Чему мы можем научиться из примеров использования искусственного интеллекта и машинного обучения?

Согласно недавнему опросу Банка Англии, использование технологий машинного обучения в британских компаниях, предоставляющих финансовые услуги, продолжает расти: более 70% ответивших компаний использовали или разрабатывали приложения машинного обучения (ML), причем фирмы ожидали, что
количество заявок на ОД более чем утроится в течение следующих трех лет. Заявленные преимущества технологий ML заключаются в расширении возможностей обработки данных и аналитики, повышении операционной эффективности и улучшении обнаружения мошенничества и отмывания денег (Банк
Англия, 2022).

Если вы входите в число примерно 70% счастливчиков, которые уже внедрили МО, вы знаете, что находитесь на правильном пути. Однако может показаться, что вы уже применили машинное обучение во всех очевидных случаях использования в вашем бизнесе. С другой стороны, если у вас есть
Если вы еще не начали разрабатывать или развертывать приложения ML в вашей фирме, то даже начать думать об этом может показаться огромной трудной задачей. Действительно, было бы разумно предположить, что реальный процент фирм, еще не вступивших в путь МО,
даже превышает 30%, поскольку эти цифры основаны на данных организаций, принявших участие в опросе об ОД (т.е. демонстрирующих предвзятость самоотбора).

При рассмотрении новых возможностей для приложений машинного обучения или, в более широком смысле, искусственного интеллекта, независимо от того, впервые это или нет, полезно учитывать, как другие организации успешно применяли эти технологии. Часто эта информация может быть сложной
к доступу, поскольку это является коммерческой тайной. В тех случаях, когда он доступен, его можно спрятать в тексте отчетов, результатах опросов или другой документации. Цель моего недавнего обзора и выступления в этом месяце в Лондоне вместе с Google — помочь
другим — преодолеть эту проблему и поделиться систематическим пониманием вариантов использования ИИ и МО в сфере финансовых услуг после изучения литературы.

Я представлю обобщенное резюме, которое сгруппировано по трем основным категориям: управление рисками, организационные/операционные и улучшение качества обслуживания и взаимодействия с клиентами. Как и в случае с любым обзором литературы, необходимо было принять решение о
группировка, категоризация и включение вариантов использования и их источников. Например, для более широкого обзора, который также охватывает алгоритмы искусственного интеллекта и машинного обучения и риски, связанные с использованием этих технологий, я бы рекомендовал недавний отчет Института Тьюринга.
(Мэйпл и др., 2023).

Сектор финансовых услуг

Согласно недавним опросам, организации в секторе финансовых услуг все чаще внедряют технологии ML и AI и извлекают из них выгоду. Однако одним из препятствий на пути внедрения ИИ является определение подходящих вариантов использования. В этом
В статье мы рассмотрели ряд вариантов использования, которые можно в общих чертах сгруппировать в «Управление рисками», «Организационное/операционное» и «Повышение качества обслуживания и взаимодействия с клиентами». В некоторых случаях может оказаться более полезным абстрагироваться от конкретных
варианты использования, чтобы использовать более индуктивный подход. Чтобы помочь в этом, я представил три общие характеристики вариантов использования AI/ML, а именно «Бизнес-процессы», «Данные» и «Тип задачи», а также соответствующие примеры.

Обзор технологий и приложений машинного обучения и искусственного интеллекта был бы неполным, если бы не коснуться потенциальных возможностей, предлагаемых генеративным искусственным интеллектом. Хотя эти подходы существовали уже несколько лет, это был конец 2022 года, и вышла публичная бета-версия
ChatGPT от OpenAI и аналогичные инструменты от конкурентов, таких как PaLM-2; это привлекло к ним внимание широкой общественности и лидеров бизнеса. В настоящее время такие генеративные подходы ИИ еще не фигурируют в систематических обзорах приложений ИИ и МО в финансовой сфере.
сервисы (хотя Бакманн, Холдейн и Хюзер в 2021 году рассмотрели и выявили ограничения более ранней модели большого языка OpenAI GPT-3). Однако для полноты картины необходимо рассмотреть некоторые типичные области, в которых применяются технологии генеративного ИИ.
такие как ChatGPT, могут быть эффективно применены.

Я с нетерпением жду возможности поделиться подробными обзорами в ближайшее время, в том числе на нашем мероприятии Google в Лондоне в этом месяце!

• SEO-контент и PR-распределение. Получите усиление сегодня.
• PlatoData.Network Вертикальный генеративный ИИ. Расширьте возможности себя. Доступ здесь.
• ПлатонАйСтрим. Интеллект Web3. Расширение знаний. Доступ здесь.
• ПлатонЭСГ. Углерод, чистые технологии, Энергия, Окружающая среда, Солнечная, Управление отходами. Доступ здесь.
• ПлатонЗдоровье. Биотехнологии и клинические исследования. Доступ здесь.
• Источник: https://www.finextra.com/blogposting/25836/what-can-we-learn-from-ai-and-ml-use-cases?utm_medium=rssfinextra&utm_source=finextrablogs