Artificial Intelligence (AI) plays a huge role in accelerating necessary transformations of reaching the goal of net-zero emissions globally in less than 30 years, such as integrating renewable energy and reducing the cost of carbon… 

Artificial Intelligence (AI) is a powerful tool that has the potential to revolutionize many industries, but it also comes with a significant environmental cost. The training and running of AI models require a lot of… 

近年來，香港一些公司和銀行引進了聊天機械人（Chatbot）。為了提供客戶服務和諮詢服務，簡化複雜的任務，先有序處理大量的重覆性問題，然後把真正的困難和必要的問題交給真人。這樣，利益在很多方面都得到了最大化。從人臉識別到自然語言處理（NLP）技術方面，人工智能機械人可以像智能助手一樣，每天 24 小時工作，一年四季都可以用來完成以前依賴簡單人力勞動的任務。什麽是 Chatbot？香港企業能應用聊天機械人做什麼？下面將為您詳細分析。   新趨勢下的 Chatbot   要了解什麽是聊天機械人，就必須先了解「對話式商務 」（Conversational Commerce）這個詞。 2016 年美國博主克里斯．梅西納提出「對話式商務 」，指的是消費者和商店之間在對話中的商業互動。當時，梅西納觀察到品牌通過即時通訊軟件進行銷售的趨勢，隨著即時通訊軟件的用戶數量激增，消費者的行為模式也發生了變化。例如，WhatsApp 在全球擁有超過 20 億活躍用戶，消費者可以通過他們常用的即時通訊軟件與商店聯繫，而無須下載額外的應用程式或訪問商店的網站，這對消費者來說更加方便。 而 Chatbot 就是在對話式商務趨勢下的結果，它是一種基於技術的自動化對話系統，可以模擬人類的對話方式，與人類用戶進行自然語言交流，從而提供各種服務和解決問題。   聊天機械人增加香港品牌與顧客之間的聯繫    為了改善客戶的購物體驗，擁有一個良好的客戶服務來提供解答和售後服務很重要。如果您想買件心儀的衣服，但又怕尺寸不對，很多人會先詢問客服，然後直接向商家下訂單。隨著網上購物平臺和電子支付應用的日益普及，越來越多的人通過流動裝置進行網上購物，只要動動手指就能隨時隨地下訂單。如果說在線銷售平臺正在成為實體店的競爭對手，那麽在線客戶服務也變得比實體店主更重要，商店需要提供即時、個性化和無縫的互動體驗，以提高競爭力。   而聊天機械人可以幫助商家快速響應大量的在線諮詢，並在專用頁面上隨時捕捉信息。在流行病期間，網絡經濟爆炸性增長，商店需要快速響應大量的在線諮詢，並在專用頁面上隨時捕捉信息。在數字經濟時代，不耐煩是許多品牌在數字營銷中的痛苦之處，如果商店不能減少響應時間，及時捕捉顧客的購物欲望，就等於把顧客拱手相讓。例如，香港許多公司現在已使用 Facebook Messenger 上的聊天機械人。通過平臺自帶的或由第三方開發的聊天機械人，可以非常容易地進行在線客服、營銷甚至是商品銷售。   聊天機械人促進企業銷售增長   從人工智能業務影響效果來看，根據 Intercom 對… 

As internet technology has grown and spread over the years, so too has the ways in which content within it is produced. In the past, users during the Web 1.0 era could only passively receive… 

