Περίληψη των κυριότερων σημείων
Η τεχνητή νοημοσύνη (AI) εκρήγνυται- Η ευρεία υιοθέτηση της τεχνητής νοημοσύνης σε όλες τις βιομηχανίες είναι προβλεπόμενη να αυξήσει τα παγκόσμια έσοδα 12,5 δισεκατομμυρίων δολαρίων το 2017 και 47 δισεκατομμυρίων δολαρίων το 2020 με CAGR 55,1% από το 2016 έως το 2020.
- Οι βιομηχανίες που θα επενδύσουν περισσότερο σε αυτές τις τεχνολογίες είναι τραπεζικές και λιανικές, ακολουθούμενες από υγειονομική περίθαλψη και μεταποίηση.
- Οι οικονομολόγοι ορίζουν τις τεχνολογίες γενικής χρήσης (GPT) ως αυτές που είναι αρκετά σημαντικές για να παρακινήσουν την παρατεταμένη οικονομική ανάπτυξη και τις κοινωνικές εξελίξεις. Για παράδειγμα, ο ηλεκτρισμός είναι GPT. Πρόσφατο Άρθρο του Harvard Business Review ορίζει το AI ως το πιο σημαντικό GPT της εποχής μας.
- Το PayPal μπόρεσε να ενισχύσει την ασφάλεια αξιοποιώντας την τεχνολογία βαθιάς μάθησης. Η απάτη του PayPal είναι σχετικά χαμηλή 0,32% των εσόδων , ένα ποσοστό πολύ καλύτερο από το μέσο όρο του 1,32% που βλέπουν οι έμποροι.
- Ενώ ένα γραμμικό μοντέλο μπορεί να καταναλώσει 20-30 μεταβλητές , η τεχνολογία βαθιάς μάθησης μπορεί να ελέγχει χιλιάδες σημεία δεδομένων.
- Για χρόνια, οι εταιρείες διαχείρισης επενδύσεων βασίζονταν σε υπολογιστές για να κάνουν συναλλαγές. Περίπου 9% όλων των κεφαλαίων , που διαχειρίζονται 197 δισεκατομμύρια δολάρια, βασίζομαι σε μεγάλα στατιστικά μοντέλα που έχουν κατασκευαστεί από επιστήμονες δεδομένων.
- Ωστόσο, αυτά τα μοντέλα είναι συχνά στατικό , απαιτούν ανθρώπινη παρέμβαση και δεν αποδίδουν καλά όταν αλλάζει η αγορά. Επομένως, τα κεφάλαια αυξάνονται όλο και περισσότερο μετεγκατάσταση προς αληθινά μοντέλα τεχνητής νοημοσύνης που αναλύουν μεγάλους όγκους δεδομένων και να συνεχίσουν να βελτιώνονται.
- Το 2000, το γραφείο διαπραγμάτευσης μετοχών μετρητών της Goldman Sachs στις ΗΠΑ στα κεντρικά γραφεία της στη Νέα Υόρκη απασχολημένος 600 έμποροι. Σήμερα, έχει δύο εμπόρους μετοχών, με τα υπόλοιπα μηχανήματα.
- Για τους επενδυτές, η ρομποτική συμβουλή μπορεί να προσφέρει έως και 70% εξοικονόμηση κόστους σε ορισμένες υπηρεσίες.
- Ορισμένες καθιερωμένες εταιρείες επενδύσεων αγοράζουν υφιστάμενους συμβούλους ρομπότ, όπως Η εξαγορά της Jemstep από την Invesco και Αγορά της Blackrock του FutureAdvisor . Άλλοι δημιουργούν ακόμη και τους δικούς τους ρομπότ-συμβούλους, όπως το FidelityGo και το Schwab's Intelligent Advisory.
- Το 77% των πελατών διαχείρισης πλούτου εμπιστεύονται τους οικονομικούς τους συμβούλους και το 81% δηλώνει ότι η αλληλεπίδραση πρόσωπο με πρόσωπο είναι σημαντική.
- ΠΡΟΣ ΤΟ Έκθεση PWC προβλέπει ότι η τεχνητή νοημοσύνη θα έχει αυτοματοποιήσει ένα σημαντικό ποσό αναδοχής έως το 2020, ειδικά σε ώριμες αγορές όπου υπάρχουν διαθέσιμα δεδομένα.
