фото показано с : bloomchain.ru

Что такое искусственный интеллект?

Искусственный интеллект (ИИ) — компьютерные программы, имитирующие работу человеческого интеллекта (анализ несистематизированных данных, зрительное восприятие, распознавание речи, принятие решений и т.д.). Это комплекс технологий, которые используются для решения самых разных задач: от создания голосовых помощников до разработки беспилотных автомобилей.

Одной из наиболее перспективных отраслей для внедрения искусственного интеллекта считается финтех-индустрия. На современном финансовом рынке особенно востребованы технологии обработки естественного языка (NLP — natural language processing) и машинного обучения (ML — machine learning). Во втором случае речь идет о разделе искусственного интеллекта, изучающем методы построения обучаемых систем — в том числе нейронных сетей. На основе имеющихся данных машины учатся искать закономерности и принимать самостоятельные решения.

Чем больше и разнообразнее массив данных, тем умнее система. Машине не нужен четко прописанный алгоритм, но и на имитацию человеческого мышления она не способна. Модели для обучения машин разрабатывают люди.

«Мы не знаем, как устроено человеческое мышление, поэтому не можем его имитировать. Нейробиология подтвердила некоторые базовые идеи отдельных методов машинного обучения (структура перцептрона, идея сверточных нейронных сетей), но в целом все-таки искусственный интеллект действительно искусственный. Алгоритмы обучения просто оптимизируют нужные функции, но задают эти функции разработчики», объясняет Сергей Николенко, Chief Research Officer компании Neuromation — разработчика единой платформы синтетических данных и машинного обучения.

Искусственный интеллект может решить ряд актуальных задач финансовой отрасли. Он умеет работать с массивами информации, составлять кредитный профиль потребителей, предлагать персональные рекомендации и разрабатывать инвестиционные стратегии. Для пользователей это может означать улучшение сервиса, для компаний — сокращение издержек и оптимизацию бизнес-процессов.

Для эффективной работы на финансовом рынке инвестору приходится постоянно анализировать большое количество самых разных данных. Отчасти эту работу может взять на себя искусственный интеллект: он способен быстро обработать массив несистематизированных данных и на их основе спрогнозировать дальнейшее поведение рынка.

Артур Шпонько, руководитель направления «интеграция торговых приложений» АО «Финам» , отмечает возможность применения технологий ИИ для анализа новостей, поисковых запросов, мнений в социальных сетях и на тематических форумах. «Тот, кто научится выявлять устойчивые закономерности в информационном шуме — сможет управлять массами, не говоря уже об извлечении прибыли. Стандартизация и отделение случайной ошибки — главная и самая сложная задача в области новостной аналитики. Человеческому мозгу она неподвластна, но суперкомпьютеры в ближайшем будущем могут с ней справиться», говорит эксперт.

«Прогнозы финансовых рынков — чрезвычайно интересная и сложная тема. В отличие от большинства задач искусственного интеллекта здесь рынок сам активно вам противодействует: другие трейдеры ведь тоже не дураки. В экономике это называется «эффективностью рынка»  — теоретически цена актива уже включает в себя всю доступную информацию и все разработанные модели предсказания», рассуждает Сергей Николенко. 

Если вдруг удастся придумать модель, способную предсказывать цены финансовых активов, скорее всего, её тут же начнут все использовать. А это значит, что она перестанет работать.

«Конечно, практика иногда расходится с теорией — здесь-то и могут зарабатывать трейдинговые модели», обращает внимание эксперт.

Безопасность — один из приоритетов финансового мира. Участникам рынка необходимо защищать конфиденциальные данные и денежные средства. Технологии защиты, как и арсенал приемов мошенников, совершенствуются с каждым годом. Сейчас на смену антивирусным программам приходит искусственный интеллект.

Нейронные сети способны не только анализировать информацию, но и отделять истинные данные от ложных. С помощью машинного обучения можно обнаружить подозрительные сделки, потенциальные атаки и попытки мошенничества.

Алгоритмы борьбы со злоумышленниками направлены на выявление любых транзакций, которые не следуют заданным шаблонам: например, если пользователь пробует зайти в учетную запись с нового устройства или из необычного места.

При этом в модель обучения машины заложена информация о возможных исключениях. Если у машины достаточно данных для вывода о том, что пользователь путешествует, она не будет поднимать тревогу. А вот транзакции в Москве и Владивостоке, совершенные одним пользователем с разницей в час, наверняка попадут под подозрение.

Каждый новый случай мошенничества — это новые данные для изучения. Нейросети выделяют и запоминают типичные признаки преступлений. Это позволяет заранее распознавать попытки мошенничества и предотвращать их.

Еще один способ защиты — визуальная идентификация клиентов. О важности этой технологии для банковского сектора в том числе говорит Банк России. Она также незаменима для рынка кредитования, страховой отрасли и других сфер.

Технологии компьютерного зрения в современном банковском деле пока еще не получили должного распространения, считает Сергей Николенко.

«На их основе можно создавать системы визуальной идентификации, более эффективно распределять клиентов по сотрудникам филиала, работать с документами. Причем не просто распознавать текст, а, например, пытаться выявить подделку документов и делать много других интересных вещей. Мы в компании Neuromation полагаем, что банковскому сектору стоит обратить своё внимание на эти и другие приложения компьютерного зрения уже в ближайшее время», говорит эксперт.

