投資之旅 Trendalysis

Tag: 機器學習

  • 港人看台灣的另一面貌 － 新竹科學園區

    港人看台灣的另一面貌 － 新竹科學園區

    上次去新竹高鐵站旁的生物醫學園區，最近則去了新竹科技園區聽人工智能的講座。沒想到最大得著並非講座內容的啟發，反而是多一個角度認識台灣。 新竹確實是科技重鎮，而且給人很興旺的印象。記得曾看過一篇報道，全台灣平均收入最高的里（區域)，並非來自台北，而是新竹。該區的生活水平高，曾有居於新竹的父母於網上透露，即便收入高，但生活支出昂貴，不論屋租和孩子學費等，亦較台灣其它地區高。當日從高鐵站乘車前往科技園區，途經所見盡是樓齡新簇簇的高樓，密度不低。而園區外圍，亦有興建中的大型設施。記得現職證券行的友人曾說，兩年前曾有客戶拉隊去新竹買樓花，說某個位置的物業具升值潛力，因為避過了需要塞車的路段，上下班便捷，並以900萬台幣買了小坪數的一房單位，現時物業落成，市值1800萬台幣，兩年間升值一倍！友人說很後悔當日因為預先安排了玩樂節目，沒有參與呢。要知道樓花首期僅一成，即是如果放售，兩年間回報達10倍！扣除稅款，亦有4－5倍回報！新竹大概就像是美國矽谷吧～ 是很有活力兼持續成長中的地方。 新竹科技園區佔地很廣，共有五期，部份還在擴建。交通不算方便，距離新竹高鐵站或台鐵竹中火車站約15分鐘車程，但勝在鄰近兩所大學 － 國立清華大學和國立陽明交通大學。科技園區內有五條免費接駁小巴路線，遊走整個園區、兩所大學，以及火車站和高鐵站等，班次頻密。園區環境清幽，綠化極佳。我未有機會參觀整個園區，直接前往聽講座。內容包括人工智能(機器學習)各式各樣的應用，包括市場推廣(如網上廣告)、金融財經(如程式交易)、健康護理(如X光片影像分析)、智慧工廠、智慧城市、智能機械人、和智能家居等。除此之外，談到發展人工智能，尤其是商業規模、最重要的因素、整個團隊的組合等，也有技術方面如何優化人工智能，以及控制資源用量。整個講座，印象最深刻的內容，除了學術界研究思維和商界開發產品思維的異同，是MLaaS (Machine Learning as a Service)，這是非常聰明的概念，亦似乎會是未來趨勢。 在座聽眾大部份是男性，女性只有寥寥數人。雖然上次的生物醫療講座，男女比例較均衡，但這次的聽眾反應較多，演講中段已有問題和反饋，最後的問答環節亦有不少討論。這也許側面反映了台灣不少業界人士，已經應用了機器學習和人工智能，工業和工程產業相對成熟。其實這很合理 － 台灣的的半導體產業、以及電子周邊產品等，都是世界知名，而且全球具一定市佔率。 香港一直以金融業和服務業聞名。港人普遍不太熟悉工業界發展，也相對少接觸需要投入大量資金和長期研發的產業，較習慣以經濟角度看事物。台灣的專長是工業工程吧～ 生物醫療則是發展中階段（從聽眾的反應，就知道熟識這產業的人還不夠普遍）。早前和香港友人茶聚，他是IT 人，並由軟件界踩入硬件。他說在台灣由零開始設計和生產一台程式化的飲料機，整個項目預算較香港便宜一半以上。而所謂在香港設計和生產，其實已包括預算在中國大陸生產機器。所以，台灣在硬件設計和生產成本方面，確實有極大優勢，而且有很多人才！ 台灣很大～ 每個區域都有其特色，值得認識發掘。 Facebook 專頁：www.facebook.com/trendalysis

  • 獅子銀行用AI 反洗錢

    友人米奇早前大大讚賞獅子銀行。事緣他收到該行電話查詢某宗信用卡交易，而那宗交易並非友人簽署的，估計信用卡已被盜用。米奇讚賞銀行每日幾千萬宗交易，都注意到兼且反應快，客戶零損失。未知讀者有否類似經驗？ 除了個人信用卡消費、存款往來大幅波動等，銀行一直有團隊專責發掘和調查洗錢(money laundering) 的可疑活動。匯豐銀行早前和 Ayasdi 進行12星期的試點方案，運用人工智能和大數據進行分析，令可疑的調查個案總數大幅下降兩成，但匯報要求人類作深入調查的洗錢個案卻沒有下降。結果顯示科技將為匯豐節省大量的人力資源！6月初匯豐公佈和 Ayasdi 合作，令杜絕洗錢活動的調查更有效率。 Ayasdi 是來自矽谷的人工智能初創企業，由2008年成立至今融資了七次合共1.06億美元。共同創辦人兼CEO Gurjeet Singh 是史丹佛大學計算機數學博士，去年10月開始成為匯豐銀行技術顧問董事會員。上週三企業推出專注分析金融服務業數據的 Ayasdi Model Accelerator，目標是減低現時模型中的特質(features)和可變數(variables)，令建立和運行模型時的透明度和效率更高。 筆者近來嘗試多閱讀人工智能相關文章，但由於沒技術背景，整體理念始終不容易拿捏。維基百科顯示Ayasdi 是機械智能軟件公司，分析大數據並建立具預測性的模型。Ayasdi 致力大規模的無預設條件自動分析，透過大量的監督(supervised)和非監督（unsupervised) 機器學習演算法，自動找出並排列相關數據，然後以網絡般的地圖顯示結果，幫助分析人員用新方式分類和檢視關連系數。 機器學習除了監督式和非監督學習，還有強化學習(reinforcement learning)，即透過獎賞機制讓機器懂得辨別較好的選擇，現時的最佳例子是 AlphaGo。監督學習需要大量數據，而強化學習需要的數據量相對少很多，但始終未能像人類般不經歷都可以學懂。例如不衝紅燈過馬路，人類聽過一次就知道，不需要親身試過。但若以監督學習訓練機器，就需要大量的交通意外數據才能學會避開車輛。至於強化學習，則可能要在學習過程中撞幾千次車，機器才會學懂。 據聞現時非監督學習的應用不廣泛，實質例子少。Ayasdi 同時運用監督和非監督學習分析數據，並套用在不同行業(包括醫療、交易策略、疾病研究、資訊安全，金融服務等)，確實是「超級智能」。希望在一年一度的科技界盛事RISE Conference，有機會向Gurjeet Singh 了解更多。 此文同見於《信報》的《價值投資》專欄 Facebook 專頁：www.facebook.com/trendalysis