- Σε ένα Μελέτη της Οξφόρδης 2013 Αναλύοντας πάνω από 700 επαγγέλματα για να προσδιορίσουμε ποια ήταν πιο ευαίσθητα σε μηχανοργάνωση, οι ασφαλιστικοί ασφαλιστές συμπεριλήφθηκαν στις πέντε πιο ευαίσθητες.
- Η αναδοχή μπορεί να αξιοποιήσει όχι μόνο τη μηχανική εκμάθηση αλλά και τη φορητή τεχνολογία και την τεχνολογία ανάλυσης προσώπου βαθιάς μάθησης.
- Τον Οκτώβριο του 2016, τόσο η Bank of America όσο και η MasterCard παρουσίασαν τα chatbots τους, Έρικα και Kai , αντίστοιχα. Η πρώιμη έκδοση του Erica μπορεί να παρακολουθεί τα πιστωτικά αποτελέσματα των πελατών, να εξετάζει τις συνήθειες των δαπανών τους και να παρέχει συμβουλές σχετικά με τον τρόπο αποπληρωμής των λογαριασμών.
- Capital One επίσης πρόσφατα ξεκίνησαν το δικό τους chatbot , που ονομάζεται «Eno», το οποίο επιτρέπει στους πελάτες να συνομιλούν με την τράπεζα χρησιμοποιώντας γλώσσα που βασίζεται σε κείμενο για να πληρώνουν λογαριασμούς και να ανακτούν πληροφορίες λογαριασμού. Το Capital One αξιοποίησε επίσης την τάση internet-of-things, λανσάροντας ένα Alexa Skill για το Amazon Echo και σχεδιάζει να είναι ο πρώτος που θα ξεκινήσει μια παρόμοια υπηρεσία για την Microsoft Cortana.
Τεχνολογία γενικού σκοπού είναι ένας οικονομολόγος όρος Αποθεματικό για τεχνολογίες που προωθούν την παρατεταμένη οικονομική ανάπτυξη και τις κοινωνικές εξελίξεις, φέρνοντας επανάσταση στη λειτουργία των νοικοκυριών και των εταιρειών. Ένα δείγμα τεχνολογίας γενικής χρήσης είναι η ηλεκτρική ενέργεια. Η ηλεκτρική ενέργεια γεννήθηκε ένα πλήθος προϊόντων και τομέων, συμπεριλαμβανομένων ψυγείων, πλυντηρίων, τρένων και, φυσικά, υπολογιστών. Η έλευση της ηλεκτρικής ενέργειας μεταμόρφωσε ριζικά τον κόσμο.
Πρόσφατο Άρθρο του Harvard Business Review χαρακτηρίζει την τεχνητή νοημοσύνη (AI) ως την πιο σημαντική τεχνολογία γενικού σκοπού της εποχής μας . Είμαστε εξοικειωμένοι με τη δύναμη του AI. Εκδηλώνεται με τη μορφή ρομπότ νικώντας έναν παγκοσμίου φήμης παίκτη σκακιού . Ένα αυτοκίνητο που μπορεί παράλληλο πάρκο . Συσκευές που απαντήστε με τον αυριανό καιρό όταν ρωτάμε. Αλλά μεγάλο μέρος της επαφής μας με - και την κατανόηση του - AI περιστρέφεται γύρω από προϊόντα που επηρεάζουν την καθημερινή μας ζωή ως καταναλωτές. Σε οργανωτικό επίπεδο, υπάρχει ένα μεγαλύτερο ερώτημα σχετικά με το πώς η AI θα διαταράξει τις βιομηχανίες και συγκεκριμένα πώς οι χρηματοοικονομικές υπηρεσίες θα αξιοποιήσουν την AI.
Το ακόλουθο άρθρο θα καθορίσει την τεχνητή νοημοσύνη, τη σφαίρα των σχετικών τεχνολογιών της, το μέγεθος της συνολικής βιομηχανίας τεχνητής νοημοσύνης και τις εφαρμογές της τεχνητής νοημοσύνης στη χρηματοδότηση. Αυτό το κομμάτι δεν προορίζεται να δώσει μια κανονιστική κρίση για την ανάπτυξη της τεχνητής νοημοσύνης. Αντίθετα, θα επικεντρωθεί στο πώς η AI διαταράσσει τη χρηματοδότηση.
Τεχνητή νοημοσύνη: Τι είναι το AI;
Η τεχνητή νοημοσύνη είναι ένας τομέας της επιστήμης των υπολογιστών επικεντρώθηκε στη δημιουργία έξυπνων μηχανών που λειτουργούν όπως οι άνθρωποι. Οι υπολογιστές AI είναι σχεδιασμένο για να εκτελεί ανθρώπινες λειτουργίες συμπεριλαμβανομένης της μάθησης, της λήψης αποφάσεων, του σχεδιασμού και της αναγνώρισης ομιλίας.
