永豐金控長期致力推動人工智慧技術研發與實務應用，在科技長張天豪的帶領下，近年來在深度學習（Deep Learning）的表格資料（Tabular data）研究領域屢有突破。繼去（2023）年研究論文錄取國際機器學習會議（ICML）後，人工智慧資料科學家團隊今年再度投稿成功，獲選頂尖AI國際論壇「神經資訊處理系統大會」（Neural Information Processing Systems, NeurIPS）收錄論文，並於12月前往加拿大溫哥華參與全球矚目的學術盛會，與國際頂尖研究團隊交流與分享。
論文入選AI頂級學術論壇NeurIPS
NeurIPS 是機器學習與人工智慧領域最具代表性的國際論壇，以其嚴格評審機制及研究成果品質著名，吸引全球學術界、業界菁英技術專家參與，是規模最大的AI學術會議之一，也是AI研究領域重要的國際盛事。永豐金控表示，今年能夠躋身其中，不僅是對技術實力的肯定，也彰顯台灣金融業在國際舞台上的創新與競爭力。
本次AI 技術團隊所投稿的研究論文「DOFEN: Deep Oblivious Forest ENsemble」，是受到「樹模型」（Tree-based Models）啟發而設計的深度學習架構。表格資料因其結構化的特性，是金融業中最常見的數據儲存形式，比如客戶資訊、交易紀錄、市場動態等，以表格形式儲存可便於後續資料的檢索、運算和比較。而樹模型即因為其能夠有效處理表格資料的特性，被廣泛應用於金融業數據分析中。
目前在處理表格資料時，金融業普遍仍以傳統機器學習模型為主流，但深度學習模型在許多金融情境中上，都具備許多無可替代的優勢。例如，在客戶行為分析中，深度學習模型可以透過「預先訓練與微調」（Pretraining and Finetuning），快速適應新推出的金融產品數據；利用「非監督式學習」（Unsupervised Learning）提取隱藏在複雜數據中的模式，發掘出潛在的高價值客戶。
面對快速變化的市場，深度學習模型的「持續學習」（Continuous Learning）與「線上學習」（Online Learning）特性也能幫助模型即時更新，比如針對股票市場的劇烈波動，模型可以在幾分鐘內調整並提供最新的風險預測，達到傳統方法難以達到的靈活性。
永豐金控指出，此次發表的 DOFEN 模型，藉由融入樹模型的優勢來提升深度學習模型表現，並據此提出一種全新的兩階段集成學習（Two-level Ensemble Learning）方法，成功突破深度學習領域的瓶頸，目前是該領域表現最佳的深度學習模型（SOTA，State-of-the-Art），效能與樹模型中表現最佳的「提升樹模型」（Boosting Trees） 互有勝負。
