科學家新視野－AI協助海關查驗非法交易
現行海關查緝非法進口交易的作法，仰賴執法人員人工查覈。圖爲海關人員查緝私煙。圖／中央社
海關是一個國家進出口貿易最重要的機構，最重要的任務之一是查緝非法走私貨物，有效查緝非法走私可減少犯罪並提高政府關稅收入。現行查緝非法進口交易的作法仰賴執法人員人工查覈，然而面對每天成千上萬的進口貨物，有限的人力難以全面查緝，若僅抽樣查覈一部份，又可能有漏網之魚。
我們研究團隊與世界海關組織（World Customs Organization, WCO）合作，開發一套能夠自動偵測非法交易的人工智慧演算法，簡稱爲「DATE模型」，此模型能從海關進口交易的大數據中學習偵測非法走私。每一筆申報進口交易的紀錄，包含商品類型、數量、重量與價值等資訊，都是DATE模型要學習的資料「特徵」。學習出這些特徵與非法交易的潛在關聯後，DATE模型能產生偵測爲非法交易的機率值，海關查緝人員僅須專注於檢測機率值較高的交易貨品，機率值較低的交易貨品則可以隨機抽樣或直接放行，減少人力成本。DATE模型除了偵測非法交易，更可以對偵測結果產生對應的可解釋性文字，來輔助說明爲何該交易貨品是非法交易。
1.能從交易貨品的特徵中，找出最有效辨識非法交易的特徵組合，例如讓AI判斷「貨品類型、價值、重量」此組合是否隱含非法交易的線索。
2.可讓AI學習特徵組合與商品之間的關聯性，若AI學習到「價值2～3萬且重量2,000～3,000克」液晶電視被謊報爲「價值5,000～1萬且重量500～1,000克」電腦熒幕的機率很高，就可讓查驗人員知道要特別注意這兩個特徵組合的關聯。
3.訓練AI能同時預測交易是否非法，以及預測交易能帶來的額外關稅收益。
目前DATE模型已在奈及利亞與馬拉威的海關係統中測試，讓海關查緝人員可以只檢測一百多萬筆進口交易中的10％貨品，就能找到所有非法交易的90％，並找回比傳統機器學習方法還要多兩倍的逃漏關稅收益。通過測試後，DATE模型未來將會應用在這些國家的海關係統上。若要將DATE模型運用在臺灣，有幾個值得留意的地方。首先，必須先確認臺灣海關的進出口資料與WCO所提供之海關資料欄位是否契合，若欄位調整至相同，即能運用目前已經訓練好的模型來偵測非法交易；若欄位難以調整，則重新進行資料前處理、訓練專屬臺灣海關的AI模型。另一方面，不肖廠商可能根據不同國家的海關法規，鑽不同的漏洞，所以不同國家的非法交易行爲可能不同。爲使DATE模型學習到臺灣的非法交易行爲，我們可用已經訓練好的DATE模型，再加上臺灣海關現有的非法交易資料並微調模型的參數，才能更好的轉移模型到臺灣海關的偵測系統上。
由於每日的交易數量相當龐大，目前多數先進國家不像奈及利亞等國海關，會檢測每一筆進口交易，因此非法交易的標記數據非常稀少。針對此問題，我們團隊正着手開發新的AI演算法，讓不同國家的海關能利用現有大量的未標記數據，加上非常少量的標記數據，便能得到與目前DATE模型接近的準確性。於是，每個國家便不需仰賴以其他國家資料訓練出來的模型，可以用自己國內海關進出口的資料來訓練，不但能保密資料，更能讓AI學到適合自己國家的模型。