Η τεχνητή νοημοσύνη επιτρέπει στις μηχανές να βελτιώνουν συνεχώς την απόδοσή τους χωρίς ανθρώπους να παρέχουν οδηγίες για το πώς να το κάνουν. Αυτό είναι σημαντικό για δύο λόγους. Πρώτον, οι άνθρωποι γνωρίζουν περισσότερα από όσα μπορούμε να πούμε. Δηλαδή, οι άνθρωποι μπορεί να είναι σε θέση να αναγνωρίσουν ένα πρόσωπο ή να εφαρμόσουν μια έξυπνη στρατηγική σε ένα παιχνίδι σκακιού. Ωστόσο, πριν από την προηγμένη τεχνολογία τεχνητής νοημοσύνης, η αδυναμία των ανθρώπων να διατυπώσουν τις γνώσεις μας σήμαινε ότι δεν μπορούσαμε να αυτοματοποιήσουμε πολλές εργασίες. Δεύτερον, η τεχνολογία AI είναι υπεράνθρωπη στην εκτέλεση, λειτουργεί πιο γρήγορα και συχνά με μεγαλύτερη ακρίβεια από ό, τι οι άνθρωποι.
Τεχνολογίες Τεχνητής Νοημοσύνης
Η τεχνητή νοημοσύνη περιλαμβάνει πολλές δυνατότητες και τεχνολογίες. Συμβουλευτική εταιρία Το PWC ενισχύει ότι το AI δεν είναι «μονολιθική θεματική περιοχή». Περιλαμβάνει μια σειρά από πράγματα που όλοι προσθέτουν στην αντίληψή μας για το τι σημαίνει να είμαστε «έξυπνοι». Ακολουθούν μερικές από τις πιο δημοφιλείς περιοχές του AI:
- Μηχανική εκμάθηση είναι μια μέθοδος ανάλυσης δεδομένων που αυτοματοποιεί την κατασκευή αναλυτικών μοντέλων . Χρησιμοποιώντας αλγόριθμους που μαθαίνουν επαναληπτικά από τα δεδομένα, η μηχανική εκμάθηση επιτρέπει στους υπολογιστές να βρίσκουν κρυφές πληροφορίες χωρίς να προγραμματίζονται ρητά πού να αναζητούν.
- Βαθιά μάθηση είναι ένα υποσύνολο της μηχανικής μάθησης . Διευκόλυνε την αναγνώριση αντικειμένων σε εικόνες, σήμανση βίντεο και αναγνώριση δραστηριότητας και σημειώνει πρόοδο στην αντίληψη (συμπεριλαμβανομένου του ήχου και του λόγου). Για παράδειγμα, η DeepFace εφαρμογή Deep Learning του Facebook ήταν εκπαιδευμένο να αναγνωρίζει άτομα σε φωτογραφίες . Πολλοί κάνουν τη σύγκριση μεταξύ της τεχνολογίας βαθιάς μάθησης και της βιολογίας, αλλά οι ειδικοί συμφωνούν γενικά ότι ενώ εμπνευσμένο από τον ανθρώπινο εγκέφαλο, δεν είναι απαραίτητα μοντέλο μετά από αυτό .
- Επεξεργασία φυσικής γλώσσας είναι η ικανότητα ενός προγράμματος υπολογιστή κατανοήστε την ανθρώπινη ομιλία σε πραγματικό χρόνο. Η έρευνα και η ανάπτυξη είναι μετατόπιση προς συστήματα ικανά να αλληλεπιδρούν με άτομα μέσω διαλόγου, όχι μόνο για αντίδραση σε στυλιζαρισμένα αιτήματα.
- Διαδίκτυο πραγμάτων (IoT) αφιερώνεται στην ιδέα ότι ένα ευρύ φάσμα συσκευών, συμπεριλαμβανομένων συσκευών, οχημάτων και κτιρίων μπορούν να διασυνδεθούν. Για παράδειγμα, εάν ο συναγερμός σας χτυπήσει στις 7:00 π.μ., θα μπορούσε ειδοποιεί αυτόματα την καφετιέρα σας για να ξεκινήσετε να παρασκευάζετε καφέ για εσάς. Οι φορητές τεχνολογίες που λειτουργούν ως αισθητήρες όταν φοριούνται είναι επίσης μέρος αυτής της μεγαλύτερης τάσης .
