作者：彭冠蓉

一、前言

以科技協助法律之實現此一議題隨著近來不同科技之興起，而帶來多樣之話題。延續前文探討區塊鏈(blockchain)或分散式帳本(distributed ledger technology)如何應用在「法遵科技」(regulatory technology，亦稱「RegTech」)及「監管科技」(supervisory technology，亦稱「SupTech」)，本文聚焦歐洲中央銀行(European Central Bank)近來在應用人工智慧(artificial intelligence，亦稱「AI」)於監管科技時採取之措施，研究管制之不同態樣—自動化金融管制。

根據歐洲中央銀行於2019年11月13日發佈之一份新聞稿，其揭露了歐洲中央銀行欲積極開發使用人工智慧以協助銀行監管(banking supervision)之實現的決心及計畫[1]。該新聞稿開宗明義即指出，長期以來銀行監管仰賴大量的專業經驗以及監管者的專業判斷；但是，隨著大型科技公司將人工智慧之應用落實於人們日常生活中，人工智慧之應用將亦能協助管制者們對於銀行的監管[2]。其中，若要使上述應用得以實現，關鍵即在於資料(data)，大量資料之可得性即為人工智慧應用於監管的重要先決條件[3]。歐洲中央銀行監察理事會(Supervisory Board)主席Andrea Enria強調，在數位經濟(digital economy)之時代，資料即是力量，但唯有具意義之資料分析才是關鍵，人工智慧的角色即為協助該資料分析[4]。因此，自上述論述中可看出，人工智慧協助監管落實的關鍵為資料分析，而此亦呼應前文所提及之—一個以資料為導向(data-driven)的金融市場正逐漸形成[5]。針對上述監管科技的發展，除了歐洲中央銀行有一系列相關的作為外，Andrea Enria亦特別指出荷蘭中央銀行(De Nederlandsche Bank)亦相當積極並有相關措施[6]；例如，荷蘭中央銀行運用人工智慧分析交易網絡以偵測可疑交易[7]。

如前所述，資料分析為監管應用人工智慧之核心概念，更重要的是，因資料分析之方式不同、或是其結果不同，而使得監管者所能得到之應注意的議題亦有所不同[8]。抽象地來說，由於科技之使用，使得金融管制呈現一種動態(dynamism)之樣貌，而可以隨時調整並適應不同情況，此即反映了所謂之「自動化適應性管制」(automated adaptive regulation)[9]。本文認為，上述人工智慧在監管的應用，在抽象概念上來說，恰恰反映了此一自動化適應性管制之思維，並有助於金融科技主導之時代的創新發展與管制，本文將簡述其緣由。

本文第二部份將簡要介紹何為人工智慧，及其不同態樣有哪些，此部分以上述的歐洲中央銀行相關措施為例，說明在銀行監管下如何應用。本文第三部份則上溯至抽象的層面，以「自動化適應性管制」此概念為核心，說明為什麼歐洲中央銀行的措施將有助於金融科技的發展及管制。第四部份為結語。

二、人工智慧如何應用至銀行監管—以歐洲中央銀行之措施為例

• 人工智慧簡要定義

根據論者指出，「人工智慧」一詞並非一全新的概念，事實上，早在1956年美國之電腦科學家John McCarthy即提出「思考機器」(thinking machines)概念[10]；其進一步指出，人工智慧乃「創造智慧機器之科學與工程，特別係智慧之電腦程式。其類似於使用電腦來理解人類智慧，但是不限制於那些僅能從生物之角度觀察而得的方法。[11]」此外，若理解人工智慧為使用電腦科學以模擬智慧的人類行為，論者強調該智慧的人類行為係屬可以隨時調整並適應環境的變動(adapt to changing circumstances)，故人工智慧亦有相當之作用[12]。

• 人工智慧如何應用至銀行監管？—機器學習與自然語言處理

如前言所述，歐洲中央銀行正積極研究應用人工智慧至銀行監管，當中，歐洲中央銀行特別聚焦於人工智慧之二大主要領域。第一領域為機器學習(machine learning)[13]，其監督式(supervised)及非監督式(unsupervised)之態樣皆可應用至銀行監管[14]。舉例來說，透過監督式機器學習，可立基於經濟指標、銀行資料及歷史資料，預測歐元區內不良債權(non-performing loans)的程度[15]。透過非監督式機器學習，則可透過學習監管資料的特性，辨識與銀行相關的流動性問題[16]。第二領域則為自然語言處理(natural language processing)[17]，舉例來說，具備自然語言處理之電腦可協助監管者分析非結構化資料(unstructured data)，進而提取其中資訊、辨識內容屬正面、負面或中立[18]。根據國際清算銀行指出，簡要而論，機器學習主要應用在偵測異常、交易網絡分析與風險估算；自然語言處理，例如文字探勘(text mining)，則是可以用於大量的語法文字分析，以協助例如反洗錢或反詐欺等場景[19]。

