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!
- Dystrybucja treści i PR oparta na SEO. Uzyskaj wzmocnienie już dziś.
- PlatoData.Network Pionowe generatywne AI. Wzmocnij się. Dostęp tutaj.
- PlatoAiStream. Inteligencja Web3. Wiedza wzmocniona. Dostęp tutaj.
- PlatonESG. Węgiel Czysta technologia, Energia, Środowisko, Słoneczny, Gospodarowanie odpadami. Dostęp tutaj.
- Platon Zdrowie. Inteligencja w zakresie biotechnologii i badań klinicznych. Dostęp tutaj.
- Źródło: https://www.finextra.com/blogposting/25836/what-can-we-learn-from-ai-and-ml-use-cases?utm_medium=rssfinextra&utm_source=finextrablogs
- :Jest
- :nie
- :Gdzie
- 2021
- 2022
- 2023
- a
- O nas
- ABSTRACT
- dostęp
- rzeczywisty
- Przyjęcie
- Przyjęcie
- Po
- AI
- AI / ML
- AL
- Algorytmy
- Wszystkie kategorie
- wzdłuż
- wzdłuż
- już
- również
- Chociaż
- analityka
- i
- każdy
- aplikacje
- stosowany
- podejście
- awanse
- właściwy
- SĄ
- obszary
- artykuł
- AS
- At
- Uwaga
- dostępny
- z dala
- Bank
- Bank Anglii
- na podstawie
- BE
- rozpocząć
- zaczął
- jest
- Korzyści
- korzyści
- beta
- stronniczość
- ciało
- szeroki
- szerszy
- szeroko
- biznes
- Liderzy biznesu
- by
- CAN
- możliwości
- walizka
- Etui
- kategorie
- wyzwanie
- Charakterystyka
- ChatGPT
- komercyjnie
- konkurenci
- kompletny
- Rozważać
- wobec
- ciągły
- Odpowiedni
- mógłby
- Okładki
- Obecnie
- klient
- doświadczenie klienta
- dane
- Decyzje
- demonstrowanie
- rozwijać
- szczegółowe
- Wykrywanie
- rozwijać
- rozwijanie
- ZROBIŁ
- trudny
- dokumentacja
- robi
- domena
- z powodu
- e
- E i T
- Wcześniej
- faktycznie
- efektywność
- zaokrętować
- zaręczynowy
- Anglia
- wzmocnione
- wzmocnienie
- Parzyste
- wydarzenie
- przykład
- przykłady
- istniał
- oczekując
- doświadczenie
- zbadane
- Cecha
- czuć
- Postacie
- budżetowy
- usługi finansowe
- Finextra
- Firma
- firmy
- i terminów, a
- pierwszy raz
- W razie zamówieenia projektu
- Naprzód
- oszustwo
- od
- Ogólne
- ogółu społeczeństwa
- generatywny
- generatywna sztuczna inteligencja
- dobry
- większy
- miał
- ręka
- Have
- pomoc
- W jaki sposób
- Jednak
- HTTPS
- olbrzymi
- Przeszkody
- i
- Identyfikacja
- zidentyfikować
- if
- obraz
- realizowane
- ulepszony
- in
- Włącznie z
- włączenie
- Zwiększać
- wzrosła
- coraz bardziej
- rzeczywiście
- Informacja
- Instytut
- zainteresowania
- najnowszych
- IT
- podróż
- jpg
- Wiedzieć
- język
- duży
- Późno
- Pranie
- Przywódcy
- UCZYĆ SIĘ
- nauka
- lubić
- Ograniczenia
- literatura
- Londyn
- Popatrz
- maszyna
- uczenie maszynowe
- zrobiony
- Główny
- i konserwacjami
- Klon
- może
- ML
- model
- pieniądze
- Pranie pieniędzy
- Miesiąc
- jeszcze
- my
- mianowicie
- Potrzebować
- Nowości
- Następny
- numer
- oczywista
- of
- oferowany
- często
- on
- ONE
- OpenAI
- operacyjny
- Szanse
- or
- zamówienie
- organizacyjne
- Inne
- Pozostałe
- ludzkiej,
- koniec
- Przezwyciężać
- procent
- plato
- Analiza danych Platona
- PlatoDane
- potencjał
- teraźniejszość
- przedstawione
- publiczny
- cel
- zasięg
- rozsądny
- niedawny
- polecić
- zwolnić
- raport
- Zgłoszone
- Raporty
- Efekt
- przeglądu
- Recenzje
- Ryzyko
- Zarządzanie ryzykiem
- ryzyko
- sektor
- wydać się
- wrażliwy
- Usługi
- kilka
- Share
- dzielenie
- podobny
- ponieważ
- So
- kilka
- wkrótce
- Źródła
- specyficzny
- Walka
- Z powodzeniem
- taki
- PODSUMOWANIE
- Badanie
- Technologies
- niż
- że
- Połączenia
- ich
- Im
- następnie
- Te
- rzecz
- to
- trzy
- czas
- do
- narzędzia
- dotykając
- Potroić
- Turinga
- typowy
- Uk
- dla
- zrozumienie
- posługiwać się
- użyteczny
- za pomocą
- była
- we
- były
- Co
- jeśli chodzi o komunikację i motywację
- czy
- który
- KIM
- będzie
- w
- w ciągu
- bez
- by
- lat
- jeszcze
- You
- Twój
- zefirnet