Φυσικά, αυτή η λίστα δεν είναι ολοκληρωμένη. Δείτε παρακάτω για ένα ευρύτερο φάσμα θεμάτων και τεχνολογιών τεχνητής νοημοσύνης.
τι σημαίνει το t9 στα κινητά τηλέφωνα
Μέγεθος αγοράς τεχνητής νοημοσύνης
Η προαναφερθείσα Άρθρο του Harvard Business Review προβλέπει ότι «τα αποτελέσματα της τεχνητής νοημοσύνης θα μεγεθυνθούν την επόμενη δεκαετία, καθώς η κατασκευή, το λιανικό εμπόριο, οι μεταφορές, τα οικονομικά, η υγειονομική περίθαλψη, ο νόμος, η διαφήμιση, η ασφάλιση, η ψυχαγωγία, η εκπαίδευση, και σχεδόν κάθε άλλη βιομηχανία μετατρέπει τις βασικές διαδικασίες και τα επιχειρηματικά μοντέλα τους σε επωφεληθείτε από τη μηχανική μάθηση. Το εμπόδιο είναι στη διαχείριση, την εφαρμογή και τη φαντασία των επιχειρήσεων. '
Η ευρεία υιοθέτηση της τεχνητής νοημοσύνης σε όλες τις βιομηχανίες είναι προβλεπόμενη να αυξήσει τα παγκόσμια έσοδα 12,5 δισεκατομμυρίων δολαρίων το 2017 και 47 δισεκατομμυρίων δολαρίων το 2020 με έναν σύνθετο ετήσιο ρυθμό ανάπτυξης (CAGR) 55,1% από το 2016 έως το 2020. Συγκεκριμένα, οι βιομηχανίες που θα επενδύσουν περισσότερο στην τεχνολογία είναι τραπεζικές και λιανικές, ακολουθούμενες από υγειονομική περίθαλψη και κατασκευή. Συνολικά, αυτές οι τέσσερις βιομηχανίες θα περιλαμβάνουν πάνω από το ήμισυ των παγκόσμιων εσόδων της τεχνητής νοημοσύνης το 2016, με τον τραπεζικό και τον τομέα λιανικής να προσφέρει ο καθένας σχεδόν 1,5 δισεκατομμύρια δολάρια.
Σε όλες τις βιομηχανίες, το μεγαλύτερες επενδύσεις τεχνητής νοημοσύνης το 2017 θα είναι σε τομείς όπως αυτοματοποιημένοι πράκτορες εξυπηρέτησης πελατών, αυτοματοποιημένες πληροφορίες απειλών και ανάλυση απάτης (βλ. παρακάτω διάγραμμα). Σύμφωνα με την Jessica Goepfert , διευθυντής προγράμματος στο έρευνα αγοράς εταιρεία IDC, «Οι βραχυπρόθεσμες ευκαιρίες για γνωστικά συστήματα είναι σε βιομηχανίες όπως τραπεζικές συναλλαγές, τίτλους και επενδύσεις και μεταποίηση. Σε αυτά τα τμήματα, βρίσκουμε πληθώρα μη δομημένων δεδομένων, την επιθυμία να αξιοποιήσουμε πληροφορίες από αυτές τις πληροφορίες και ένα άνοιγμα σε καινοτόμες τεχνολογίες. ' Η επόμενη ενότητα αυτού του άρθρου θα εξετάσει τις διάφορες περιπτώσεις χρήσης της τεχνητής νοημοσύνης στον κλάδο των χρηματοοικονομικών υπηρεσιών.
Παρούσες και μελλοντικές εφαρμογές της Τεχνητής Νοημοσύνης στα Χρηματοοικονομικά
Η τεχνητή νοημοσύνη στη χρηματοδότηση θα μπορούσε να οδηγήσει σε λειτουργική αποτελεσματικότητα σε τομείς που κυμαίνονται από τη διαχείριση κινδύνων και τις συναλλαγές έως την αναδοχή και τις αξιώσεις. Ενώ ορισμένες εφαρμογές είναι πιο σχετικές με συγκεκριμένους τομείς στις χρηματοπιστωτικές υπηρεσίες, άλλες μπορούν να αξιοποιηθούν γενικά.
