এআই এবং এমএল ব্যবহারের ক্ষেত্রে আমরা কী শিখতে পারি?

ব্যাঙ্ক অফ ইংল্যান্ডের সাম্প্রতিক সমীক্ষা অনুসারে, যুক্তরাজ্যের আর্থিক পরিষেবা সংস্থাগুলিতে এমএল প্রযুক্তির ব্যবহার ক্রমাগত বৃদ্ধি পাচ্ছে: 70% এরও বেশি যে সংস্থাগুলি প্রতিক্রিয়া জানিয়েছে তারা মেশিন লার্নিং (এমএল) অ্যাপ্লিকেশনগুলি ব্যবহার করছে বা বিকাশ করছে, সংস্থাগুলি আশা করছে
আগামী তিন বছরে ML আবেদনের সংখ্যা তিনগুণেরও বেশি। এমএল প্রযুক্তির উল্লিখিত সুবিধাগুলি হ'ল বর্ধিত ডেটা এবং বিশ্লেষণ ক্ষমতা, বর্ধিত অপারেশনাল দক্ষতা, এবং জালিয়াতি এবং অর্থ পাচারের উন্নত সনাক্তকরণ (ব্যাঙ্ক অফ
ইংল্যান্ড, 2022)।

আপনি যদি ভাগ্যবান 70% বা তার বেশি ফার্মের মধ্যে থাকেন যারা ইতিমধ্যে ML বাস্তবায়ন করেছে, আপনি জানেন যে আপনি একটি ভাল জিনিসের দিকে যাচ্ছেন। যাইহোক, মনে হতে পারে আপনি ইতিমধ্যেই আপনার ব্যবসার মধ্যে সমস্ত সুস্পষ্ট ব্যবহারের ক্ষেত্রে ML প্রয়োগ করেছেন৷ অন্যদিকে, আপনার যদি থাকে
আপনার ফার্মে এখনও এমএল অ্যাপ্লিকেশনগুলি বিকাশ বা স্থাপন করা শুরু হয়নি, তাহলে এটি বিবেচনা করা শুরু করার জন্য এটি একটি বিশাল চড়াই সংগ্রামের মতো মনে হতে পারে। প্রকৃতপক্ষে, এটি কল্পনা করা যুক্তিসঙ্গত বলে মনে হবে যে সংস্থাগুলির প্রকৃত শতাংশ এখনও তাদের এমএল যাত্রা শুরু করতে পারেনি
এমনকি 30%-এরও বেশি, যেহেতু এই পরিসংখ্যানগুলি সেই সংস্থাগুলির উপর ভিত্তি করে যারা ML সম্পর্কে একটি সমীক্ষায় প্রতিক্রিয়া জানিয়েছে (অর্থাৎ স্ব-নির্বাচনের পক্ষপাতিত্ব প্রদর্শন করে)।

এমএল - বা আরও বিস্তৃতভাবে এআই - অ্যাপ্লিকেশনগুলির জন্য নতুন সুযোগগুলি বিবেচনা করার সময়, এটি প্রথমবারের জন্য হোক বা না হোক, অন্যান্য সংস্থাগুলি কীভাবে এই প্রযুক্তিগুলি সফলভাবে প্রয়োগ করেছে তা বিবেচনা করা দরকারী। প্রায়ই, এই তথ্য কঠিন হতে পারে
অ্যাক্সেস করতে, এটি বাণিজ্যিকভাবে সংবেদনশীল হওয়ার কারণে। ক্ষেত্রে যখন এটি উপলব্ধ হয়, এটি রিপোর্ট, জরিপ ফলাফল বা অন্যান্য ডকুমেন্টেশনের শরীরে সমাহিত করা যেতে পারে। এই মাসে লন্ডনে গুগলের পাশাপাশি আমার সাম্প্রতিক পর্যালোচনা এবং উপস্থিতির উদ্দেশ্য হল সাহায্য করা
অন্যরা এই চ্যালেঞ্জটি কাটিয়ে উঠতে এবং সাহিত্য জরিপ করার পরে আর্থিক পরিষেবা ডোমেনে AI এবং ML ব্যবহারের ক্ষেত্রে একটি পদ্ধতিগত বোঝাপড়া ভাগ করে নিতে।

আমি সংশ্লেষিত সারাংশ উপস্থাপন করব যা তিনটি প্রধান বিভাগের অধীনে গোষ্ঠীবদ্ধ: ঝুঁকি ব্যবস্থাপনা, সাংগঠনিক/পরিচালনামূলক, এবং গ্রাহকের অভিজ্ঞতা এবং ব্যস্ততা বৃদ্ধি করা। যে কোনো সাহিত্য পর্যালোচনার ক্ষেত্রে যেমন হয়, সে বিষয়ে সিদ্ধান্ত নিতে হয়
গ্রুপিং, শ্রেণীকরণ এবং ব্যবহারের ক্ষেত্রে অন্তর্ভুক্তি এবং তাদের উত্স। উদাহরণস্বরূপ, একটি বিস্তৃত পর্যালোচনার জন্য যা এআই এবং এমএল অ্যালগরিদম এবং এই প্রযুক্তিগুলির ব্যবহার সম্পর্কিত ঝুঁকিগুলিকেও কভার করে, আমি টুরিং ইনস্টিটিউটের সাম্প্রতিক প্রতিবেদনের সুপারিশ করব
(Maple, et al. 2023)।

