เราเรียนรู้อะไรได้บ้างจากกรณีการใช้งาน AI และ ML

เราเรียนรู้อะไรได้บ้างจากกรณีการใช้งาน AI และ ML

ประทับเวลา: 5 มีนาคม 2024 4:05 น
เราเรียนรู้อะไรได้บ้างจากกรณีการใช้งาน AI และ ML PlatoBlockchain ข้อมูลอัจฉริยะ ค้นหาแนวตั้ง AI.

จากการสำรวจล่าสุดโดยธนาคารแห่งอังกฤษ การใช้เทคโนโลยี ML ในบริษัทที่ให้บริการทางการเงินในสหราชอาณาจักรยังคงเพิ่มขึ้นอย่างต่อเนื่อง: มากกว่า 70% ของบริษัทที่ตอบสนองกำลังใช้หรือพัฒนาแอปพลิเคชันการเรียนรู้ของเครื่อง (ML) โดยบริษัทต่างๆ คาดหวังว่า
จำนวนแอปพลิเคชัน ML เพิ่มขึ้นมากกว่าสามเท่าในอีกสามปีข้างหน้า ประโยชน์ที่รายงานของเทคโนโลยี ML คือความสามารถด้านข้อมูลและการวิเคราะห์ที่เพิ่มขึ้น ประสิทธิภาพการดำเนินงานที่เพิ่มขึ้น และการตรวจจับการฉ้อโกงและการฟอกเงินที่ดีขึ้น (Bank of
อังกฤษ, 2022)

หากคุณโชคดีประมาณ 70% ของบริษัทที่ได้นำ ML ไปใช้แล้ว คุณจะรู้ว่าคุณกำลังทำสิ่งที่ดี อย่างไรก็ตาม อาจรู้สึกว่าคุณได้ใช้ ML กับกรณีการใช้งานที่ชัดเจนทั้งหมดภายในธุรกิจของคุณแล้ว ในทางกลับกันถ้าคุณมี
ยังไม่ได้เริ่มพัฒนาหรือปรับใช้แอปพลิเคชัน ML ในบริษัทของคุณ ดังนั้นการเริ่มพิจารณาจึงอาจดูเหมือนเป็นความยากลำบากอย่างมาก อันที่จริง ดูเหมือนสมเหตุสมผลที่จะจินตนาการว่าเปอร์เซ็นต์ที่แท้จริงของบริษัทที่ยังไม่ได้เริ่มดำเนินการบนเส้นทาง ML
มากกว่า 30% เนื่องจากตัวเลขเหล่านี้อิงตามองค์กรที่ตอบแบบสำรวจเกี่ยวกับ ML (เช่น แสดงให้เห็นถึงอคติในการเลือกตนเอง)

เมื่อพิจารณาโอกาสใหม่ๆ สำหรับแอปพลิเคชัน ML หรือแอปพลิเคชัน AI ในวงกว้าง ไม่ว่าจะเป็นครั้งแรกหรือไม่ก็ตาม การพิจารณาว่าองค์กรอื่นๆ ใช้เทคโนโลยีเหล่านี้ประสบความสำเร็จได้อย่างไร ก็มีประโยชน์ บ่อยครั้งข้อมูลนี้อาจเป็นเรื่องยาก
เข้าถึงได้เนื่องจากมีความละเอียดอ่อนในเชิงพาณิชย์ ในกรณีที่พร้อมใช้งาน สามารถฝังไว้ในเนื้อหาของรายงาน ผลการสำรวจ หรือเอกสารอื่นๆ ได้ จุดประสงค์ของการรีวิวและการปรากฏตัวครั้งล่าสุดของฉันในลอนดอนร่วมกับ Google ในเดือนนี้คือการช่วย
ผู้อื่นเพื่อเอาชนะความท้าทายนี้และแบ่งปันความเข้าใจอย่างเป็นระบบเกี่ยวกับกรณีการใช้งาน AI และ ML ในโดเมนบริการทางการเงินหลังจากการสำรวจวรรณกรรม

