機器學習（Machine learning）技術讓人工智慧下棋打敗了人腦，不過驚嘆人類輸給機器之餘，其實機器學習能對許多領域有非常大的貢獻，包括資訊安全，麻省理工學院（MIT）團隊就打造了維護資安的機器學習系統，目前已經能 85% 正確逮到入侵活動。MIT 所創造的這個演算法系統稱之為 AI2，一開始研究團隊扔給 AI2 30 億份的資料去自行以機器學習的方式分析，花上 3 個月的時間學習之後，AI2 能找出網路流量中異常的部分，提報給真人資安分析師，分析師會告訴 AI2 哪些是真的網路攻擊，哪些只是誤判，AI2 得到答案後，以機器學習技術不斷改善其判斷，目前 AI2 的判斷正確率已經達到 85%，隨著分析師不斷回應結果給 AI2，未來的準確率會繼續不斷提升，就有如下棋的人工智慧棋力不斷提升一樣。研究團隊表示 AI2 就像是一個虛擬分析師，能處理大量資料，並持續產生新的模型，時間快到幾小時之內就可能產生，因此能快速顯著的提升偵測資安攻擊的能力。目前 AI2 正確率 85%，也就是說還有 15% 是把正常活動誤判為網路攻擊，所以還需要搭配真人分析師，但未來有一天 AI2 徹底學習後，可能不再需要真人陪伴，而能獨立進行任務，從可疑活動中揪出網路攻擊，成為資安的守護者。 This MIT-designed AI can predict up to 85% of cyber attacks （首圖來源：itpro）
科技一日千里，在大數據（Big Data）出現爆炸性發展、雲端運算愈來愈強大之後，國際金融協會（Institute of International Finance，簡稱 IIF）直指，人工智慧（AI）的發展終於來到轉折點，而 AI 進駐金融業之後，基金績效更出現長足進步，打趴一堆經理人。普信集團（T. Rowe Price）以數學程式管理見長的基金經理人 Sudhir Nanda 就警告，人類在傳統投資管理產業雖然重要，不會被完全取代，但大多數員工仍有被替代的風險。英國金融時報 25 日報導，Nanda 過去 10 年來以電腦演算法所管理的 23 億美元美國小型股基金「Diversified Small-Cap Growth Fund」績效卓越，過去 5 年每年的報酬率平均可超過 10%，擊敗 93% 的同類型基金。普信上周已再接再厲，搭配 Nanda 的演算工具又推了 3 檔基金，顯示即使對傳統的大型資產管理者來說，系統化的電腦投資工具也愈來愈重要。金融市場震盪日益劇烈，為防被淘汰出局，除了普信之外，貝萊德、高盛與施羅德集團也都對大數據、電腦程式開發員投入大筆資金。Nanda 強調，雖然普信自己的人類經理人在金融市場都游刃有餘，但隨著電腦愈來愈強、成本愈來愈低，許多工作都將無法逃過被電腦搶走的命運。Google 人工智慧系統「AlphaGo」擊敗南韓棋王李世乭引發熱議。其實機器人不只圍棋棋藝超越人類，在投資方面也有飛躍成長，可能威脅人類理財顧問的飯碗。金融時報（FT）、Inc. 網站報導，高盛 3 月 14 日宣布收購金融科技公司「Honest Dollar」，Honest Dollar 僅成立一年，主要為小型企業和自營業者管理退休基金。該公司採用所謂的「理財機器人」（Robo-advisors），也就是自動交易平台。聘用人類顧問規劃退休基金所費不貲、耗時漫長，改用理財機器人，只要少少的錢，就能在彈指間完成資產配置。詳細來說，用戶可在 1~10 之間選擇風險承受度高低，接著輸入薪資所得和投資偏好，理財機器人就會做出規劃，建議投資美國和新興市場股票、企業債和公債基金，並保留部分現金，簡簡單單完成退休理財計畫。Honest Dollar 月費最低只要 8 美元，價格遠比投行顧問的收費更為低廉。（本文由 MoneyDJ新聞 授權轉載；首圖來源：達志影像）
