何種 AI 才值錢?

本欄曾多次提到若坊間媒體一致看好後市,就是該小心翼翼的時候,因為「時差」問題,往往大眾都知道便是尾聲。昨日畢老林兄的《投資者日記》提到GMO 創辦人 Jeremy Grantham 說現時的牛市缺乏確認泡沫的「行為指標」,即「美股牛還牛,但搭的士不會聽見司機大佬起勢咁吹,講股講到連路都行錯;去飛髮舖搞吓個頭,洗髮員隨時忍唔住口告訴你炒股賺咗幾多…

筆者認同文中所指的「股民未夠亢奮,要爆大概未是時候」。除了暫時未見「行為指標」,若抽查部份股票的持股狀況,主要持貨者似乎都是機構或專業投資者,由散戶持有的流通街貨相對少。以此觀之,「泡沫」程度有限,應該未到爆的時候。現時炒股不炒市,而且不少藍籌股領漲,當中筆者除了關注月初提及的長實地產(1113),另一間值得長期持有的是平安保險(2318)。至於小型股份,除了中國奧園(3883),天鴿互動(1980) 亦值得注意。去年的財務狀況大幅改善,營運收入升23%,經調整純利增長26%。持有現金超過10億,沒有銀行貸款,營運現金淨流入較去年增長超過一倍。而今年第一季收益較去年上升61%,純利更增長178%。雖然相比去年第四季,純利只是輕微增長3%,但公司財務穩健。倒是每日成交不算活躍,投資者若考慮投資,亦需注意。

早前本欄曾提及匯豐銀行和矽谷的人工智能初創企業合作,發掘洗錢(money laundering) 的可疑活動。早前在RISE Conference,筆者和Ayasdi 創辦人Gurjeet Singh 進行訪談,希望了解公司的技術和過人之處。

近來一股AI 熱潮,Gurjeet 認為現時被形容為AI 的科企門欖太低。他認為一套AI 系統需具備五種特質: discover (發掘), predict(預測), justify(證明), act(行動), learn(學習), 並完整運行整個循環,才稱得上是人工智能。據知Ayasdi 的大數據分析運用Topological Data Analysis(TDA)。筆者並非技術人,對此一字詞和技術不甚了了,但經常在坊間聽到的類神經網絡,是TDA 的其中一種。Gurjeet 早於十多年前在史丹福公開研究結果,所以TDA技術並沒有神秘之處。同時處理和計算大量數據,是十分具挑戰性的事。而公司真正的優勢,是花了超過六年時間,建立一個能處理大量數據的基建,並有效配置數據再進行分析。

Gurjeet 雖曾是學者,卻強調技術並非最值錢,真正重要的是實質應用 - 運用技術解決商業問題。除了與金融和醫療機構合作,Ayasdi 也協助一間日本電訊商追尋駭客,並於三個月內找出13名網絡罪犯。

越來越多企業希望運用AI 提升效率,若要實質應用新科技,行之經年的日常工作流程,和「深思熟慮才決定」的文化,都需要作出調整。正如Amazon 創辦人Jeff Bezos 曾說過具備規模的企業都傾向緩慢地 作出高質決定,但Amazon 傾向作高速決定(high-velocity decisions) ,因為這年代行得慢啲代價太昂貴。Gurjeet 亦認為企業與其擔心難以適應新流程、壞數據影響分析結果等問題,或許可以從小規模開始嘗試。企業若能早點了解AI 可解決的商業問題,累積越多數據和學習,效果應該越佳。

補白:畢兄早前回應本欄提及AK 低買高賣更高沽Tesla 並非價值投資法,尤其Tesla 當年未賺錢。其實,AK 對Tesla 的「估值」主要來自觀察Elon Musk 解決危機的能力,而且企業身為創新高科技,加上曾有一季獲得大量訂單,令現金流大幅提升,所以 AK 給予溢價。至於買賣時機,AK 則應用技術指標。筆者認同畢兄所言「只能證明此君(AK)觸覺異常敏銳,Tesla升跌盡在掌握之中,常人要學亦學不來。」

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。