ผมจะนำเสนอบทสรุปสังเคราะห์ซึ่งแบ่งออกเป็น 3 ประเภทหลัก ได้แก่ การบริหารความเสี่ยง องค์กร/การปฏิบัติงาน และการเสริมสร้างประสบการณ์และการมีส่วนร่วมของลูกค้า เช่นเดียวกับการทบทวนวรรณกรรม จำเป็นต้องมีการตัดสินใจ
การจัดกลุ่ม การจัดหมวดหมู่ และการรวมกรณีการใช้งานและแหล่งที่มา ตัวอย่างเช่น เพื่อการทบทวนที่กว้างขึ้นซึ่งครอบคลุมอัลกอริธึม AI และ ML และความเสี่ยงที่เกี่ยวข้องกับการใช้เทคโนโลยีเหล่านี้ด้วย ฉันอยากจะแนะนำรายงานล่าสุดโดยสถาบันทัวริง
(เมเปิ้ล และคณะ 2023)

ภาคบริการทางการเงิน

จากการสำรวจล่าสุด องค์กรต่างๆ ในภาคบริการทางการเงินมีการนำเทคโนโลยี ML และ AI มาใช้และได้รับประโยชน์มากขึ้น อย่างไรก็ตาม อุปสรรคประการหนึ่งในการนำ AI มาใช้คือการระบุกรณีการใช้งานที่เหมาะสม ในเรื่องนี้
บทความ เราได้สำรวจกรณีการใช้งานต่างๆ ซึ่งสามารถแบ่งกลุ่มกว้างๆ ได้เป็น 'การบริหารความเสี่ยง' 'องค์กร / การปฏิบัติงาน' และ 'การเสริมสร้างประสบการณ์และการมีส่วนร่วมของลูกค้า' ในบางกรณี การใช้นามธรรมแยกจากเรื่องเฉพาะเจาะจงอาจมีประโยชน์มากกว่า
ใช้กรณีต่างๆ เพื่อใช้วิธีการอุปนัยมากขึ้น เพื่อช่วยในเรื่องนี้ ฉันนำเสนอลักษณะเฉพาะสามประการของกรณีการใช้งาน AI/ML ได้แก่ 'กระบวนการทางธุรกิจ' 'ข้อมูล' และ 'ประเภทงาน' พร้อมด้วยตัวอย่างที่เกี่ยวข้อง

บทสรุปของเทคโนโลยีและแอปพลิเคชัน ML และ AI จะไม่สมบูรณ์หากไม่ได้สัมผัสกับโอกาสที่เป็นไปได้ที่ AI เจนเนอเรทีฟนำเสนอ แม้ว่าแนวทางเหล่านี้จะมีมาหลายปีแล้ว แต่ก็เป็นช่วงปลายปี 2022 และมีการเผยแพร่เบต้าสาธารณะ
ChatGPT โดย OpenAI และเครื่องมือที่คล้ายกันโดยคู่แข่ง เช่น PaLM-2 ที่ดึงดูดความสนใจของประชาชนทั่วไปและผู้นำทางธุรกิจ ปัจจุบันแนวทาง AI เชิงสร้างสรรค์ดังกล่าวยังไม่ได้นำเสนอในการทบทวนแอปพลิเคชัน AI และ ML ทางการเงินอย่างเป็นระบบ
บริการต่างๆ (แม้ว่า Buckmann, Haldane และHüser, 2021 จะตรวจสอบและระบุข้อจำกัดของโมเดลภาษาขนาดใหญ่ OpenAI GPT-3 รุ่นก่อนหน้า) อย่างไรก็ตาม เพื่อความสมบูรณ์ คุณต้องพิจารณาบางพื้นที่ทั่วไปที่มีเทคโนโลยี AI กำเนิด
เช่น ChatGPT ก็สามารถนำมาใช้ได้อย่างมีประสิทธิภาพ

ฉันหวังว่าจะได้แชร์รีวิวแบบละเอียดเร็วๆ นี้ รวมถึงการแชร์ที่งาน Google ในลอนดอนในเดือนนี้ด้วย

ประทับเวลา:

เพิ่มเติมจาก ฟินเท็กซ์ทรา