Posted by 
「忠告：借錢梗要還，咪俾錢中介」這句廣告對白相信大家都不會覺得陌生。廣告主人一般為貸款公司。現時，開始有貸款公司採用人工智能技術去審批貸款申請，更有公司建立人工智能精算師，表示可以做到貸款申請即秒即批！究竟人工智能技術如何協助加快貸款審批過程？希望本文能讓你對此做法得到初步了解。
兒時有玩過「畫鬼腳」遊戲嗎？此方法常常被用作抽獎用途，玩家需要在一個「鬼腳圖」上面隨意加數條橫綫，從而把圖上所有直綫連起來。準備好之後，玩家需於上方選擇一個起點，由上而下，沿著線走，直到最下方的終點。如途中遇到橫綫的話，必須轉彎。這是個完全隨機的遊戲。
跟「畫鬼腳」類似的為「樹狀圖」（Tree Diagram）。「樹狀圖」的型態為一層層的，每一層需要選擇一個分類方法而向下展開下一層的結構。相同的地方為兩者皆屬由上到下的搜尋方法；而不同的為樹狀圖只有一個起點，若要為一個項目或主體進行分類就最適合不過。例如，要作動物分類的話，首先可選擇第一層分類方法為脊椎動物或是沒有脊椎動物；細分之後，下一層分類方法可選擇動物為冷血動物或是暖血動物；再下一層分類方法可選擇動物是否哺乳類、鳥類、魚類或是其他類別等等。
以上兩個方法跟貸款審批及人工智能究竟有什麼關係？我們先去看看貸款申請人所需提供的資料，基本資料包括申請人性別、年齡、婚姻狀況、有沒有子女或要供養的父母、僱員或是自僱人士、收入、其他貸款狀況等等。之後，我們便可採用其中一個人工智能演算法，名為「決策樹」（Decision Tree）。
決策樹由一個決策圖和可能的結果（例如貸款審批結果）組成，跟樹狀圖一樣， 都是一棵樹的形態。這是一個利用像樹一樣的圖形或決策模型的決策支持工具，也是一個算法顯示的方法。在機器學習（Machine Learning）領域，決策樹是一個預測模型。樹中每個節點表示某個分類對象，而每個分叉路徑則代表可能的屬性值。數據挖掘（Data Mining）中決策樹是一種常被使用的技術，可以用於分析數據，同樣也可以用來作預測，因此用來預測貸款審批結果則非常合適。
各位可能會問到，在決策樹中每一層的分類對象，不是隨機設定便可以嗎？決策樹的優點就在這時出現了。每一次的分類比對都需要時間去處理，然而我們把決策樹用來協助減少分類比對的次數，這樣運算過程便可以大大加快了。一棵好的決策樹，沒有多餘的比對層，利用最少層數去做出同樣準確的預測效果。由於我們希望獲得最大的資訊量，因此經由分割後的資訊量要越小越好，透過計算Information Gain（資訊獲利）及Entropy（熵）便可做到。這樣，我們便可以輕鬆計算出貸款審批結果。 人工智能學問博大精深，這只是一個簡單例子。好好留意日常生活的事情，多了解背後原理及做法，便能發現人工智能的各種有趣之處！
Facebook: https://www.facebook.com/drjackeiwong/
Instagram: https://www.instagram.com/drjackeiwong/
YouTube: https://www.youtube.com/drjackeiwong/