Чого ми можемо навчитися з прикладів використання AI та ML?

Згідно з нещодавнім опитуванням Банку Англії, використання технологій ML у фінансових компаніях Великобританії продовжує зростати: понад 70% компаній, які відповіли, використовували або розробляли програми машинного навчання (ML), причому фірми очікували, що
протягом наступних трьох років кількість програм ML збільшиться більш ніж утричі. Перевагами технологій ML є розширені можливості обробки даних і аналітики, підвищення операційної ефективності та покращене виявлення шахрайства та відмивання грошей (Банк
Англія, 2022).

Якщо ви належите до 70% щасливих компаній, які вже впровадили машинне навчання, знайте, що ви на шляху до хорошої справи. Однак може здатися, що ви вже застосували ML до всіх очевидних випадків використання у вашому бізнесі. З іншого боку, якщо у вас є
Ви ще не почали розробляти або розгортати програми машинного навчання у своїй фірмі, тоді це може здатися величезною боротьбою навіть почати розглядати це. Дійсно, здається розумним уявити, що фактичний відсоток фірм, які ще не розпочали свій шлях до ML
навіть перевищує 30%, оскільки ці цифри ґрунтуються на організаціях, які відповіли на опитування щодо ML (тобто демонструють упередженість самостійного вибору).

Розглядаючи нові можливості для програм машинного навчання або штучного інтелекту, незалежно від того, вперше це чи ні, корисно розглянути, як інші організації успішно застосували ці технології. Часто ця інформація може бути складною
отримати доступ, оскільки він є комерційно чутливим. У тих випадках, коли він доступний, він може бути похований в основному звіті, результатах опитування чи іншій документації. Мета мого нещодавнього огляду та виступу цього місяця в Лондоні разом із Google – допомогти
іншим, щоб подолати цю проблему та поділитися систематичним розумінням випадків використання штучного інтелекту та машинного навчання у сфері фінансових послуг після огляду літератури.

Я подам узагальнений підсумок, який згруповано за трьома основними категоріями: управління ризиками, організаційні/операційні та покращення досвіду та залучення клієнтів. Як і у випадку з будь-яким оглядом літератури, потрібно було приймати рішення
групування, категоризація та включення випадків використання та їх джерел. Наприклад, для ширшого огляду, який також охоплює алгоритми штучного інтелекту та машинного навчання та ризики, пов’язані з використанням цих технологій, я б порекомендував нещодавній звіт Інституту Тюрінга
(Maple та ін. 2023).

Сектор фінансових послуг

Згідно з нещодавніми опитуваннями, організації в секторі фінансових послуг все більше впроваджують і отримують від них вигоду від технологій ML та AI. Однак однією з перешкод на шляху впровадження ШІ є визначення відповідних варіантів використання. У цьому
У цій статті ми дослідили низку варіантів використання, які можна широко згрупувати за «Управління ризиками», «Організаційні/операційні» та «Підвищення досвіду та залучення клієнтів». У деяких випадках може бути корисніше абстрагуватися від конкретного
випадки використання, щоб використовувати більш індуктивний підхід. Щоб допомогти з цим, я представив три широкі характеристики варіантів використання AI/ML, а саме «Бізнес-процеси», «Дані» та «Тип завдання», а також відповідні приклади.

Короткий огляд технологій і програм машинного навчання та штучного інтелекту був би неповним, якщо не торкнутися потенційних можливостей, які пропонує генеративний штучний інтелект. Хоча ці підходи існують уже кілька років, це був кінець 2022 року, коли вийшла публічна бета-версія
ChatGPT від OpenAI та подібні інструменти від конкурентів, таких як PaLM-2; що привернуло до них увагу широкої громадськості та лідерів бізнесу. Наразі такі генеративні підходи штучного інтелекту ще не включені в систематичні огляди застосувань штучного інтелекту та машинного навчання у фінансовій сфері.
послуги (хоча Бакманн, Халдейн і Хюзер, 2021 зробили огляд і виявили обмеження попередньої великої мовної моделі OpenAI GPT-3). Однак для повноти картини необхідно розглянути деякі типові області, де генеруються технології ШІ
такі як ChatGPT можуть бути ефективно застосовані.

Я з нетерпінням чекаю можливості незабаром поділитися детальними оглядами, зокрема на нашому заході Google у Лондоні цього місяця!

• Розповсюдження контенту та PR на основі SEO. Отримайте посилення сьогодні.
• PlatoData.Network Vertical Generative Ai. Додайте собі сили. Доступ тут.
• PlatoAiStream. Web3 Intelligence. Розширення знань. Доступ тут.
• ПлатонЕСГ. вуглець, CleanTech, Енергія, Навколишнє середовище, Сонячна, Поводження з відходами. Доступ тут.
• PlatoHealth. Розвідка про біотехнології та клінічні випробування. Доступ тут.
• джерело: https://www.finextra.com/blogposting/25836/what-can-we-learn-from-ai-and-ml-use-cases?utm_medium=rssfinextra&utm_source=finextrablogs