De nombreux experts AI Intelligence artificielle disent souvent que le plus approprié pour l'industrie financière. Parce que la finance est l'un des plus riches données historiques et sur le terrain précis, et même affirmé que le secteur financier sera remplacé par AI. Mais il y a un gros problème est que l'intelligence artificielle ne peut pas expliquer leur comportement, ce qui rend la surveillance forte du secteur financier est difficile à utiliser à grande échelle de la grippe aviaire.
Lorsque la banque envisage d'utiliser l'intelligence artificielle de, soi-disant problèmes « boîte noire » se produiront encore et encore, quel que soit les cotes de crédit, des prêts ou d'autres types d'entreprises.
Un contrôle des risques financiers à long terme dans le domaine des cadres de l'industrie sans ménagement, les banques traditionnelles veulent généralement utiliser les sites de réseaux sociaux pour le marketing, mais on ne sait pas si les banques ont tous les attributs de données client, il est facile d'être service de la conformité Dangxia.
Le secteur financier l'IA la plus appropriée? Le degré réel inférieur à la moyenne globale!
De telles restrictions sur les banques qui font des affaires d'importation AI réelle, il y a un énorme fossé entre l'idéal et la réalité.
Selon l'étude "MIT Sloan Management Review" (MIT Sloan Management Review) et "Boston Consulting Group" (The Boston Consulting Group) "REPENSER AFFAIRES AVEC INTELLIGENCE ARTIFICIELLE" fait en 2017, l'enquête est l'intelligence artificielle dans tous les secteurs la mesure de l'adoption. Résultats AI de l'industrie des services financiers afin d'évaluer le niveau actuel de l'impact sur leurs produits et services, flux de travail seulement environ 10%, même inférieur à la moyenne globale (voir figure ci-dessous).
Illustré | AI en utilisant diverses mesure industries: l'impact des biens et services (Source: MIT Sloan Management Review)
| Illustrés industries utilisant le degré AI: le degré d'influence sur le déroulement des opérations (Source: MIT Sloan Management Review)
Même de nombreux cas, les banques importent même AI, l'effet est pas imaginé la magie.
Les institutions financières traditionnelles telles que les règles d'importation moteur pour vérifier le système nucléaire a été en fait depuis des années, mais l'inconvénient est trop dimension bien réelle de la scène financière, la définition du moteur de règles artificielles ne peut pas faire la détermination très précise. Afin de ne pas assez vain, le système vertical, il y a beaucoup de faux positifs. Ainsi, même avec des moteurs de règles, les exigences pour un examen manuel est encore énorme.
« Sur les grandes institutions financières internationales pour le blanchiment d'argent mettent dans un grand nombre de main-d'uvre et le service manuel d'examen sont très grandes, » une source de l'industrie a déclaré que, en plus du coût élevé à l'extérieur du plus grand risque est compliquée inspection nucléaire plus facile l'insatisfaction des clients, ou même des clients lose.
L'industrie a expliqué que le blanchiment de capitaux doivent faire l'objet enquête judiciaire afin d'établir la culpabilité, il est nécessaire d'être très explicite. Si AI ne peut indiquer un compte suspect, mais ne peut pas expliquer pourquoi l'auto, selon les enquêteurs ne sera pas en mesure d'étendre une enquête plus approfondie.
l'apprentissage non supervisé est l'application de l'industrie financière de la nouvelle direction révolutionnaire AI
Et une branche récente de l'apprentissage de la machine - Apprentissage non supervisé (UML), il est capable de l'IA pas d'explication.
Illustré | expliquer la différence entre AI et AI Machine Learning aujourd'hui (Source: DARPA)
l'apprentissage non supervisé est un moyen d'apprentissage de la machine, la formation n'est pas nécessaire étiquette donnée de la main-d'uvre, seulement tenu de fournir des données d'entrée à la machine. Parce qu'il n'y a pas d'étiquette par défaut, la machine d'apprentissage non supervisé ne saura pas les résultats de la classification est correcte, mais l'avantage est qu'il identifie automatiquement la règle potentielle à partir des données, de sorte que les résultats peuvent avoir une forte explication.
Facebook tête de l'IA, le champ AI est plus une influence d'experts Yann LeCun ont préconisé à plusieurs reprises l'apprentissage non supervisé est l'avenir de la technologie AI.
Bien que l'apprentissage non supervisé dans la communauté de la recherche scientifique est une direction de courant dominant, mais l'exemple de l'application réussie de l'industrie à grande échelle est pas beaucoup, et encore moins pour le secteur financier. Mais un par deux femmes chinoises co-fondateur de l'intelligence artificielle dans la Silicon Valley DataVisor, mais il est l'une des principales applications d'apprentissage sans supervision dans les domaines financiers de la société.
