學習模型「SEER」（SElf-supERvised），並宣稱 SEER 是目前在圖像識別測試之中，表現最優秀的  AI  。   何謂 AI 的自監督式學習是什麼？ 機器學習中最廣泛使用的監督式學習（supervised learning），是由人給定標記好的資料，讓  AI  學習正確答案並作為推論根據。但是，這種方法依賴於人工事先標記，不僅要耗費大量時間、人力與資源，AI 也只能針對已標記的特徵來學習、完成特定範圍內的任務，如：語音轉文字、分類圖像、物件辨識等。 為了突破這些限制，自監督學習（Self-supervised Learning，SSL）就應運而生了。 自監督學習是觀察現有訓練資料中的任何部份來學習，透過預測來認識世界，而無需仰賴人工事先給定的標籤。 換而言之，自監督學習所訓練的  AI  模型，能藉由觀察過去與現在的訓練資料，來預測未來會發生的事。如 SEER 可以透過觀察未標記、未分類的 Instagram 照片，就辨識出照片中的物品或人物。 這讓許多人相信，AI 技術若要開創新局面，利用自監督式學習是最好的方式。 Facebook  AI 研究團隊也認為，AI 的未來在於不需依靠人類事先準備好的「教材」來學習如何識別物件，而是能直接從任何形...

你能想像手中的手機在 人工智慧 的幫助下,搖身一變~成了精準的氣象台嗎??   目錄 人工智慧、IoT導入，手機就是精準氣象台！ 「鬼門關前走一遭」促使退役空軍打造超精準預測 透過人工智慧，人人都能用手機監測天氣 精準度高出同業6成被納入軍用，未來可望發射衛星⋯⋯ 人工智慧、IoT導入，手機就是精準氣象台！ 你是否感覺氣象預報好像不太準？ 過去科學家透過蒐集各種氣象資料，分析氣壓、鋒面等天氣系統，建立出能運算大氣中空氣流動的數學模型，試圖掌握、預測天地間的風雲變化。然而氣象觀測的微小誤差會造成氣象預測的不確定性，而且隨著時間演進，預測的差異也會越大。 為了改善這些問題，美國一家智慧氣象科技公司「 Tomorrow.io 」採用 人工智慧 、大數據與物聯網 IoT 技術，讓每一隻手機都能變身氣象觀測站，希望能提供比傳統氣象機構更準確的預報。   「鬼門關前走一遭」 促使退役空軍打造超精準預測 雖然現今社會已不需完全看天吃飯、被氣候左右命脈，但天氣的變化依然會對現代人的生活造成劇烈的影響。 美國氣象科技公司 Tomorrow.io 打造「精準氣象預報」的初衷，就是來自於三位共同創辦人 Shimon Elkabetz、Rei Goffer 與 Itai Zlotnik 於故鄉以色列服役時，因為天氣造成的瀕死經歷。 他們三人在軍中時都曾遭遇過突如其來的濃霧或大雨，不僅會影響能見度，更可能會危及性命。Shimon Elkabetz 曾在以色列空軍服役，一次飛行任務因為氣象預測沒能提前預警，讓他飛進能見度極低的雲層之中，飛機差點就失去控制。安全返航後，他心想：「真該有人來改進現在這種粗糙的天氣預報。」因此，他們開始思考能更準確地預測天氣的方法。   透過人工智慧，人人都能用手機監測天氣 經過了許多相關研究後，他們認為，若要改善天氣預報的準確度，必須要讓現今的觀測儀器及方法有所突破。 目前大多數的氣象觀測儀器，如地面觀測站、高空觀測站、氣象雷達、氣象衛星及海上浮標等，目前全球約有 22,100 個氣象觀測據點，都是 50 多年前推出的。 那麼要如何才能大量新建、擴充觀測據點，又不需另外付出巨額費用呢？ 三人想到了人手一隻、數以億計的...

