ما الذي يمكننا تعلمه من حالات استخدام الذكاء الاصطناعي والتعلم الآلي؟

أعاد نشره أفلاطون

المتابعون: 0

ماذا يمكننا أن نتعلم من حالات استخدام الذكاء الاصطناعي والتعلم الآلي؟ ذكاء البيانات في PlatoBlockchain. البحث العمودي. منظمة العفو الدولية.

وفقًا لدراسة حديثة أجراها بنك إنجلترا، يستمر استخدام تقنيات التعلم الآلي في شركات الخدمات المالية في المملكة المتحدة في التزايد: أكثر من 70% من الشركات التي استجابت كانت تستخدم أو تطور تطبيقات التعلم الآلي (ML)، وتتوقع الشركات أن
عدد طلبات تعلم الآلة إلى أكثر من ثلاثة أضعاف خلال السنوات الثلاث المقبلة. تتمثل الفوائد المبلغ عنها لتقنيات تعلم الآلة في تعزيز قدرات البيانات والتحليلات، وزيادة الكفاءة التشغيلية، وتحسين اكتشاف الاحتيال وغسل الأموال (بنك أوف أوف).
إنجلترا، 2022).

إذا كنت من بين 70% من الشركات المحظوظة التي طبقت تعلم الآلة بالفعل، فأنت تعلم أنك في طريقك إلى شيء جيد. ومع ذلك، قد يبدو الأمر وكأنك قد قمت بالفعل بتطبيق تعلم الآلة على جميع حالات الاستخدام الواضحة داخل عملك. ومن ناحية أخرى، إذا كان لديك
لم تبدأ بعد في تطوير تطبيقات تعلم الآلة أو نشرها في شركتك، فقد يبدو الأمر بمثابة صراع شاق كبير حتى للبدء في التفكير فيه. في الواقع، قد يبدو من المعقول أن نتخيل النسبة المئوية الفعلية للشركات التي لم تبدأ بعد رحلة تعلم الآلة
بل إنها أكبر من 30%، نظرًا لأن هذه الأرقام تعتمد على المنظمات التي استجابت لاستطلاع حول تعلم الآلة (أي إظهار التحيز في الاختيار الذاتي).

عند النظر في الفرص الجديدة لتطبيقات تعلم الآلة - أو الذكاء الاصطناعي على نطاق أوسع - سواء كان ذلك لأول مرة أم لا، فمن المفيد النظر في كيفية نجاح المؤسسات الأخرى في تطبيق هذه التقنيات. في كثير من الأحيان، يمكن أن تكون هذه المعلومات صعبة
للوصول إليها، نظرًا لكونها حساسة تجاريًا. وفي الحالات التي يكون فيها ذلك متاحًا، يمكن دفنه في نص التقارير أو نتائج الاستطلاع أو الوثائق الأخرى. الغرض من مراجعتي الأخيرة وظهوري هذا الشهر في لندن جنبًا إلى جنب مع Google هو المساعدة
الآخرين للتغلب على هذا التحدي ومشاركة الفهم المنهجي لحالات استخدام الذكاء الاصطناعي وتعلم الآلة في مجال الخدمات المالية بعد مسح الأدبيات.

سأقدم الملخص المركب الذي تم تجميعه تحت ثلاث فئات رئيسية: إدارة المخاطر، التنظيمية / التشغيلية، وتعزيز تجربة العملاء ومشاركتهم. كما هو الحال مع أي مراجعة للأدبيات، كان لا بد من اتخاذ القرارات بشأنها
تجميع وتصنيف وإدراج حالات الاستخدام ومصادرها. على سبيل المثال، لإجراء مراجعة أوسع تغطي أيضًا خوارزميات الذكاء الاصطناعي والتعلم الآلي والمخاطر المتعلقة باستخدام هذه التقنيات، أوصي بالتقرير الأخير الصادر عن معهد تورينج
(مابل وآخرون 2023).

قطاع الخدمات المالية

وفقًا لاستطلاعات الرأي الأخيرة، تتبنى المؤسسات العاملة في قطاع الخدمات المالية بشكل متزايد تقنيات تعلم الآلة والذكاء الاصطناعي وتستفيد منها. ومع ذلك، فإن إحدى العقبات التي تحول دون اعتماد الذكاء الاصطناعي هي تحديد حالات الاستخدام المناسبة. في هذا
لقد استكشفنا في المقالة مجموعة من حالات الاستخدام التي يمكن تجميعها على نطاق واسع في "إدارة المخاطر"، و"التنظيمية/التشغيلية"، و"تعزيز تجربة العملاء ومشاركتهم". في بعض الحالات، قد يكون من المفيد التجريد بعيدًا عن الأمور المحددة
حالات الاستخدام من أجل استخدام نهج أكثر استقرائي. للمساعدة في ذلك، قدمت ثلاث خصائص عامة لحالات استخدام الذكاء الاصطناعي/التعلم الآلي، وهي "عمليات الأعمال"، و"البيانات"، و"نوع المهمة"، إلى جانب الأمثلة المقابلة.

لن يكتمل ملخص تقنيات وتطبيقات تعلم الآلة والذكاء الاصطناعي دون التطرق إلى الفرص المحتملة التي يوفرها الذكاء الاصطناعي التوليدي. على الرغم من وجود هذه الأساليب منذ عدة سنوات، إلا أنه كان في أواخر عام 2022 وتم إصدار الإصدار التجريبي العام منها
ChatGPT بواسطة OpenAI وأدوات مماثلة من قبل المنافسين مثل PaLM-2؛ الأمر الذي لفت انتباه عامة الناس ورجال الأعمال. في الوقت الحالي، لم تظهر بعد مثل هذه الأساليب التوليدية للذكاء الاصطناعي في المراجعات المنهجية لتطبيقات الذكاء الاصطناعي وتعلم الآلة في المجال المالي
الخدمات (على الرغم من أن بوكمان وهالدين وهوسر، قاموا في عام 2021 بمراجعة وتحديد القيود المفروضة على نموذج اللغة الكبير السابق لـ OpenAI GPT-3). ومع ذلك، من أجل الاكتمال، تحتاج إلى النظر في بعض المجالات النموذجية التي تستخدم فيها تقنيات الذكاء الاصطناعي التوليدية
مثل ChatGPT يمكن تطبيقه بشكل فعال.

وإنني أتطلع إلى مشاركة المراجعات التفصيلية قريبًا بما في ذلك القيام بذلك في حدث Google الذي سنعقده في لندن هذا الشهر!