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。