• 歐洲中央銀行之措施及應用個案

為了開發更多應用人工智慧或其他新興科技至銀行監管的場景，歐洲中央銀行成立了監管科技中心(SupTech Hub)，以集結內部及外部專家協助監管者對新興科技進行更深入的了解，並且，歐洲中央銀行亦正進行與人工智慧相關的研究案，尤其是針對上述機器學習及自然語言處理進行研究[20]。

以下舉例並簡述歐洲中央銀行正進行的應用個案，較具體落實的個案係與機器學習相關，主要有四個個案：第一為貨幣市場統計回報(money market statistical report, “MMSR”)，其自2016年4月起蒐集歐元區內52家最大之銀行的每日約4萬5千筆貨幣市場交易資料，進行例如異常檢測(anomaly/outlier detection)或資料驗證等事項；第二為AnaCredit資料分析，即運用歐元區內將近6千萬筆銀行貸款資料，進行資料品質檢測的自動化或真實性檢查(plausibility checks)；第三為監管資料分析，針對與約5560家銀行相關之資料（例如其財務、風險、流動性與槓桿相關資料）分析，以評估資料可信度與品質；第四為衍生性金融商品交易資料分析，自2014年起每日蒐集2千萬至1億筆資料，進行資料檢驗或配對等等[21]。

三、金融科技時代下的自動化適應性管制理念

• 適應性管制之理念

本節自較為上位的概念，討論為何應用人工智慧於例如銀行監管之金融管制領域，正受到重視。如前言所敘，人工智慧的應用反映了一種自動化適應性管制的理念，故可適用於金融科技創新影響的時代。

根據論者指出，由於現代市場變動快速且往往有其複雜性(complexity)，使得管制者無法充分理解市場，因此，新型態之管制應具有適應性及彈性，進而使法律或管制可能得以跟上市場變動之速度或其演進[22]。因此，論者提出，所謂之「適應性管制」(adaptive regulation)，將為現代具有複雜性之市場所需要[23]。適應性管制意味著，管制本身得以隨時根據先前之管制決策而調整[24]。

（二）適應性管制如何實現？監管科技為一例證

至於適應性管制之實現具有兩大基石或兩大態樣，一為管制者本身具有較大的裁量權(discretion)，故可隨時調整管制措施[25]；二為透過先行定義之條件，應用科技實現自動化管制[26]。換句話說，前者有賴於管制者自行之裁量，而後者則是強調科技使管制調整得以自動化。諸如演算法(algorithms)、機器學習或廣義之人工智慧等等，皆是可以實現自動化適應性管制的科技[27]。因此，所謂之監管科技或是法遵科技，正是自動化適應性管制於當代實現的例子[28]。

（三）適應性管制之優點

於現今金融科技影響的時代，有論者提出管制應超越傳統認為需管制或不需管制的二分法，取而代之的是，管制可以取其中庸，採取一種逐步漸進的「智慧管制」(smart regulation)[29]。例如，近年來多國已採取或即將採取之「監理沙盒」(regulatory sandbox)，亦即透過建立一個針對創新之試驗場，給予新創公司一個風險可控、法規暫時鬆綁或豁免的環境，以實驗其創新產品或服務，管制者而後再根據本身裁量決定如何應對此創新，此概念正是智慧管制的反映[30]。事實上，無論是監理沙盒或是本文所述之監管科技，某種程度上似乎皆是一種跳脫傳統直接管制或不管制之思維[31]；透過管制者本身裁量或是科技，達到兼顧鼓勵創新、保護投資人或消費者、維持金融穩定之目的。

四、結語

自然，科技的應用可能帶給管制者成本與增加複雜性，但本文所介紹之歐洲中央銀行應用人工智慧於銀行監管的例子，實際上映證了在新興科技影響之時代，科技除了可以協助管制者或被管制者，亦可帶來一個跳脫傳統管制二分思維之機會。此一機會或可與前述成本做衡量，從而取得平衡。