Искусственный интеллект помогает автоматизировать рутинные процессы, сократить издержки и ускорить проведение операций. Технологии позволяют автоматически отслеживать движение средств, генерировать отчеты, предотвращать нецелевые и подозрительные действия, оценивать заявки на получение кредита.

Кроме того, ИИ способен снизить время обработки данных и сократить количество ошибок персонала — вроде неверного заполнения реквизитов или повторного списания средств.

Чтобы принять решение о выдаче или отказе в кредите, банку необходимо собрать информацию о потенциальном заемщике, проанализировать ее и попытаться спрогнозировать поведение клиента в будущем. Банкам и финтех-компаниям важно знать, как человек распоряжается деньгами, склонен ли пропускать платежи, насколько он надежен. Искусственный интеллект помогает в оценке кредитных рисков.

«Оценка кредитных рисков — классическая задача машинного обучения. Она изучается очень давно, и там применяются многие наиболее современные модели машинного обучения. Полагаю, что будущее этого сектора за тем, чтобы учитывать при составлении кредитного профиля самые разнообразные внешние признаки — например, поведение в социальных сетях», отмечает Сергей Николенко.

Артур Шпонько указывает, что использование искусственного интеллекта в банковском секторе началось именно с построения более надежных скоринговых моделей — то есть моделей прогнозирования платежеспособности клиентов. «Нейронные сети позволяют одновременно обрабатывать множество параметров отдельно взятого клиента, которые не способен оценить мозг человека, и спрогнозировать результат дальнейшего взаимодействия с ним», рассуждает эксперт.

Персонализация — глобальный тренд не только в финансовом секторе, но и в индустрии услуг в целом. Современным пользователям уже не хватает удобного интерфейса и мгновенных переводов. Они ждут персонализированных предложений, индивидуального оформления и особого внимания.

Чтобы предложить клиентам подходящее решение, банки анализируют данные о своих пользователях: их финансовые привычки, траты, особенности поведения в соцсетях и на сайтах сервисов. Кастомизировать услуги под запросы клиентов помогает искусственный интеллект.

Например, интерфейс приложения подстроится под привычки пользователя, а чат-бот банка проанализирует траты и подскажет, на чем пользователь может сэкономить.

Алгоритмы искусственного интеллекта и глубокого обучения используются в торговле последние 10 лет, но только недавно стали активно применяться для непосредственного общения с клиентами.

Миллениалы предпочитают быстрые текстовые ответы в чатах и мессенджерах телефонным звонкам. Клиенту не приходится ждать — робот в любой момент готов ответить на вопрос. К тому же, говорить о  финансовых проблемах зачастую легче с роботом, чем с человеком.

Стартапы, банки, страховые компании массово запускают чат-боты, чтобы персонализировать общение с клиентами, увеличить количество обработанных заявок и повысить лояльность пользователей. В то же время боты могут освободить сотрудников от рутинных задач, а бизнес избавить от затрат на службу поддержки.

Чат-боты на основе ИИ — персональные инструменты самообслуживания. Они разумно отвечают на вопросы, помогают при работе с аккаунтами и счетами, выполняют работу операциониста, информируют клиента о платежах, помогают составить бюджет, работают с жалобами и предлагают решения проблем. Боты также могут принимать заказы и платежи, управлять запросами клиента, рекомендовать те или иные продукты.

Искусственный интеллект активно используют разработчики продуктов для инвесторов — как профессионалов рынка, так и новичков с минимальным опытом и объемом вложений. Технологии применяются для анализа информации, сравнения данных,  отслеживания изменений и прогнозирования дальнейшего движения рынка.

Профессиональные трейдеры и хедж-фонды в своей работе используют торговых биржевых роботов. Есть решения и для частных инвесторов — роботы-консультанты (робо-эдвайзеры). Популярность роботов-консультантов на основе искусственного интеллекта растет с каждым годом. По данным компании Juniper Research, к 2022 году мировой объем рынка робо-эдвайзеров, которые используют только технологии ИИ, составит $987 млрд.  

Роботы составляют риск-профиль клиента, разрабатывают для него инвестиционную стратегию, ребалансируют портфель при необходимости — то есть фактически выполняют работу портфельного управляющего. Робо-эдвайзеры могут даже самостоятельно заключать сделки в соответствии с выбранной стратегией.

За свои услуги сервисы берут комиссию. К плюсам роботов можно отнести доступность для непрофессиональных инвесторов, низкий порог входа на рынок, отсутствие человеческого фактора. Однако робо-эдвайзеры принимают решения на основе накопленного опыта и не всегда могут корректно отреагировать на нестандартную ситуацию. Еще один недостаток — возможность сбоев.

«Мне кажется, что роботизированные помощники могут столкнуться с той же проблемой эффективности рынка, о которой шла речь выше. Однако те, кто первыми придёт на этот рынок и сделают хорошую систему, наверняка найдут в этом настоящее золотое дно», заключает Сергей Николенко.

Запись Чат-боты и робо-эдвайзеры: как искусственный интеллект меняет финансовый мир впервые появилась Bloomchain (Блумчейн.ру).

Аналог Notcoin - Blum - Играй и зарабатывай Монеты

источник »

350 +