Τεχνητή Νοημοσύνη στα Χρηματοοικονομικά: Διαχείριση Κινδύνων
Η τεχνητή νοημοσύνη έχει αποδειχθεί εξαιρετικά πολύτιμη όσον αφορά την ασφάλεια και τον εντοπισμό απάτης. Οι παραδοσιακές μέθοδοι ανίχνευσης απάτης περιλαμβάνουν υπολογιστές που αναλύουν δομημένα δεδομένα βάσει ενός συνόλου κανόνων. Για παράδειγμα, μια δεδομένη εταιρεία πληρωμών μπορεί να ορίσει ένα όριο για τραπεζικές μεταφορές στα 15.000 $, έτσι ώστε οποιαδήποτε συναλλαγή που υπερβαίνει αυτό το ποσό να επισημανθεί για περαιτέρω έρευνα. Ωστόσο, αυτός ο τύπος ανάλυσης παράγει πολλά ψευδώς θετικά και απαιτεί πολλή επιπλέον προσπάθεια. Ίσως ακόμη πιο σημαντικό, οι απατεώνες του εγκλήματος στον κυβερνοχώρο αλλάζουν συχνά την τακτική τους . Επομένως, τα πιο αποτελεσματικά συστήματα πρέπει να γίνονται συνεχώς εξυπνότερα.
βασικές αρχές της ψυχολογίας gestalt
Με προηγμένους αλγόριθμους μάθησης, όπως αυτοί από τη βαθιά μάθηση, νέες δυνατότητες μπορούν να προστεθούν στο σύστημα για δυναμική προσαρμογή. Σύμφωνα με τον Σαμίρ Χανς , συμβουλευτικός διευθυντής στο Deloitte Transactions and Business Analytics LLP, «Με γνωστικά αναλυτικά, τα μοντέλα εντοπισμού απάτης μπορούν να γίνουν πιο ισχυρά και ακριβή. Εάν ένα γνωστικό σύστημα ξεκινά κάτι που καθορίζει ως πιθανή απάτη και ένας άνθρωπος διαπιστώσει ότι δεν είναι απάτη λόγω των Χ, Υ και Ζ, ο υπολογιστής μαθαίνει από αυτές τις ανθρώπινες ιδέες και την επόμενη φορά που δεν θα στείλει παρόμοιο εντοπισμό με τον τρόπο σας . Ο υπολογιστής γίνεται πιο έξυπνος και εξυπνότερος. '
Η επιτυχία του PayPal με τεχνητή νοημοσύνη και ανίχνευση απάτης
Πάρτε για παράδειγμα το γίγαντα πληρωμής PayPal και τα προηγμένα πρωτόκολλα απάτης. Λόγω της κλίμακας και της ορατότητάς του, το PayPal “ έχει έναν τεράστιο στόχο στην πλάτη του ' Επεξεργάστηκε 235 δισεκατομμύρια δολάρια το 2015 από τέσσερα εκατομμύρια συναλλαγές από 170 εκατομμύρια πελάτες. Ωστόσο, το PayPal μπόρεσε να ενισχύσει την ασφάλεια αξιοποιώντας την τεχνολογία βαθιάς μάθησης. Στην πραγματικότητα, η απάτη του PayPal είναι σχετικά χαμηλή 0,32% των εσόδων , ένα ποσοστό πολύ καλύτερο από το μέσο όρο του 1,32% που βλέπουν οι έμποροι.