知識圖譜(KG) 知識圖譜(Knowledge Graph – KG) 是人工智能的一個重要分支，它基於2001年由萬維網創始人Tim Berners-Lee和Jim Hendler、Ora Lassila提出的語義網（Semantic Web）概念，並由谷歌在2012年進一步改進位知識圖譜的概念，其本質上是基於圖論的知識表示和推理技術，目的是將豐富的實體和關係信息結構化地表示出來，並通過推理和查詢來實現知識的獲取和應用。這項技術在搜索、問答、推薦等互聯網場景中有著廣泛的應用。 知識圖譜的優點是可以利用已有的知識進行推理和補充。知識圖譜可以構建一個與搜索結果相關的完整的知識體系。在用戶搜索時，通過知識圖譜往往可以遇到意想不到的發現，比如某個新的事實或者新的聯繫，從而幫助用戶發現和發掘額外的信息。在知識圖譜中，用戶搜索的次數越多，範圍越廣，負責搜索的引擎就能獲取越多的信息和內容。由於知識圖譜可以融合關鍵詞相關的內容，假設用戶搜索「瑪麗居里」，利用了知識圖譜的搜索引擎不僅會搜索「瑪麗居里」這個關鍵詞相關的信息，同時還可以返回居里夫人的其他相關聯信息，獲得關於其教育背景和科學發現方面的詳細介紹。因此知識圖譜可以為用戶找出更加準確的信息，作出更全面的總結並提供更有深度的相關信息，把與搜索關鍵詞相關的知識體系化地展示給客戶。 最近ChatGPT的出現使得研究人員對知識圖譜也產生了反思，大規模語言模型所展現出的出色表現使得研究人員覺得不一定需要完全結構化的傳統圖譜也能達到一樣的目的。出於大規模語言模型Large Language Model （LLM）語言理解方面的高度能力和影響，未來知識圖譜的發展可以考慮結合著LLM去發展。比如知識圖譜的構建往往是抽取式的，而且包含一些知識衝突檢測、小節過程，整個過程都能溯源。如果LLM能以這樣的知識作為輸入，應該能在相當程度上解決當前ChatGPT的事實謬誤問題，並具有可解釋性，且增強模型的推理能力。 大規模語言模型(LLM) 由於近些年算力和深度學習算法的提高，大規模語言模型取得了巨大的進展。大規模語言模型是指用深度學習等技術從大規模文本語料庫中學習語言的模型。 ChatGPT就是目前最典型的一個。其背後技術的基本思想是通過巨大規模的文本數據集對模型進行訓練，然後再將該模型在各種語言和文本的處理任務上進行微調，從而達到想要的效果。 LLM能夠學習到自然語言潛在的規律和語言結構。它的應用廣泛，可以快速並出色地完成文本分類、問答、機器翻譯、文本生成，甚至撰寫代碼等任務。同時由於模型可以從大規模文本語料庫中學習，因此可以適應不同的語言和文化環境，具有較強的泛化能力。 然而LLM同時也存在一些挑戰。比如ChatGPT無法聯網使用，因此缺乏最新的信息。此外ChatGPT目前最公認的問題是偶爾存在「一本正經胡說八道」的事實謬誤問題。由於類似ChatGPT的大規模語言模型是一個「黑盒」模型，可解釋性弱，導致了當下在內容的可信性和可控性上存在一定的局限。另外數據偏差、巨大的計算資源需求、推理計算能力不足，難以給出靠譜的預測推斷和潛在的關聯等等也同樣是LLM當下面臨的問題。目前，研究人員正在努力解決這些問題，並進一步拓展大規模語言模型在自然語言處理領域的應用。 大規模語言模型在改變個人生活生產的同時，也對企業帶來了挑戰。研究人員認為，對於大型企業來說，應該有勇氣和決心去給ChatGPT帶來新的革命性的發展。對於中型企業老說來說，應該考慮如何定制大規模語言模型，並將其和各種業務系統進行結合，打造自己的領域中間件。而對於小廠應該想想如何將自身業務嫁接在ChatGPT上，形成相對於其他競爭對手的技術優勢。 知識圖譜和大規模語言模型在金融領域的實踐 1.知識圖譜 金融是最早嘗試知識圖譜技術的行業，在反欺詐、反洗錢、量化分析、產業鏈因果推斷、營銷獲客、智能投研與投顧等諸多細分領域都有知識圖譜的深入應用。 金融行業是多元化的行業，隨著市場需求和金融創新的推進，不斷湧現出新的金融衍生品產品。在這樣的背景下，可以構建金融中不同領域的知識圖譜，從而實現領域知識管理、跨域融合及推理應用等，最終形成多業務圖譜構建迭代的企業級知識圖譜架構和與之對應的開放平台。 知識圖譜同樣可以應用於金融中台的建設，將金融數據、知識和業務三者進行整合，形成一個多功能的平台。其整合的核心是多個工作流，包括知識建模工作流、映射式構建工作流、抽取式構建工作流、知識應用工作流和知識運營工作流。 2.大規模語言模型 – LLM 憑借LLM強大的自然語言處理和生成能力，可以給金融行業帶來更高效、更準確的信息處理和決策分析能力，以及提供更好的客戶服務和風險管理能力。其應用包括但不限於客戶服務，風險管理，投資分析等。 金融產品通常涉及很多專業術語和複雜的流程。針對這一痛點，ChatGPT可以通過智能對話幫助客戶更輕鬆地理解和使用這些產品。此外，在大規模的金融客戶數量下，LLM可以對客戶提出的詢問和投訴進行自動回答，從而大量節省客服人員的時間和勞動力成本。且相較於市面上現有的客服機器人，LLM的對話方式更接近於人類，並對客戶問題有更針對的響應，提升用戶體驗。 在金融投資方面，LLM有潛力幫助金融機構進行數據分析和預測。金融行業數據量大。LLM可以通過機器學習對這些數據進行分析，預測市場趨勢和投資機會。在投顧領域，傳統的投資建議往往是針對所有客戶的，但是有了LLM，可以提供智能投顧服務，針對不同客戶特定的需求偏好，提供個性化的投資建議。其次LLM可以評估投資或金融產品的潛在風險，包括分析市場趨勢、評估公司的財務狀況以及考慮可能影響金融市場的宏觀經濟因素。 綜上所述，LLM在金融領域具有巨大的潛力，而知識圖譜在該領域已經取得了一定的成就。隨著LLM推理能力的不斷增強以及事實謬誤、算力等問題的逐一解決，LLM有望在金融領域佔據舉足輕重的地位。 本文作者：張清鵬博士 在此感謝InnoHK、香港特別行政區政府及人工智能金融科技實驗室對本文的支援。（AIFT竭力但不能保證內容之準確和可靠，亦不會承擔因任何不準確或遺漏而引起的任何損失或損害。… 