人工智慧（artificial intelligence，AI）已經在西洋棋、圍棋領域贏過人類，而在手足球桌上這個不只動腦還要動手的競賽中，人類可能也要輸了。Brigham Young 大學工程系學生花了一個學期打造由 AI 控制的手足球機器人，結果機器人的勝率越來越高，人類輸了。學生先是打造一個自動化的機器人手足球桿子，上面架設一台攝影機追蹤球的移動，然後利用電腦演算法，決定四根機器人手足球桿子如何左右移動、前後擺動，讓上面的塑膠足球員可以碰到球，檔下球，射門得分。開發 AI 手足球機器人學生先是找出人類玩手足球的方法，再試圖把這些方法編寫成程式教電腦作動，更重要的是，他們的演算法中，也教電腦去判斷對手的行為，及運算球的路徑，並即時做出可以制勝的動作。就跟人類的想法一樣。開發逾漸成熟後，AI 手足球機器人預測、踢球、得分，而且反應時間明顯比人快很多。開發學生之一 Nathan Warner 說，現在人類要能戰勝 AI 手足球機器人可說是越來越難了。指導教授 J. Lee 說，透過這個計畫，可以教導學生如何控制電腦，讓他們學會人類可以做的事。 資料來源： IT World : Can AI beat you at Foosball? Yes. Yes it can 延伸閱讀： 經理人注意！電腦代管的基金報酬率擊敗 93% 對手 AlphaGo 靠識破李世乭棋路致勝？台灣之光黃士傑回台，解密世紀人機大戰 日本人工智慧團隊開發出會寫短篇小說的機器人，還把作品拿去投稿比賽 （首圖來源：達志影像，非 AI 手足球機器人）
人工智慧的技術日漸進步，應用的範圍愈來愈多，或會對人類的就業構成威脅。日本經濟産業省日前估計，假如不採取任何措施應對人工智慧和機械人等新技術，日本到 2030 年的就業人數將減少 735 萬人；如海外企業成功掌握人工智慧等業務的核心，日本企業只能替他們「打工」。《日本經濟新聞》報導指，日本經濟産業省於 4 月 27 日就人工智慧和機械人技術對就業結構的影響發表評估，為歷來首次。他們認為，假如不採取任何措施應對「第四次産業革命」，2030 年日本的就業人數將減少 735 萬人；海外企業成功掌握人工智慧等業務的核心的話，日本企業只能替他們「打工」，高工資的工作將從日本國內流失。報導又指，經濟產業省把職位分為 9 類，並評估了「不採取應對措施」和「推進變革」對職位的影響。結果發現，需要提供深入諮詢的營業和銷售職業，在「推進變革」下，在 2030 年度之前將增加 114 萬人。相反，「不採取應對措施」的話，將無法創造新的客戶服務，就業人數也將減少 62 萬人。經濟產業省指，為了把握更深層次的客戶需求和創造新的服務，具有數據分析等技術的人才需求將日趨增加。然而可被機器人取代的職位如收銀員等，無論有沒有做出變革，60 萬人的減少都是幾乎會發生的。雖然經濟產業省稱日本就業人數可減少 735 萬人，但他們補充，政府若推進監管、教育改革以及跨越行業壁壘的企業合作等，就業人數的減少將能夠控制在 161 萬人以內。報道指出，估算的背後反映政府對國內産業的未來具有強烈危機感，技術以歐洲為中心不斷革新，但日本政府和大企業均動作遲緩。 ＡＩ・ロボット活用しないと30年の雇用735万人減 経産省試算 （本文由 Unwire Pro 授權轉載；首圖來源：達志影像）
