Czego możemy się nauczyć z przypadków użycia AI i ML?

Czego możemy się nauczyć z przypadków użycia AI i ML?

Znacznik czasu: 5 marca 2024 4:05
Czego możemy się nauczyć z przypadków użycia AI i ML? Inteligencja danych PlatoBlockchain. Wyszukiwanie pionowe. AI.

Według niedawnego badania przeprowadzonego przez Bank of England wykorzystanie technologii uczenia maszynowego w brytyjskich firmach świadczących usługi finansowe stale rośnie: ponad 70% firm, które udzieliły odpowiedzi, korzysta lub rozwija aplikacje do uczenia maszynowego (ML), przy czym firmy spodziewają się, że
liczba wniosków w zakresie uczenia maszynowego wzrośnie ponad trzykrotnie w ciągu najbliższych trzech lat. Zgłaszane korzyści płynące z technologii uczenia maszynowego to ulepszone możliwości w zakresie danych i analiz, zwiększona efektywność operacyjna oraz ulepszone wykrywanie oszustw i prania pieniędzy (Bank of
Anglia, 2022).

Jeśli należysz do 70% szczęśliwych firm, które już wdrożyły ML, wiesz, że zmierzasz ku dobremu. Może się jednak wydawać, że zastosowałeś już ML we wszystkich oczywistych przypadkach użycia w swojej firmie. Z drugiej strony, jeśli tak
nie zacząłeś jeszcze opracowywać ani wdrażać aplikacji ML w swojej firmie, wówczas rozpoczęcie takiego rozważania może wydawać się ogromnym wyzwaniem. Rzeczywiście rozsądne wydaje się wyobrażenie sobie rzeczywistego odsetka firm, które nie rozpoczęły jeszcze swojej podróży w zakresie uczenia maszynowego
jest nawet większa niż 30%, ponieważ liczby te opierają się na organizacjach, które odpowiedziały na ankietę dotyczącą prania pieniędzy (tj. wykazały stronniczość w zakresie samoselekcji).

Rozważając nowe możliwości zastosowań ML – lub szerzej AI – niezależnie od tego, czy dzieje się to po raz pierwszy, czy nie, warto zastanowić się, w jaki sposób inne organizacje z powodzeniem zastosowały te technologie. Często informacje te mogą być trudne
dostępu, ze względu na wrażliwy charakter handlowy. W przypadkach, gdy jest dostępny, można go ukryć w treści raportów, wyników ankiet lub innej dokumentacji. Celem mojej ostatniej recenzji i pojawienia się w tym miesiącu w Londynie wraz z Google jest pomoc
innym, aby pokonać to wyzwanie i po zapoznaniu się z literaturą podzielić się systematycznym zrozumieniem przypadków użycia sztucznej inteligencji i uczenia maszynowego w dziedzinie usług finansowych.

Przedstawię syntetyczne podsumowanie, które podzielę na trzy główne kategorie: zarządzanie ryzykiem, kwestie organizacyjne/operacyjne oraz zwiększanie doświadczenia i zaangażowania klientów. Jak w przypadku każdego przeglądu literatury, należało podjąć decyzje
grupowanie, kategoryzacja i uwzględnianie przypadków użycia i ich źródeł. Przykładowo do szerszego przeglądu, który obejmuje także algorytmy AI i ML oraz zagrożenia związane ze stosowaniem tych technologii, polecam najnowszy raport Instytutu Turinga
(Maple i in. 2023).

Sektor usług finansowych

Według ostatnich badań organizacje z sektora usług finansowych coraz częściej wdrażają technologie uczenia maszynowego i sztucznej inteligencji oraz czerpią z nich korzyści. Jednak jedną z przeszkód na drodze do wdrożenia sztucznej inteligencji jest identyfikacja odpowiednich przypadków użycia. W tym
W artykule zbadaliśmy szereg przypadków użycia, które można ogólnie podzielić na „Zarządzanie ryzykiem”, „Organizacyjne/operacyjne” oraz „Poprawianie jakości obsługi i zaangażowania klientów”. W niektórych przypadkach bardziej przydatne może być odejście od konkretów
przypadków użycia, aby zastosować podejście bardziej indukcyjne. Aby w tym pomóc, przedstawiłem trzy ogólne cechy przypadków użycia AI/ML, a mianowicie „Procesy biznesowe”, „Dane” i „Typ zadania”, wraz z odpowiednimi przykładami.

Podsumowanie technologii i zastosowań ML i AI nie byłoby kompletne bez dotknięcia potencjalnych możliwości, jakie oferuje generatywna sztuczna inteligencja. Chociaż podejścia te istnieją od kilku lat, nadszedł koniec 2022 r. i publiczna wersja beta
ChatGPT firmy OpenAI i podobne narzędzia konkurencji, takie jak PaLM-2; zwróciło to na nich uwagę opinii publicznej i liderów biznesu. Obecnie takie generatywne podejścia do sztucznej inteligencji nie zostały jeszcze uwzględnione w systematycznych przeglądach zastosowań sztucznej inteligencji i uczenia maszynowego w finansach
usług (chociaż Buckmann, Haldane i Hüser, 2021 dokonali przeglądu i zidentyfikowali ograniczenia wcześniejszego modelu dużego języka OpenAI GPT-3). Jednak w trosce o kompletność należy wziąć pod uwagę kilka typowych obszarów, w których wykorzystywane są generatywne technologie AI
takie jak ChatGPT mogą być skutecznie stosowane.

Nie mogę się doczekać, aż wkrótce podzielę się szczegółowymi recenzjami, w tym podczas wydarzenia Google w Londynie w tym miesiącu!

Znak czasu:

Więcej z Fintextra