我们可以从人工智能和机器学习用例中学到什么？

根据英格兰银行最近的一项调查，英国金融服务公司对机器学习技术的使用持续增加：超过 70% 的受访公司正在使用或开发机器学习 (ML) 应用程序，这些公司预计
未来三年，机器学习应用程序的数量将增加两倍以上。据报道，机器学习技术的好处是增强数据和分析能力、提高运营效率以及改进对欺诈和洗钱的检测（银行
英国，2022 年）。

如果您是幸运的 70% 左右已经实施了机器学习的公司之一，那么您就知道您正在做一件好事。然而，您可能会觉得您已经将机器学习应用到了企业中所有明显的用例中。另一方面，如果你有
如果您的公司尚未开始开发或部署 ML 应用程序，那么甚至开始考虑它似乎都是一场巨大的艰苦斗争。事实上，可以合理地想象尚未踏上机器学习之旅的公司的实际百分比
甚至超过 30%，因为这些数字是基于对 ML 调查做出回应的组织（即表现出自我选择偏差）。

在考虑机器学习（或更广泛的人工智能）应用的新机会时，无论这是否是第一次，考虑其他组织如何成功应用这些技术都是有用的。通常，这些信息可能很困难
访问，因为它具有商业敏感性。如果可用，可以将其隐藏在报告、调查结果或其他文档的正文中。我最近的评论以及本月与谷歌一起出现在伦敦的目的是为了帮助
其他人克服了这一挑战，并在调查文献后分享了对金融服务领域人工智能和机器学习用例的系统理解。

我将介绍综合摘要，该摘要分为三个主要类别：风险管理、组织/运营以及增强客户体验和参与度。与任何文献综述一样，必须做出以下决定：
用例及其来源的分组、分类和包含。例如，要进行更广泛的审查，其中还涵盖人工智能和机器学习算法以及与使用这些技术相关的风险，我会推荐图灵研究所最近的报告
（Maple 等人，2023）。

金融服务业

根据最近的调查，金融服务领域的组织越来越多地采用机器学习和人工智能技术并从中受益。然而，采用人工智能的障碍之一是识别适当的用例。在这个
在文章中，我们探讨了一系列用例，这些用例可大致分为“风险管理”、“组织/运营”和“增强客户体验和参与度”。在某些情况下，从特定的事物中抽象出来可能更有用。
用例，以便使用更具归纳性的方法。为了帮助解决这个问题，我介绍了 AI/ML 用例的三大特征，即“业务流程”、“数据”和“任务类型”，以及相应的示例。

如果不触及生成式人工智能提供的潜在机会，对机器学习和人工智能技术及应用的总结就不完整。尽管这些方法已经存在好几年了，但当时已经是 2022 年底，公测版发布了
OpenAI 的 ChatGPT 以及 PaLM-2 等竞争对手的类似工具；这引起了公众和商界领袖的注意。目前，此类生成式人工智能方法尚未出现在金融领域人工智能和机器学习应用的系统审查中。
服务（尽管 Buckmann、Haldane 和 Hüser，2021 确实回顾并确定了早期 OpenAI 大语言模型 GPT-3 的局限性）。然而，为了完整起见，您需要考虑生成式人工智能技术的一些典型领域
ChatGPT等可以有效应用。

我期待着尽快分享详细的评论，包括本月在伦敦举行的 Google 活动！

• SEO 支持的内容和 PR 分发。 今天得到放大。
• PlatoData.Network 垂直生成人工智能。 赋予自己力量。 访问这里。
• 柏拉图爱流。 Web3 智能。 知识放大。 访问这里。
• 柏拉图ESG。 碳， 清洁科技, 能源， 环境， 太阳能， 废物管理。 访问这里。
• 柏拉图健康。 生物技术和临床试验情报。 访问这里。
• Sumber: https://www.finextra.com/blogposting/25836/what-can-we-learn-from-ai-and-ml-use-cases?utm_medium=rssfinextra&utm_source=finextrablogs