一家規模不到 30 人的公司，研發出應用在安控領域的人工智慧影像辨識軟體，並能讓監視器自己判斷危安事件，未來將可能完全顛覆過去安控系統的使用模式。社區警衛在巡邏時，手機接收到一封來自監視器發送的警報簡訊，通知警衛 A 棟圍牆外的人行道上，已辨識出突發的搶劫事件，並提供現場影像畫面。這時，警衛立即趕往案發現場，同時趕緊打電話通報警局前往處理。這樣的應用情境，並非電影場景，而是不久後真實在你我日常生活中上演的情節。這一套聰明到可準確辨識發生不同異常危安事件類型的安控系統，負責運作系統的大腦是影像辨識軟體平台，當中所採用的核心技術就是人工智慧（AI）技術的分支─電腦視覺（Computer Vision）和機器學習（Machine Learning）。在 2014 年才成立的盾心科技（Umbo CV），就是全球極少數同時擁有電腦視覺與機器學習技術團隊的公司。 機器人+ AI 安控大未來目前掌握這兩大人工智慧技術的公司都是如 Google、臉書、亞馬遜、蘋果這一類的頂尖科技大廠，並將人工智慧技術多運用在無人車、無人機等領域；但盾心科技卻是瞄準安控市場。有了這個賣點，盾心科技今年 3 月下旬即獲得緯創、群聯、之初等指標性創投公司總共新台幣 9,200 萬元的種子輪投資。「你可以想像 10 年後的安控，大多數都是機器人與人工智慧來完成，這點不會有人去質疑。」AppWorks 之初創投創始合夥人林之晨看好人工智慧在安控領域的發展前景。盾心創辦人之一的營運長關宇翔，之前任職於安控公司京晨科技，負責美國業務逾 6 年，對美國安控市場的通路、系統整合商、客戶，瞭若指掌。他在拜訪客戶過程中，嗅到人工智慧結合安控的商機。而盾心另一位創辦人、硬體開發總監柯智文，是關宇翔的學長。當時柯智文憑藉過去在宏達電累積硬體開發的專長，創辦一家研發智慧插座的物聯網新創公司。起初，他只是幫忙關宇翔處理硬體設計問題，後來覺得盾心的發展潛力更大， 才決定加入成為創辦人。目前盾心的人工智慧影像辨識軟體，則是另兩位創辦人張秉霖、吳亭範共同開發的。其中，張秉霖在英國倫敦帝國理工學院機器人視覺實驗室鑽研多年，致力於機器人視覺自動導航的開發。首席科學家吳亭範，則曾待過今年被蘋果購併的表情辨識公司 Emotient，更曾於美國國防部高級研究計畫局（DARPA）舉辦的機器人比賽中，奪得兩屆全美冠軍。2014 年底，盾心的技術長張秉霖和關宇翔特地前往美國拜訪客戶，理解他們在使用監控設備的痛點。「很多問題其實可以用既有的電腦視覺和機器學習演算法來解決，只是尚未有一家影像安控公司把這些先進演算法當一回事而已。」張秉霖認為盾心掌握的核心技術大有可為。 不僅更聰明 還替客戶省錢其他影像安控廠商所開發的監控系統，只能不斷升級拍攝影片的解析度，如從 1080p 提高至 4K，或透過人臉辨識系統揪出可疑人物，抑或藉由將畫面分成幾大區塊，針對不同區塊的人潮集中變化，判斷出可能有事故發生，在畫面呈現出異常的標記。但是盾心不同於這些廠商，其基於電腦視覺與機器學習技術所開發出來的人工智慧影像辨識軟體，不僅可以偵測出異常，還可以發揮自我學習與分析能力，在短時間內藉由監控畫面展開學習，並辨識影像中的物件與事件，像是侵入、群眾聚集、火災、搶劫等特殊危安事件。一旦發生意外或災害，即可透過系統即時通報負責單位，降低釀成意外或悲劇的機率，且進一步爭取更多救援時間。未來經過更多大數據資料的累積、進行自我訓練之後，可辨別的事件與物件也會更加多元而複雜。除了能偵測出異常，還可以準確判斷出究竟發生什麼類型的事故，然後立即通報保全人員，減少誤判機率並加快危機處理時間，正是先期客戶心甘情願掏錢，埋單盾心安控解決方案的主因。關宇翔以過去的經驗觀察到，很多企業沒辦法支付全天候的保全費用，尤其是國外人力成本高昂。