Gogolook谈AI技术防诈 「工人智能」仍必要

Gogolook数据与商业智能总监高义铭。Gogolook

走着瞧(Gogolook)开发的陌生来电识别程序Whoscall，全球下载量已突破1亿次，在台湾的活跃用户约计700万人。Gogolook数据与商业智能总监高义铭受访时表示，团队运用开源工具发展可识别中、日、泰文的人工智能(AI)模型，在样态更新方面仍有「工人智能」介入之必要，而当全世界的自然语言处理(NLP)技术发展到一定瓶颈，如何强化其中的自然语言理解(NLU)技术至为关键。

Gogolook的AI应用上可分为三大面向，即诈骗与恶意电话号码预测分析、智能简讯管家、以及主打B2B服务的数码身份验证方案，并积极与警政署等单位合作防堵诈骗。公司全体员工约达130~140人，高义铭率领的团队则有10人左右，须与负责手机程序开发等其他部门的人员协作。

以号码分析而言，团队透过机器学习技术，可提前发现通话行为是否符合诈骗集团的特征，称为Spam/Fraud Prediction，若符合特征就会进行警示标记，协助用户识别诈骗号码。即使某些通话行为并不符合既有诈骗行为的特征，但近期的通话表现与过去相比突然出现巨大变异，机器学习也可有效识别异常，称为Anomaly Detection。

高义铭指出，Anomaly Detection可说是第一层过滤机制，侦测发话量暴增或受话者异常等「模式」异常，但有异常行为不见得是诈骗，有可能只是用户转移；Spam Prediction则判断电话号码「是否」为诈骗电话，处理的是一道是非题。两者都是AI演算法的分支。一开始团队须搜集大量样态并以人工标记，累积到一定程度便可加快AI判断的速度。

团队主要透过开源工具发展AI模型，目前遇到的较大挑战是，由于国际个资保护规范愈趋严谨，很多演算工具须符合「数据不落地」、也就是数据不能回到地端服务器等要求，而得将运算维持在手机等移动设备上(On device)。这么一来，便会碰到存储器空间的限制，因此即便使用开源工具仍须调校许多参数，而非直接套用工具。在云端运算方面，团队主要运用亚马逊网络服务(AWS)的云端资源，也会用到其他云平台的资源。

人工智能应用已有广泛讨论，但开发者真能摆脱工人智能的判断吗？高义铭坦言，AI运算仍有一定瓶颈，尤其当诈骗手法日新月异，新式流行用语层出不穷，仍须靠一定人力定期更新数据，以提升AI判读表现。精准度达99%对其他产业而言也许已经很高，但对Gogolook或者金融业者来说，须重新检视错误并调整参数，以提升最后1%。

在智能简讯管家的部分，团队因应市场布局已开发出中、日、泰文的NLP模型。相较于中日文累积的数据量已相当可观，泰文的断文断字研究约莫在1990年才有较多进展，仍须进一步优化。Gogolook在泰国有当地员工可协助相关作业。

市场上已有多语言NLP模型，即便开发者不识得特定语言，仍可透过AI将文本化为数学运算处理。然比起单一语言的模型，多语模型须耗费更多存储器。至于Gogolook会否开发英语或其他语言的判读模型，则依公司未来业务策略而定。

就全世界的NLP和机器学习进展而言，哪些技术门槛有待突破？高义铭认为，当NLP发展到一定瓶颈，如何强化背后的理解、也就是NLU的层次，便是许多研究者的目标。

在进阶NLU的情境下，AI应可推论文本发展并反推出因果关系，目前多属研发阶段。NLU在图像处理领域也很红，例如从特定人物图像的因素反推出该人物的婴儿时期的长相。

除了一般电话和简讯，Gogolook也透过「美玉姨」聊天机器人，协助用户查证从通讯软件Line上收到的可疑信息。美玉姨原先由台湾工程师徐曦所开发，2020年起与Gogolook联手防诈。

除了既有服务，Gogolook近期也逐步切入Web 3.0产业，5月时宣布策略投资台湾区块链新创链奇科技(Unblock Analysis)。2019年成立的链奇，提供虚拟货币AI交易监控及犯罪侦查服务，助虚拟资产服务提供者、金融机构以及政府机关实时侦测数码交易之风险。

责任编辑：陈奭璁