Στο παρελθόν, το PayPal χρησιμοποιούσε απλά, γραμμικά μοντέλα. Σήμερα, οι αλγόριθμοί του εξορύσσουν δεδομένα από το ιστορικό αγορών ενός πελάτη και ελέγχουν μοτίβα πιθανής απάτης που αποθηκεύονται στις αναπτυσσόμενες βάσεις δεδομένων του. Ενώ ένα γραμμικό μοντέλο μπορεί να καταναλώσει 20-30 μεταβλητές , η τεχνολογία βαθιάς μάθησης μπορεί να ελέγχει χιλιάδες σημεία δεδομένων. Αυτές οι βελτιωμένες δυνατότητες βοηθούν το PayPal να διακρίνει αθώες συναλλαγές από ύποπτες. Σύμφωνα με τον Χούι Γουάνγκ , Ανώτερος Διευθυντής των Παγκόσμιων Επιστημών Κινδύνου της PayPal, «Αυτό που απολαμβάνουμε από την πιο σύγχρονη, προηγμένη μηχανική μάθηση είναι η ικανότητά του να καταναλώνει πολύ περισσότερα δεδομένα, να χειριζόμαστε στρώματα και επίπεδα αφαίρεσης και να μπορεί να« βλέπει »πράγματα […] ακόμη και ανθρώπους μπορεί να μην μπορεί να δει. '
Τεχνητή Νοημοσύνη στα Χρηματοοικονομικά: Συναλλαγές
Μετάβαση από μοντέλα που έχουν κατασκευαστεί από τον άνθρωπο σε True AI
Για χρόνια, οι εταιρείες διαχείρισης επενδύσεων βασίζονταν σε υπολογιστές για να κάνουν συναλλαγές. Περίπου 1.360 hedge funds, που αντιπροσωπεύει το 9% όλων των κεφαλαίων , βασιστείτε σε μεγάλα στατιστικά μοντέλα που κατασκευάστηκαν από επιστήμονες δεδομένων που κατέχουν συχνά μαθηματικά διδακτορικά (αλλιώς γνωστά ως «quants»). Ωστόσο, αυτά τα μοντέλα χρησιμοποιούν μόνο ιστορικά δεδομένα, είναι συχνά στατικό , απαιτούν ανθρώπινη παρέμβαση και δεν αποδίδουν καλά όταν αλλάζει η αγορά. Κατά συνέπεια, τα κεφάλαια αυξάνονται όλο και περισσότερο μετεγκατάσταση προς αληθινά μοντέλα τεχνητής νοημοσύνης που δεν μπορούν μόνο να αναλύσουν μεγάλους όγκους δεδομένων, αλλά επίσης να συνεχίσουν να βελτιώνονται.
Αυτές οι νέες τεχνολογίες χρησιμοποιούν πολύπλοκες τεχνικές όπως η βαθιά μάθηση, μια μορφή μηχανικής μάθησης που ονομάζεται Δίκτυα Bayesian , και εξελικτικός υπολογισμός , που εμπνέεται από τη γενετική. Το λογισμικό διαπραγμάτευσης AI μπορεί να απορροφήσει τεράστιους όγκους δεδομένων για να μάθει για τον κόσμο και να κάνει προβλέψεις για τη χρηματοοικονομική αγορά. Να κατανοήσουμε τις παγκόσμιες τάσεις , μπορούν να καταναλώσουν τα πάντα, από βιβλία, tweets, ειδήσεις, οικονομικά δεδομένα, αριθμούς κερδών και διεθνή νομισματική πολιτική έως σκίτσα Saturday Night Live.
Για να είμαστε σαφείς, τα παραπάνω διαφέρουν από διαπραγμάτευση υψηλής συχνότητας (HFT), το οποίο επιτρέπει στους εμπόρους να εκτελούν εκατομμύρια παραγγελίες και να σαρώνουν πολλές αγορές σε λίγα δευτερόλεπτα, ανταποκρινόμενοι σε ευκαιρίες με τρόπους με τους ανθρώπους απλά δεν μπορεί . Οι πλατφόρμες με γνώμονα την τεχνητή νοημοσύνη που συζητήθηκαν παραπάνω αναζητούν τις καλύτερες συναλλαγές μακροπρόθεσμα, και οι μηχανές - όχι οι άνθρωποι - υπαγορεύουν τη στρατηγική.
Μερικά από αυτά τα συστήματα εμπορικής τεχνητής νοημοσύνης αναπτύχθηκαν από νεοσύστατες εταιρείες. Για παράδειγμα, με βάση το Χονγκ Κονγκ Aidiya είναι ένα πλήρως αυτόνομο hedge fund που κάνει όλες τις χρηματιστηριακές του συναλλαγές χρησιμοποιώντας τεχνητή νοημοσύνη (AI). 'Αν όλοι πεθάνουμε' λέει ο συνιδρυτής Ben Goertzel , 'Θα συνέχιζε τις συναλλαγές.' Τα παραδοσιακά ιδρύματα ενδιαφέρονται επίσης για την τεχνολογία συναλλαγών AI. Το 2014, η Goldman Sachs ηγήθηκε του γύρου χρηματοδότησης της Σειράς Α και άρχισε να εγκαθιστά μια πλατφόρμα συναλλαγών AI που ονομάζεται Kensho. Για Ο γύρος της σειράς Β του Kensho , εκτός από την S&P Global, συμμετείχαν επίσης οι μεγαλύτερες έξι τράπεζες της Wall Street (Goldman Sachs, JPMorgan Chase, Bank of America Merrill Lynch, Morgan Stanley, Citigroup και Wells Fargo).