況且保全很少整天盯著螢幕瞧，因為 99% 的時間都不太會發生狀況。而人工智慧影像辨識軟體方案，不僅可幫企業降低維護成本，也可提升保全人力使用效率。為了證明人工智慧與安控結合具備市場潛力，關宇翔還特地拿著測試產品前往美國、澳洲、杜拜等國家，先取得 4,000 萬元的訂單後，才回來開發產品。「盾心科技使用的深度學習與雲端技術，是走在學界與業界的前端！」吳亭範很自豪地說。目前全球能把人工智慧技術運用在安控領域的廠商，包括恩益禧、西門子等，五根手指頭就可以算完，而資金、規模、資源都無法與這些前輩大廠相比擬的後起之秀盾心，在成軍不到一年內就建立起實力堅強的技術團隊，並即將於第二季正式銷售產品，算是少數異軍突起的黑馬。現今全球總計有 3 億支監視攝影機，目前導入人工智慧技術的不到 1%，「從我過去的銷售經驗來估計，現在有超過 60% 的客戶會希望採購支援人工智慧技術的安控系統。」關宇翔這句話已經道出盾心未來令人期待的市場成長力道。（本文由 財訊 授權轉載）
最近 Movidius 晶片的出場率越來越高了。DJI 最新無人機的迴避障礙功能、FLIR 最新溫度鏡頭自動辨識火災中的人——這些都是透過神經網路的深度學習實現的。公司還與 Google 簽訂了合約，將晶片融入一個未公布的神秘產品中。現在，這家晶片製造商出了新產品，據稱可以將強大的深度學習帶給任何人：一款名為 Fathon 神經計算棒的 USB。Fathon 配有 Myriad 2MA2450 VPU，搭配 512MB 的 LPDDR3 RAM。之前說到的 DJI 和 FLIR 產品就是裝配了 Myriad 2 晶片，可以同時搞定許多進程。因為它是專門為此設計的——架構與 GPU 和 CPU 非常不同，它不需要很大的電量就能提供很大的能量。它可以搞定最高 150 gigaFLOPS（一個 gigaFLOPS 代表每秒 10 億次浮點操作），只耗費不超過 1.2 瓦的電量。與 Tegra 的深度學習方法不同的是，Fathom 不是一個單獨的系統。這個概念是，你用 USB 3.0 介面將它插入任何運行 Linux 的系統，就能得到「20-30 倍的神經計算運行提升」。你可以用 Fathom 來快速做出神經網路原型，一旦你準備好行動，就能獲得大得多的計算力。當然，這是神經網路，所以這並沒有那麼簡單。Fathom 接受 Caffe 和 TensorFlow 定義的網路（兩個在深度學習領域很流行的框架）以及它們的資料庫。你需要使用一個 Movidius 工具來在...
出入境管制、警察臨檢等工作，往往要在很短的時間內察覺對方是否有可能走私、偷渡，或是否為恐怖份子或罪犯，若是抓錯人那是擾民，但有了漏網之魚後果又難以設想，應用測謊機器來自動判讀，是否能幫助我們審訊，找出蛛絲馬跡呢？不過，在想要讓機器派上用場之前，可能得先讓人相信它們是人類在背後審問的才行。荷蘭特文特大學於 2016 年 4 月發表於《心理學邊境》（Frontiers in Psychology）發表一項研究，想嘗試以電腦虛擬人物來進行訊問，同時進行測謊，這樣的自動化措施是否有效。研究找來 79 名志願受試者，實驗中先告知他們有名運輸部門員工生病了，要求他們暫時代班，並且引誘他們簽下其實並沒有足夠資格承攬的合約，一旦受試者做完了這個有問題的任務之後，他們將由電腦審問。審問他們的是電腦虛擬人物布拉德（Brad），不過其實他並非人工智慧，而是由研究者在背後操作，審問的同時，研究團隊同時測量受試者的皮膚導電度，以偵測是否出汗做為測謊的依據。受試者分為兩群，一群事先要他們全都吐實，一群要求他們全數說謊。