DataVisor à « l'apprentissage automatique sans supervision » (UML) comme moteur de base, combinant moteur de règles automatisées traditionnelles et bases de données mondiales, se sont engagés à aborder le secteur financier et la criminalité financière problème de détection de la fraude en ligne, un milliard de commandes d'événements de magnitude peuvent se produire sur le nouveau horaire analysé automatiquement déterminer et identifier les attaques malveillantes potentielles, a été traitée dans le monde entier plus de 600 milliards d'événements utilisateur et 140 millions de mauvais utilisateurs, protéger les utilisateurs quatre milliards mondiaux d'Internet, et a récemment paru dans le « Wall Street Journal » a récemment publié « 2018 plus les entreprises technologiques concernent la liste Top25 ».
DT juin interview exclusive DataVisor, analyse des avantages sans supervision d'applications d'apprentissage automatique dans le secteur financier. Co-fondateur et PDG Xieying Description Lian, les données de l'industrie financière riches, mais numérique est pas parfait, c'est un défi commun pour tous les modes d'apprentissage de la machine. Sans l'avantage de l'apprentissage supervisé est de forcer une plus grande tolérance pour les données manquantes, il ne repose pas sur l'intégrité des données.
Illustrated | DataVisor co-fondateur et PDG Xieying Lian (à gauche), directeur technique DataVisor Fang Yu (à droite)
« Avantages d'apprentissage de la machine sont d'énormes quantités non surveillées de données peuvent être détectées en l'absence d'étiquettes de cas, et sort le résultat d'une forte interprétabilité. »
Xieying Lian autre explication, l'apprentissage non supervisé est une branche de l'apprentissage de la machine, par rapport à d'autres branches de l'apprentissage l'apprentissage et le renforcement supervisé, apprentissage non supervisé ne nécessite pas la main-d'uvre pour entrer dans l'étiquette, mais de trouver un nouveau mode temps réel actif, nouveau apprentissage.
Illustrated | modèles d'apprentissage machine supervisé voir généralement chaque compte séparément, chacun regardant un point similaire dans la peinture. l'apprentissage de la machine peut analyser l'Unsupervised association entre les comptes, même si les comptes individuels sans aucune apparence suspecte, mais détecte également le modèle suspect à partir des données. De cette façon similaire à ce que nous pouvons voir et comprendre le schéma général de la peinture plutôt que tous les points, même si la couleur et la forme de chaque point sont différents.
Pourquoi l'aide de l'apprentissage non supervisé résoudre les points de douleur dans l'application de l'industrie financière de l'intelligence artificielle, il?
« Il est avec son propre développement lié à l'évolution du secteur financier », DataVisor co-fondateur et directeur technique Fang Yu a expliqué: « Dans les instruments financiers passés relativement simple, et le degré de préjudice sous la forme de fraude sont plus limités. Mais dans cette affaire des formes de plus en plus fréquentes de la criminalité chaque jour, jusqu'à ce que l'étiquette avant de faire une machine d'apprentissage souvent en retard, en réponse à de nouvelles attaques, il est en retard ".
Sans apprentissage supervisé peut faire d'énormes quantités de données pour détecter sans étiquette, le groupe de l'exception pour savoir, et sort le résultat d'une forte interprétabilité, même à étouffer dans l'uf avant l'attaque a eu lieu premier lieu.
la capacité du réseau domestique noir endémique leader fraude financière numérique, par exemple, DataVisor directeur général de la Chine Wu a expliqué, comme la fraude financière pour transférer malveillants, il y a généralement un processus. Tout d'abord, l'attaquant aurait besoin de créer un grand nombre de compte malveillants, alors besoin de « numéro de donjon » qui fabrique une partie du dossier qui semble normal pour le compte, utilisez ces comptes afin de commettre une fraude. Le moteur de règles traditionnelles, ou sur l'étiquette de l'apprentissage supervisé, plus difficile à détecter le numéro de soutien précoce, compte malveillant semble normal. l'apprentissage non supervisé est la nature du groupe prendra l'initiative de trouver anormale, de fournir du personnel à prévoir.
Wu a observé, en raison de la prévalence du noir de la production nationale, vous pouvez voir les institutions financières généreront plus de demande pour l'intelligence artificielle, sera plus consciemment explorer.
Dans le cas de la croissance rapide des données, les institutions financières nationales est lié à entrer dans le processus de mise à niveau. Bien a encore ses limites, mais l'industrie a accéléré la tendance vers l'avenir de l'intelligence artificielle. Personne ne peut vraiment prédire avec précision l'IA quand une percée se produira, mais plus consciemment explorer, sera la clé pour rester en tête.