Σύγκριση απόδοσης συναλλαγών
Πρόσφατη μελέτη που πραγματοποιήθηκε από εταιρεία επενδύσεων Eurekahedge παρακολούθησε την απόδοση 23 hedge fund χρησιμοποιώντας AI από το 2010-2016, διαπιστώνοντας ότι ξεπέρασε αυτά που διαχειρίζονται τα πιο παραδοσιακά quants και γενικευμένα hedge funds.
Επιπτώσεις για τους εμπόρους και τις ποσότητες
Θα είναι ενδιαφέρον να παρατηρήσουμε πώς η AI θα επηρεάσει την εμπορική αγορά εργασίας. Τα αποτελέσματά της είναι ήδη εμφανή σε ορισμένα μεγάλα τραπεζικά ιδρύματα. Το 2000, το γραφείο συναλλαγών μετοχών της Goldman Sach στις ΗΠΑ στα κεντρικά γραφεία της στη Νέα Υόρκη απασχολημένος 600 έμποροι αγοράζουν και πωλούν μετοχές. Σήμερα, έχει δύο εμπόρους μετοχών, με τα υπόλοιπα μηχανήματα. Ντάνιελ Νάντλερ, Ο Διευθύνων Σύμβουλος της Kensho, δηλώνει 'Σε 10 χρόνια, η Goldman Sachs θα είναι σημαντικά μικρότερη από τον αριθμό των ατόμων από ό, τι σήμερα.' Και όσον αφορά τις ποσότητες, μπορεί να διαπιστώσουν ότι οι δεξιότητές τους έχουν λιγότερη ζήτηση από εταιρείες διαχείρισης επενδύσεων.
εβδομαδιαίο πρότυπο πρόβλεψης ταμειακών ροών
Επί του παρόντος, περίπου ένα το τρίτο των αποφοίτων από κορυφαία επιχειρηματικά προγράμματα τροφοδοτούν τη χρηματοδότηση. Πού θα μεταφερθούν μερικά από τα καλύτερα ταλέντα του έθνους; Mark Minevich, ανώτερος σύμβουλος του Συμβουλίου Ανταγωνιστικότητας των ΗΠΑ, πιστεύει ότι 'Μερικοί από αυτούς τους έξυπνους ανθρώπους θα μετακινηθούν σε νέες τεχνολογίες, ή θα βοηθήσουν στην ανάπτυξη περισσότερων πλατφορμών AI, ή αυτόνομων αυτοκινήτων, ή ενεργειακής τεχνολογίας […] Η Νέα Υόρκη μπορεί να ανταγωνιστεί με τη Silicon Valley στην τεχνολογία.'
Τεχνητή Νοημοσύνη στα Χρηματοοικονομικά: Robo-Advisory
Τι είναι ο Robo-Advisor και πώς λειτουργεί;
Σύμβουλοι Robo είναι ψηφιακές πλατφόρμες που παρέχουν αυτοματοποιημένες υπηρεσίες χρηματοοικονομικού σχεδιασμού βάσει αλγορίθμου με ελάχιστη ανθρώπινη επίβλεψη. Ενώ οι ανθρώπινοι οικονομικοί διαχειριστές χρησιμοποιούν αυτοματοποιημένη κατανομή χαρτοφυλακίου από τις αρχές της δεκαετίας του 2000, οι επενδυτές έπρεπε να προσλάβουν συμβούλους για να επωφεληθούν από την τεχνολογία. Σήμερα, οι robo-σύμβουλοι επιτρέπουν στους πελάτες άμεση πρόσβαση στην υπηρεσία. Σε αντίθεση με τους ανθρώπινους ομολόγους τους, οι ρομπότ-σύμβουλοι παρακολουθούν τις αγορές χωρίς διακοπή και είναι διαθέσιμο 24/7 . Οι Robo-σύμβουλοι μπορούν επίσης να προσφέρουν στους επενδυτές έως και 70% εξοικονόμηση κόστους και συνήθως απαιτούν χαμηλότερα ή καθόλου ελάχιστα για τη συμμετοχή.
Σήμερα, σύμβουλοι ρομπότ μπορεί να βοηθήσει με τις πιο επαναλαμβανόμενες εργασίες όπως άνοιγμα λογαριασμού και μεταφορά περιουσιακών στοιχείων. Η διαδικασία συνήθως περιλαμβάνει πελάτες που απαντούν σε απλά ερωτηματολόγια σχετικά με την όρεξη κινδύνου ή τους παράγοντες ρευστότητας, τα οποία οι ρομπότ-σύμβουλοι στη συνέχεια μεταφράζονται σε επενδυτική λογική. Η πλειοψηφία των τρεχόντων ρομπότ-συμβούλων στοχεύουν στην κατανομή των πελατών τους σε διαχειριζόμενα χαρτοφυλάκια ETF με βάση τις προτιμήσεις τους. Αναμένεται ότι οι δυνατότητες στο μέλλον θα εξελίσσεται σε πιο προηγμένες προσφορές όπως οι αυτόματες αλλαγές περιουσιακών στοιχείων και εκτεταμένη κάλυψη σε εναλλακτικές κατηγορίες περιουσιακών στοιχείων όπως η ακίνητη περιουσία.