其中，有一組受試者事先被告知布拉德是由人操作的，其他人則不知道這點。測謊的結果相當有趣，不知道電腦虛擬人物其實是有人在背後操作的受試者，說實話與說謊話的生理反應完全沒有差別，也就是說測謊無法察覺對方是否在說謊；反之，事先知道電腦虛擬人物其實是有人在背後操作的受試者，說實話與說謊話的生理反應就有顯著的差別。也就是說，人們騙人有反應，騙電腦卻無所謂，研究團隊的下一步是要繼續探討為何會有這種差別待遇。雖然這個實驗規模很小，還不足以下定論，不過以這初步的結果，未來若各種審問或是審核，想要節省人力、增加效率，而採用人工智慧機器取代人力時，恐怕得要先騙過受審者，讓他們以為是有真人在電腦背後操作審訊才行。 Interrogation computers work, if you believe they are human controlled （首圖來員：shutterstock）
AlphaGo 紅了以後，人們都開始討論人工智慧將會在哪些行業取代人類。清華大學某電腦科學博士表示，依靠規則設計的行業都會受到人工智慧的威脅，因為它可以建模。言下之意，對於藝術等無需客觀標準衡量的事業來說，人工智慧想要取代人類是比較困難的。不過，正如 AlphaGo 的水準比業界預想的早了十幾年而到來一樣，人工智慧操手藝術的水準似乎也獲得出人意料的發展。據 FastCompany 報導，3 日晚上的紐約大都會博物館慈善晚宴（Met Gala）上，一套亮閃閃的禮服居然是由 IBM 認知主義機器人「Watson」協助設計而成的。據悉，模特兒卡洛琳娜·柯考娃（Karolina Kurkova）穿著的裙子由英國設計工作室瑪切薩（Marchesa）與 Watson 合作設計。這套通體白色薄紗、繡著 150 個連體 LED 燈花的禮服，它證明了人類和機器人可以一起工作，創造些看似不可能的東西。對於這套禮服的設計，Marchesa 的設計師一開始選擇了 5 種想要表達的情緒：歡樂、忍耐、興奮、鼓勵和好奇心。然後，他們將兩個資料集輸入 IBM 的辨色工具──一個使用色彩心理學來匹配情感色彩的演算法。這兩個資料集包含了來自不同設計師和 Marchesa 自有的裙裝參考圖，能夠讓 Watson 可以從中選擇、提出符合設計理念的顏色搭配。辨色程式的作用不是直接告訴設計師應該怎麼做，而是提供一個調色板來實現設計師的想法。IBM 研究員表示，「基本上就是機器引導設計師」。具體來說，禮服繡花上的 LED 燈是連接到 Watson 可分析語氣的音調分析儀 API，隨著現場帶有 #MetGala 和 #CognitiveDress 兩個標籤內容的變化，Watson 能夠從調色板生成並即時改變衣服的顏色。如果文本顯示「快樂」的值較高，那麼 IBM 會辨析出來，讓裙子亮起明亮的玫瑰色燈光；而如果是「興奮」值偏高，那麼燈花則會增加一層陰影……在這層意義上，Marchesa 禮服不是由 Watson 設計，而是由 Watson 幫助設計。在人類觀點的基礎上，依賴於電腦來減少簡化創作過程其實可以說是作弊。但是，從科學的角度講，Watson 策略分析師 Jeff Arns 表示，這確實是科技創新的支撐。這樣的效果對 Watson 而言只是雕蟲小技，它最大的意義還是在於人工智慧技術與人類的協調，它可以幫助人類來加強自己的創作。像艾里斯‧范‧荷本（Iris van Herpen）這一類設計師，他們好幾年前開始就會利用技術做為一種激發靈感的方式，但 IBM 和 Marchesa 的合作則是關於更多想法的主動創想，而不僅僅是實際的生產。回顧一下之前的「廚師...