本文為該系列的下篇，上篇（關於 Google 棄 Cookie 改用機器學習追蹤的新聞、Cookie 的解釋以及 AI 如何保護隱私）請 點此連結   將Cookie換成 人工智慧 ,之後勢必會對Google營運模式發生變化,這篇告訴你接下來可能發生的事~   機器學習或成壓垮「餅乾」的一大把稻草 根據調查統計機構 Netmarketshare 最新調查表示，全球瀏覽器占比第一依舊是 Google Chrome，握有 69.18% 的市占率。而掌握快7成客戶的 Chrome 將淘汰第三方 Cookie，廣告業者未來要怎麼辦呢？其實， Google  只是換一種方式繼續下廣告而已。 Google 將以 人工智慧 技術「FLoC」取代 Cookie。FLoC（Federated Learning of Cohorts）是一個基於聯盟式學習（Federated Learning）的架構，與傳統的 機器學習 不同，聯盟式學習的概念為：資料不需要離開設備，可以各自在自己的設備訓練，並透過通過加密機制，在雲端上建立一個共有的模型進行更新。 Google 介紹聯盟式學習（Federated Learning）之示意圖。 聯盟式學習的概念可分為四個步驟： 每個設備各自使用自己收集的資料來訓練模型，不會與其他的設備共享、流通。結果會先經過加密，再上傳到中心模型。 中心模型整合、更新各個設備上傳的結果。 將中心模型更新後的結果回傳給各個設備。 各設備更新各自的模型。 因此，FLoC 能兼顧隱私性、實用性與資料安全性三個面向。   即使棄用Cookie　Google還是能用FLoC賣廣告 所以 FLoC 要如何替廣告主鎖定特定客群、投放廣告呢？ 透過 FLoC，Chrome 仍可以追蹤用戶在網路上的瀏覽習慣，當使用者造訪不同網站時，瀏覽器會根據使用者習慣與偏好將他們分組（cohort），放入「受眾群體」或稱「同類群組」中。廣告主再將他們的廣告直接投放給特定的群組。 與 Cookie 的個別追蹤不同，FLoC 採群體追蹤，「把一棵樹隱藏在一片森林中」，廣告商不會知道群組內的特定個別使用者是誰，因此 Google 將其稱為一項「隱私至上」、「興趣為主」的廣告...

人工智慧 取代Cookies,對保護隱私來說會是個更好的方法嗎?讓我們繼續看下去~   目錄 Google棄Cookie改用機器學習追蹤！人工智慧能保護隱私嗎？ Cookie是什麼？ 機器學習或成壓垮「餅乾」的一大把稻草 即使棄用Cookie　Google還是能用FLoC賣廣告 Google不只將人工智慧用在投放廣告上 機器學習取代「餅乾」的隱憂 Google棄Cookie改用機器學習追蹤！人工智慧能保護隱私嗎？ Google  近日於在 官方部落格 中刊出一篇文章，表示旗下服務將逐步汰除第三方「Cookie」技術。即將取而代之的是，Google 預計於 2021 年啟用被稱為「FLoC」的 人工智慧 技術。 文章內表示，此舉是因使用者們不斷增加的隱私要求，以及迅速變化的政策監管機制，使得開發自家的 Cookie 平台不再值得長期投資的選擇。 Cookie 技術目前普遍應用於數位廣告，是當代數位網路必備的追蹤工具，但 Google 旗下的 Chrome 瀏覽器有極重的市場占比，因此其淘汰 Cookie 的決定將對網路及數位廣告生態，造成巨大的影響。 Cookie是什麼？ 圖片來自：internetcookies.org   你是否疑惑，為何我在電商平台搜尋「逗貓棒」、「貓砂」，接下來社群網站就出現一排寵物用品的廣告？ 或是當再次打開訂房網站，發現網站保留了你前一次逛的飯店紀錄？這些都是「Cookie」的功用。 多數網站為了識別使用者，會產生一個小型文字檔案，記錄用戶的來源、身分、點閱足跡等資料，日後同一使用者再次造訪時，可以保持登入狀態、記住偏好設定和提供所在地相關內容等等，提供更流暢、更方便的使用體驗，這個檔案就被稱為「Cookie」。 Cookie 可以分成「第一方 Cookie」以及「第三方 Cookie」兩種。第一方 Cookie 是由使用者存取網站隸屬的網域所發行，用於記錄限定於該網站的瀏覽紀錄等資訊；第三方 Cookie 則會跨網域獲取使用者的瀏覽紀錄等資訊，用來推送該使用者可能關注的廣告。目前全球千千萬萬的大小型企業透過  Google 投放廣告， 取得龐大的使用者數據，就是透過 Coo...