海關把守國境大門，查緝走私是主要業務之一，龐大貨物量是各國海關沉重的負擔。成大數據科學研究所副教授李政德與學生蔡育哲組成團隊，在科技部哥倫布計畫補助下，和韓國基礎科學中心 (Institute of Basic Science, IBS) 組成跨國團隊，與世界海關組織(World Customs Organization, WCO)合作，研發AI人工智慧演算法進行海關走私偵測。現正在奈及利亞與馬拉威的海關進行每週線上測試，也著手開發該兩國專屬的海關查緝非法系統。這項AI人工智慧演算法也將積極推廣到世界各國的海關。相關研究論文將在今年8月於AI人工智慧頂尖國際會議ACM KDD 2020發表。

此跨國合作計畫自2019年11月開始，於COVID-19疫情蔓延全球期間完成，李政德指出，這項研究成果對目前防疫期間格外重要，因為海關走私抽查人員可透過AI偵測非法交易，避免暴露在可能接觸被病毒感染貨物的高風險環境中。雖然臺灣並非WCO會員國，但這項臺灣在AI走私偵測的貢獻，也顯示了Taiwan Can Help and Taiwan Is Helping！

成大數據科學研究所副教授李政德(圖右)與學生蔡育哲(圖左)組成團隊

李政德表示，此項演算法在奈及利亞與馬拉威海關的線下測試以及每週進行的線上測試中，都能顯著提升海關查緝非法交易上的成效，同時也可協助偵測企圖以高價低報逃避關稅者，間接提升海關的收益。WCO已於今年5月19日藉由新聞稿正式宣布這項AI偵測海關非法走私的合作成果。

ACM KDD 2020 (知識發現與資料探勘國際會議)由ACM (美國計算機學會)主辦，為全球大數據分析與AI領域最頂尖的國際會議，去年約有3500人參與，論文投稿接受度只有16%，論文可獲接受並發表於ACM KDD 2020大會的手冊，實屬不易。

李政德指出，海關進口申報時必須填寫來源國、進口商、商品價值等資料，傳統海關以人工逐批抽查貨物，但因每天湧入的貨物很多，無法逐一抽查。團隊運用AI機器學習與深度學習技術，讓AI可以從每筆進口申報的資料中，找出進口單、貨物、進口貨物類型、數量、與價格的關聯性，根據歷史資料準確找出非法交易的有效線索，並建立出一套即時偵測模組。海關可透過這套模組，偵測貨物是否有可能為非法走私交易，讓有限的人力可以專注在較為可疑的貨物交易上。

參與WCO合作計畫的學生蔡育哲說，根據奈及利亞2012至2017年的資料，違法交易僅佔了所有交易中的1%至2%，現行作法是仰賴人工檢測與經驗法則判斷。研究團隊透過讓AI學習260萬筆奈及利亞海關自2012至2017年的進口交易紀錄。因AI會評估每筆交易是否違法的機率值並且予以排序，結果顯示， 從260萬筆資料中，排序最前的10%，就能揪出全部資料中90%的違法交易，相比人工偵測準確率僅2%，可說效果大幅提升。同時，該AI演算法亦能追回2倍以上非法交易帶來的逃漏關稅損失。團隊所開發的AI偵測非法海關進口交易的相關程式碼也已發佈於開源網站，供各國海關組織及其他研究團隊參考。

接下來，團隊將繼續精進研究，希望能讓AI只用1%的海關進口交易資料，就能抓出絕大多數的違法交易、並儘量減少逃漏關稅帶來的損失。李政德更希望藉由研究成果，能讓世界看到台灣的AI研發能量，了解台灣雖然不是WCO會員國，卻能對世界有幫助，協助各國海關打擊非法，也期盼將來有機會可以爭取加入WCO。

另外，團隊也希望針對COVID-19全球蔓延之前與之後，各國進出口商品類型、數量變化，分析與各國疫情是否有何關聯，藉此了解全球供應鏈的變化與影響，找出產業變化的蛛絲馬跡，驗證是否確實如媒體報導，未來全球產業鏈將越來越本土化、區域化，以期能預測哪些商品的需求可能會提高，對後疫情時期的經濟復甦能有助益。