আর্থিক সেবা খাত

সাম্প্রতিক সমীক্ষা অনুসারে, আর্থিক পরিষেবা খাতের সংস্থাগুলি ক্রমবর্ধমানভাবে গ্রহণ করছে - এবং ML এবং AI প্রযুক্তিগুলি থেকে উপকৃত হচ্ছে৷ যাইহোক, এআই গ্রহণের অন্যতম বাধা হল উপযুক্ত ব্যবহারের ক্ষেত্রে চিহ্নিত করা। এই
নিবন্ধে আমরা বিভিন্ন ব্যবহারের ক্ষেত্রে অন্বেষণ করেছি যেগুলিকে বিস্তৃতভাবে 'ঝুঁকি ব্যবস্থাপনা', 'সাংগঠনিক/পরিচালনামূলক' এবং 'গ্রাহকের অভিজ্ঞতা এবং ব্যস্ততা বৃদ্ধি করা'-তে বিভক্ত করা যেতে পারে। কিছু ক্ষেত্রে, নির্দিষ্ট থেকে দূরে বিমূর্ত করা আরও কার্যকর হতে পারে
আরও প্রবর্তক পদ্ধতি ব্যবহার করার জন্য কেস ব্যবহার করুন। এটিতে সাহায্য করার জন্য, আমি AI/ML ব্যবহারের ক্ষেত্রে তিনটি বিস্তৃত বৈশিষ্ট্য উপস্থাপন করেছি, যথা 'ব্যবসায়িক প্রক্রিয়া', 'ডেটা' এবং 'টাস্ক টাইপ', সংশ্লিষ্ট উদাহরণ সহ।

জেনারেটিভ এআই দ্বারা প্রস্তাবিত সম্ভাব্য সুযোগগুলি স্পর্শ না করে এমএল এবং এআই প্রযুক্তি এবং অ্যাপ্লিকেশনগুলির একটি সারাংশ সম্পূর্ণ হবে না। যদিও এই পদ্ধতিগুলি বেশ কয়েক বছর ধরে বিদ্যমান, এটি 2022 সালের শেষের দিকে এবং পাবলিক বিটা রিলিজ ছিল
OpenAI দ্বারা ChatGPT এবং প্রতিযোগীদের দ্বারা অনুরূপ সরঞ্জাম যেমন PaLM-2; যা তাদের সাধারণ জনগণ এবং ব্যবসায়ী নেতাদের দৃষ্টি আকর্ষণ করেছিল। বর্তমানে, আর্থিক ক্ষেত্রে এআই এবং এমএল অ্যাপ্লিকেশনগুলির পদ্ধতিগত পর্যালোচনাগুলিতে এই ধরনের জেনারেটিভ এআই পদ্ধতির বৈশিষ্ট্য এখনও দেখা যায়নি
পরিষেবাগুলি (যদিও Buckmann, Haldane এবং Hüser, 2021 পূর্ববর্তী OpenAI বৃহৎ ভাষা মডেল GPT-3-এর সীমাবদ্ধতাগুলি পর্যালোচনা ও চিহ্নিত করেছে)। যাইহোক, সম্পূর্ণতার স্বার্থে, আপনাকে কিছু সাধারণ ক্ষেত্র বিবেচনা করতে হবে যেখানে জেনারেটিভ এআই প্রযুক্তি
যেমন ChatGPT কার্যকরভাবে প্রয়োগ করা যেতে পারে।

আমি এই মাসে লন্ডনে আমাদের Google ইভেন্টে তা করা সহ শীঘ্রই বিশদ পর্যালোচনাগুলি ভাগ করে নেওয়ার জন্য উন্মুখ!

• এসইও চালিত বিষয়বস্তু এবং পিআর বিতরণ। আজই পরিবর্ধিত পান।
• PlatoData.Network উল্লম্ব জেনারেটিভ Ai. নিজেকে ক্ষমতায়িত করুন। এখানে প্রবেশ করুন.
• প্লেটোএআইস্ট্রিম। Web3 ইন্টেলিজেন্স। জ্ঞান প্রসারিত. এখানে প্রবেশ করুন.
• প্লেটোইএসজি। কার্বন, ক্লিনটেক, শক্তি, পরিবেশ সৌর, বর্জ্য ব্যবস্থাপনা. এখানে প্রবেশ করুন.
• প্লেটো হেলথ। বায়োটেক এবং ক্লিনিক্যাল ট্রায়াল ইন্টেলিজেন্স। এখানে প্রবেশ করুন.
• উত্স: https://www.finextra.com/blogposting/25836/what-can-we-learn-from-ai-and-ml-use-cases?utm_medium=rssfinextra&utm_source=finextrablogs