虛擬實境、機器人、人工智慧或許會成為下一巨大市場，我們對這種概念更多停留在探討企業商業嗅覺方面。對於普通人來說，技術的未來我們無從得知，誰也不能確定技術會將未來變成什麼樣。在 GMIC 期間，GWC、DayDayUp、La French Tech 聯合舉辦了一次關於虛擬實境、機器人、人工智慧等相關話題的探討活動，相信這個圓桌會議應該可以帶來一些思路和觀點。參與到圓桌會議的嘉賓有：OpenCV.ai 董事會主席 Gary Bradsk，他曾聯合創立了史丹佛大學人工智慧機器人課程，目前最著名的身分莫過於是擴增實境技術公司 Magic Leap 的技術副總裁；還有現在最熱消費級 VR 頭顯 HTC Vive 的中國區總經理汪叢青；Sangbae Kim 來自 MIT 的仿生機器人實驗室，他重點研究不同物種肢體運動的先進功能。還有機器人車間 CEO Tomotaka Takahashi（高橋智隆），他是東京大學的研究副教授，負責發明智慧機器人；南韓科學技術院 Jun Ho oh（吳俊鎬）教授，他是機械工學系特勳教授與人形機器人研究所所長。 ▲ 李世乭 vs. AlphaGo。之前在 AlphaGo 的報導中，總能聽到「人工智慧」、「機器學習」和「深度學習」這些詞彙， IBM 中國研究院研究總監、大數據及認知計算研究方向首席科學家蘇中用淺顯的語言解釋了這些名詞的區別： 人工智慧是一個願景和目標，不是具體的方法。它希望機器能夠在某些方面達到人的水平或者是像人，我們一直在路上，沒有說哪天人工智慧能實現，因為人的能力實在是沒有邊界的。 機器學習是人工智慧範疇下面的一種方法，可以隨著數據或是反饋往越來越好的方向發展。它是一種學習能力，所以叫機器學習。 深度學習則是機器學習裡面一個分支，強調的是所使用的模型。 談及機器人技術的未來、機器人與人之間的溝通，高橋智隆則認為將會有越來越多的新技術出現，這會讓他們非常激動。但是，可以預見到的有一件事情，就是人的重要性，以後還是人越來越重要。機器人也是一種通訊方式，與機器的交流最終都是人與人的交流。高橋智隆認為，「手機其實就是一種機器人的形式，機器人也是一種通訊的方式，在最近的未來就會出現這種情況，機器人和智慧手機的邊界會越來越模糊。智慧手機越來越多商業化的營運，它會把其他技術整合進來。」技術推動越來越多的工具出現，這些工具會改變我們的娛樂，也會改變一些數據的結構。Sangbae Kim 則認為機器人與人之間會越來越可理解，交流速度會變得越來越快。但也有不好的方面，人和人之間的交流變得更難了。談及技術會不會給人們帶來恐懼，Gary Bradsk 表示，「我們不能往回走，還要不斷地前進，新的技術可以實現按一下按鈕就可以幫助我們解決很多的問題，這都是以網路為基礎的發展。但我也同意關於人類作用的一些看法，我們不能壓制技術。」汪從青則認為，「很多技術都是很有用的，未來我們就不再需要任何一個鍵盤了，用一個聲音或者手勢等，用今天已經有的技術，和你的裝置進行自然的交流，這需要非常深度的學習，需要技術更多的融合和發展。」關於下一個革命技術，很多人談到了虛擬實境，也有人認為是機器人，我們也知道了以 AlphaGo 為首的人工智慧從未受到如此多的大眾關注過。對於各位不同領域的圓桌嘉賓顯然會有不同的看法，甚至可以說是「偏科」。但主旨是誰也不會知道確切的答案，人們必須要和這些智慧技術共存下去。 ▲ 高橋智隆和他的機器人。高橋智隆認為，「下一步的創新，替代手機的是這個機器人（指著他帶來的機器人）。這個帶著雖然不是很方便，但我們是一直朝著這個方向努力的，我們不只希望和手機交流，還希望能和動物交流，比如烏龜等，如果真正實現這種深度的智慧，我認為將是未來下一代的智慧手機，我不知道智慧手機下一代將會是什麼。」但技術也並不會「控制」人類或「取代」人類，因為技術的背後始終是人性，人們不應該懼怕它。Sangbae Kim 認為，「現在有很多的想法，或者項目，我認為人性是最重要的，我們不可能將技術推動到所有人都恨它，最終技術是為人們服務的，雖然我們有非常強大的算法，但實際上，人是在背後的，人性是無法替代的。」「未來有很多東西將要離開我們的控制，我覺得我們能夠控制技術方面的，特別在深度學習方面，我們並沒有做任何的設計，它是自己學習的。這些設備能控 制某一個系統，比如我們的武器系統，或者網路、交流系統。我們無法控制的是，只是需要一個人來做這樣的設備，只要項目中出一個問題，就會出現非常恐怖的結果。」汪從青補充。Gary Bradsk 則認為，「我們的想法是，我們處理的計算需求...