近來，Web3 之風席捲香港。香港政府於上個月成功舉辦了Web3 嘉年華和成立Web3 協會，旨在推動香港Web3 與金融創新的有機結合。然而，在將香港打造為新一代Web3 中心的熱潮之中，亦有不少聲音潑冷水，認為香港現時發展Web3 仍面臨諸多來自政策和技術層面的困難，擔心在業內人士的觥籌交錯之後只餘炒作。那麼香港究竟能否成功建立Web3 產業？香港在發展Web3 方面有哪些優劣勢？本文將從香港近二十年互聯網技術相關領域的人才流動情況解碼，並在此基礎上探討香港應如何優化人才策略。 優劣並存的人才發展 Web3 （第三代互聯網）是以去中心化、數字身份和數據所有權為特徵的新一代互聯網。我們現在用來交互溝通、內容創作的互聯網、應用程式、社交媒體平台等，就屬於Web2.0 的範疇；而Web3 更進一步，將如今少數大公司的數據控制權「去中心化」，交還到每一位用戶手中，使得每個人都可以成為數據的擁有者，毋需第三方的介入便可以自由買賣和交換自己的數據。在技術層面，Web3 的發展高度依賴區塊鏈、人工智能和機器學習；同時，香港作為全球金融中心，也冀望新一代互聯網的發展能夠升級改造金融業。所以香港要想在Web3 上有所突破，在這幾大技術層面的創新必不可少。而要為一個領域注入源源不斷的創新力量，就需要人才。 首先，香港在互聯網技術研究的人才數量在近二十年穩步增長【圖1】。我們以香港從事互聯網技術相關研究的學者數量作為衡量標準，對比新加坡、台灣和南韓，發現儘管受制於高校數量和城市體量的問題，香港的總體研究人才數量並不佔優，但在2017年過後，香港相關領域的研究人才數量漲幅較大，增長明顯快過新加坡和台灣。 研究型人才的迅速增長可能得益於香港的引進人才策略。在過去的二十年間，香港在引進及輸出的人才上均保持穩定增長，即使在疫情之下兩方面的人才流動亦沒有受到顯著影響【圖2】。人才的流動性是評估一個地區吸引力和競爭力的重要指標；這表明香港始終保有一定的人才吸引力。然而，人才的留存問題也不得不關注，我們發現香港的輸出人才數量一直高於引進的人才數量，且兩者之差有擴大的趨勢。 高端人才保證一個城市的核心競爭力。除了近幾年高速增長的人才數量，在高影響力人才方面，香港亦位於亞洲四小龍的領先位置【圖3】。比如在世界研究影響力排名前10%的人才中，香港目前在互聯網技術研究的高影響力人才數量處於第一位，在人工智能及金融領域僅次於南韓，與新加坡同排第二位。這些數據說明香港在相關研究領域已經擁有一批優秀的學者，他們的成果在國際上有較高的認可度和影響力。而這無疑對於香港的Web3 發展和金融行業的創新是有利的。 發展Web3 的落腳點仍是人才  可以看到，香港在Web3 發展的人才方面是優劣並存的。香港的優勢在於擁有一批高端科研人才，而劣勢在於人才的總量較少，且存在人才流失的問題，這些都有可能導致相關領域的人才後備不足，不利於尖端技術的下沉和普及；同時，雄厚的科研力量不等同於成功的市場實踐，如何將論文轉化為技術、技術轉化為生產力，才是香港在Web3領域行穩致遠的關鍵。因此，為了香港Web3 的高效發展和金融行業的創新升級，我們提出以下幾點建議： 首先，增加對Web3 相關領域的教育和培訓投入，提高本地人才的數量及質素。通過在大學、專科學校甚至中小學開設課程，組織講座及研討會、提供相關的實習機會等方式，培養更多對Web3 感興趣且有能力的本地人才，為行業發展提供人力支持。 其次，加強與其他地區和國家在Web3 方面的合作與交流，引進更多的外來人才和資源。通過建立合作夥伴關係、參與國際合作項目、拓寬香港在Web3 領域的視野，同時進一步提升國際影響力，吸引更多的優秀人才和資本進入香港市場。 此外，政府都應加強Web3 的宣傳和推廣，提高公眾和社會的認知及參與度。通過媒體、社交網絡、公共教育等渠道，向大眾普及Web3 的相關知識、應用以及法例，提高社會全體對於Web3 的接受度和信任度，為在港的Web3…