  • 親睹Machine Learning 辨別靚仔靚女

    過去兩星期，恆指每天都錄得升幅(除了上週三)，成交額大概500多至600多億元。而本欄曾提及過的價值投資型股票中，最奪目算是大昌集團(0088.HK)。股價除了創1年新高，更創了3年新高。大昌集團是本地的小型地產商，亦有投資美國的地產業務。以往分析該股，優點包括資產價值大折讓、債務很低、現金流充裕、預期收入不俗，而且股息穩健。缺點是股價波動小兼且交投不活躍，但過去幾天價量齊升，值得投資者注意。詳細分析以及公司估值，可參考舊文，在此不贅，免得被指呃字數。 昨日車品覺兄在《全民大數據》專欄，展望今年的科技發展趨勢時提到：「人工智能與大數據的巨輪將繼續全速前進」。而上星期其中一宗大新聞，是贏遍國際棋手的Master 自揭身份為AlphaGo 升級版。Master 的圍棋對奕結果除令人驚嘆，亦再次掀起廣泛的人工智能技術討論。 其實坊間對「人工智能」至今未有一致的定義，若硬要區分則可嘗試用四個層次觀之。第一級是加裝了控制程式的家電用品，所謂的「內置人工智能」等字眼只是gimmick，實則是系統工學。第二級是典型的人工智能，程式系統的行動模式變化多端。這級別的人工智能可以理解input 和 output 的關係並產生大量組合，實際應用包括醫學診斷。第三級的人工智能，則包含了機器學習程式，系統會根據大數據找出input 和output 的關連，就如模式辨認(pattern recognition)，然後自行作出判斷。而近來媒體經常提及人工智能，多數屬於這級別。第四級的人工智能則是加入深度學習，即整個過程中有很多的變數和組合。 人工智能(artificial intelligent)、機器學習(machine learning)和深度學習(deep mind) 都是近來的熱爆詞彙，看到就覺得複雜和技術含量極高。上週筆者參與一個程式員聚會，其中一位講者Andy 即席演示如何使用神經網絡(neural network) 鑑別相中人是男或女。他說坊間有多種相關的開源軟件，讓程式員直接使用，包括Google 的Tensorflow。又笑指深度學習只是多加幾層(layer)，增加變數，然後隨即在螢幕上將 code 連貼幾次，令系統更”deep”。然後將預先準備好的1300+ 人類大頭照片輸入，再執行開源碼，系統即多次嘗試分析。一般而言，幾次之後會找到更佳的組合，提升辨認男女的機率。數分鐘就運行完畢，Andy 再輸入10多張照片讓系統辨認，程式根據剛才的學習結果分析，並估算相中人是女性和男性的機率。當晚系統表現不俗，能正確辨認大部分相中男女的性別。這次的即席示範，讓筆者感到機器學習和深度學習技術，並非那麼高深莫測（至少當日的codes 都大致看得懂）。雖然開源碼背後的理論和技術極高階，但就如使用智能電話或搭飛機未必會理解其運作原理，普羅大眾應用AI 和機器學習軟件時，也不需要完全理解背後邏輯。現在是大數據時代，而大數據和人工智能相輔相承。只要數據量夠大，系統記憶體夠多，而且運算速度快，就可應用人工智能技術。 筆者要真正了解人工智能，顯然有極大段距離。套用不同程式員的簡潔解畫，這是本體論(ontology)－將不同數據（包括文字和句子）切割，並以數字表達。而各種數據間的關係，則以數學的多度空間顯示，然後形成龐大的神經網絡… 寫了咁多，整篇文就似「不懂扮懂」的介紹文，兼且和投資扯不上關係。其實，筆者想說明並非只有大公司或研究所，才會探討和開發人工智能和機器學習。既然有開源軟件，任何人只要懂得寫程式，就可以輸入數據測試效果。而當晚有程式員提到股票分析是機器學習的熱門課題。以前市場由人類行為組成，現時已加添了很多程式活動，而未來只會越來越多機器行為，並且以指數式增長。未來的金融市場，不論趨勢策略或經濟循環，都不能和過往相提並論。 此文同見於《信報》的《價值投資》專欄 Facebook 專頁：www.facebook.com/trendalysis