過去銀行分行越多，規模越大，分行裡服務的行員陣容越完整，越是讓人信賴，但是如今美國銀行業卻把分行與人員視為沉重負擔，動不動就裁撤分行或縮小分行規模，想把顧客盡可能引導到人力成本最低的網路服務，靠數位化降低人事成本，最新的趨勢是，連分行裡頭都要搞數位化，由數位服務取代部分行員。美國銀行（Bank of America）財務長保羅‧唐諾福里歐（Paul Donofrio）於該公司 2016 年第一季季報時表示，美國銀行正在加強推廣顧客接受數位服務，對於只是來進行轉帳等簡單業務的客戶，美國銀行在各分行派遣數位大使，鼓勵客戶使用數位服務，教育客戶，讓客戶明白使用數位服務對客戶本身更加方便，當然，對銀行來說則是成本更便宜。美國銀行將在未來幾年內，於超過千家分行中推出「數位吧」，包括紐約的分行，其作用類似蘋果（Apple）店內的 Genius Bar 服務台，只不過進行的不是實體產品的實作診斷及排除故障服務，而是針對銀行數位服務的疑難排解。數位化對銀行來說好處多多，不只能提供更快速的服務，還能讓行員的人力資源從簡單工作中解放，以處理更複雜的業務，當然銀行不只是做人力資源調配，也利用數位化自動化許多業務的過程，裁減了不必要的低階人員。美國銀行的業務專長人員雇用數年成長 13%，然而全職雇員總數，包括出納員在內，則在 2016 年初較去年同期減少了 1%。 縮減分行數量與規模其他銀行也正在進行一樣的動作。摩根大通（JPMorgan Chase）在 2015 年裁減了 3% 分行，2016 年還要繼續裁撤更多，在過去 3 年內，由出納行員進行的轉帳交易量大減 1 億次，因為客戶越來越習慣數位支付，摩根大通也一樣在分行中努力提升數位交易，包括將安裝新的 ATM，只要有手機 PIN 碼可進行無金融卡交易，也將新增可精確提領零錢的提款機。摩根大通也與美國銀行相同，計劃以更多數位自動服務來釋放行員的人力資源，過去傳統上摩根大通有 6 成行員是進行基本的出納工作，4 成為顧問服務人員，如今摩根大通將把這個比例完全翻轉，過去的舊式分行改為新設的小型金融中心，其中 6 成人員提供財務顧問服務。大型金融機構如今都正在縮減分行數量與規模，在 2016 年第一季，美國銀行關閉 3%，花旗於全球關閉了 4%，北美則關閉 7% 分行。花旗表示，雖然分行仍然是銀行服務客戶的重要一環，不過客戶使用分行的方式已經改變，花旗推出面積只有 600~1,200 平方英尺小型分行，裡頭只有 3~4 名「智慧行員」，兼顧傳統服務與銷售業務。富國銀行（Wells Fargo）也推出只有 3 人的小型分行，當客戶使用 ATM 發生問題時，再經由無線平板裝置通知服務專員客戶需要人員協助。富國銀行表示，這種小型分行有助於增加服務據點，深入客戶居住、工作與消費的地區，不會花上太多成本，又能把據點設到過去因為所能找到的店址面積太小而無法設置傳統分行的區域。這樣的變化是否會造成金融業工作遭大量取代，或是釋放人力資源後，新產生的業務與服務工作將會彌補過去的傳統行員工作？無論如何，科技正在改變銀行的面貌，人員服務改為數位化，分行裁撤或小型化，過去宏偉華麗的挑高大廳、鋪滿大理石的舊式大型銀行分行樣貌，恐怕將只留存在少數古蹟之中了。 Wall Street bank branches are evolving … and shrinking...