Kaj se lahko naučimo iz primerov uporabe AI in ML?

Glede na nedavno raziskavo Bank of England se uporaba tehnologij strojnega učenja v podjetjih za finančne storitve v Združenem kraljestvu še naprej povečuje: več kot 70 % podjetij, ki so odgovorila, uporablja ali razvija aplikacije strojnega učenja (ML), pri čemer podjetja pričakujejo
v naslednjih treh letih se bo število prijav ML več kot potrojilo. Poročane prednosti tehnologij ML so izboljšane podatkovne in analitične zmogljivosti, večja operativna učinkovitost ter izboljšano odkrivanje goljufij in pranja denarja (Bank of
Anglija, 2022).

Če spadate med srečnih 70 % podjetij, ki so že uvedla ML, veste, da ste na dobri poti. Vendar se lahko zdi, kot da ste ML že uporabili za vse očitne primere uporabe v vašem podjetju. Po drugi strani pa, če imate
še niste začeli razvijati ali uvajati aplikacij ML v vašem podjetju, potem se morda zdi, da je težko razmišljati o tem. Pravzaprav bi se zdelo razumno predstavljati, da je dejanski odstotek podjetij, ki se bodo še podala na svojo pot ML
je celo večji od 30 %, saj te številke temeljijo na organizacijah, ki so odgovorile na anketo o pranju denarja (tj. dokazujejo pristranskost pri samoizbiri).

Ko razmišljamo o novih priložnostih za aplikacije ML – ali širše AI –, ne glede na to, ali je to prvič ali ne, je koristno razmisliti, kako so druge organizacije uspešno uporabile te tehnologije. Pogosto so te informacije lahko težavne
za dostop, ker je komercialno občutljiv. V primerih, ko je na voljo, se lahko zakoplje v telo poročil, rezultatov raziskav ali drugo dokumentacijo. Namen mojega nedavnega pregleda in nastopa ta mesec v Londonu skupaj z Googlom je pomagati
drugi, da premagajo ta izziv in delijo sistematično razumevanje primerov uporabe AI in ML na področju finančnih storitev po pregledu literature.

Predstavil bom sintetiziran povzetek, ki je razvrščen v tri glavne kategorije: obvladovanje tveganja, organizacijsko/operativno ter izboljšanje uporabniške izkušnje in sodelovanja. Kot velja za vsak pregled literature, je bilo treba sprejeti odločitve
združevanje, kategorizacija in vključitev primerov uporabe in njihovih virov. Na primer, za širši pregled, ki zajema tudi algoritme AI in ML ter tveganja v zvezi z uporabo teh tehnologij, priporočam nedavno poročilo Turingovega inštituta
(Maple et al. 2023).

Sektor finančnih storitev

Glede na nedavne raziskave organizacije v sektorju finančnih storitev vse pogosteje sprejemajo – in izkoriščajo – tehnologije ML in AI. Vendar pa je ena od ovir za sprejetje umetne inteligence prepoznavanje ustreznih primerov uporabe. V tem
V tem članku smo raziskali vrsto primerov uporabe, ki jih je mogoče na splošno združiti v 'Upravljanje tveganja', 'Organizacijsko/operativno' in 'Izboljšanje uporabniške izkušnje in sodelovanja'. V nekaterih primerih bi bilo morda bolj koristno, če bi se oddaljili od konkretnega
primere uporabe, da bi uporabili bolj induktiven pristop. Za pomoč pri tem sem predstavil tri široke značilnosti primerov uporabe AI/ML, in sicer 'Poslovni procesi', 'Podatki' in 'Vrsta opravila', skupaj z ustreznimi primeri.

Povzetek tehnologij in aplikacij ML in AI ne bi bil popoln, če se ne bi dotaknili potencialnih priložnosti, ki jih ponuja generativna AI. Čeprav ti pristopi obstajajo že nekaj let, je bilo konec leta 2022 in javna izdaja beta
ChatGPT OpenAI in podobna orodja konkurentov, kot je PaLM-2; ki so pritegnile pozornost širše javnosti in poslovnih voditeljev. Trenutno takšni generativni pristopi umetne inteligence še niso vključeni v sistematične preglede aplikacij umetne inteligence in strojnega upravljanja v finančnih
storitve (čeprav so Buckmann, Haldane in Hüser, 2021 pregledali in opredelili omejitve prejšnjega velikega jezikovnega modela OpenAI GPT-3). Vendar pa morate zaradi popolnosti upoštevati nekaj tipičnih področij, kjer so generativne tehnologije umetne inteligence
kot je ChatGPT, bi bilo mogoče učinkovito uporabiti.

Veselim se, da bom kmalu delil podrobne ocene, tudi na našem Googlovem dogodku v Londonu ta mesec!

• Distribucija vsebine in PR s pomočjo SEO. Okrepite se še danes.
• PlatoData.Network Vertical Generative Ai. Opolnomočite se. Dostopite tukaj.
• PlatoAiStream. Web3 Intelligence. Razširjeno znanje. Dostopite tukaj.
• PlatoESG. Ogljik, CleanTech, Energija, Okolje, sončna energija, Ravnanje z odpadki. Dostopite tukaj.
• PlatoHealth. Obveščanje o biotehnologiji in kliničnih preskušanjih. Dostopite tukaj.
• vir: https://www.finextra.com/blogposting/25836/what-can-we-learn-from-ai-and-ml-use-cases?utm_medium=rssfinextra&utm_source=finextrablogs