Η συμβουλευτική εταιρεία Robo μπορεί να έχει σημαντικό αντίκτυπο στους τομείς της προσωπικής χρηματοδότησης και της διαχείρισης πλούτου. Ενώ ο τρέχων robo-σύμβουλος συνολικά περιουσιακά στοιχεία υπό διαχείριση (AUM) μόνο αντιπροσωπεύουν 10 δισεκατομμύρια δολάρια των 4 τρισεκατομμυρίων δολαρίων της βιομηχανίας διαχείρισης πλούτου (λιγότερο από το 1% του συνόλου των περιουσιακών στοιχείων του διαχειριζόμενου λογαριασμού), α Μελέτη Business Insider εκτιμά ότι αυτός ο αριθμός θα αυξηθεί στο 10% έως το 2020. Αυτό ισοδυναμεί με περίπου 8 τρισεκατομμύρια δολάρια AUM.
Βιομηχανία Υιοθέτηση Robo-Advice
Οι φορείς της βιομηχανίας έχουν υιοθετήσει ποικίλες προσεγγίσεις στο robo-συμβουλευτικό. Οι μικρότερες εταιρείες διαχείρισης πλούτου προσθέτουν αλγοριθμικά στοιχεία για να αυτοματοποιήσουν τη διαχείριση των επενδύσεών τους, να μειώσουν το κόστος / τα τέλη και να ανταγωνιστούν τους συμβούλους ρομπότ. Από την άλλη πλευρά, οι καθιερωμένες εταιρείες επενδύσεων αγοράζουν υπάρχοντες ρομπότ-συμβούλους, όπως Η εξαγορά της Jemstep από την Invesco ή δημιουργώντας τις δικές τους λύσεις robo-advisor, όπως το FidelityGo και το Schwab's Intelligent Advisory.
Robo-Advisors εναντίον χρηματοοικονομικών συμβούλων: Θα αντικατασταθούν οι άνθρωποι;
Η γενική συναίνεση μεταξύ των ειδικών είναι ότι οι άνθρωποι θα παραμείνουν απαραίτητοι. Η ανθρώπινη πινελιά θα παραμείνει κρίσιμη, καθώς οι σύμβουλοι θα πρέπει ακόμη να καθησυχάσουν τους πελάτες σε δύσκολες οικονομικές περιόδους και να τους πείσουν με χρήσιμες λύσεις. Μια μελέτη που πραγματοποιήθηκε από την εταιρεία συμβούλων Accenture αποκάλυψε ότι το 77% των πελατών διαχείρισης πλούτου εμπιστεύονται τους οικονομικούς τους συμβούλους, ενώ το 81% δηλώνει ότι η αλληλεπίδραση πρόσωπο με πρόσωπο είναι σημαντική. Για πελάτες με πολύπλοκες επενδυτικές αποφάσεις, το υβριδικό συμβουλευτικό μοντέλο , η οποία συνδυάζει ηλεκτρονικές υπηρεσίες με ανθρώπινους συμβούλους, κερδίζει έλξη.
Ενώ οι χρηματοοικονομικοί σύμβουλοι θα παραμείνουν κεντρικοί, οι ρομπότ-σύμβουλοι μπορεί να προκαλούν μετατοπίσεις στις εργασιακές τους ευθύνες . Με την AI να διαχειρίζεται επαναλαμβανόμενες εργασίες, οι διαχειριστές επενδύσεων ενδέχεται να αναλάβουν τις ευθύνες ενός επιστήμονα ή μηχανικού δεδομένων, όπως η συντήρηση του συστήματος. Οι άνθρωποι μπορούν επίσης να επικεντρωθούν περισσότερο στη δημιουργία σχέσεων πελατών και στην εξήγηση των αποφάσεων που έχει λάβει η μηχανή.
Τεχνητή Νοημοσύνη στα Χρηματοοικονομικά: Ασφαλιστικές αναδοχές και απαιτήσεις
Η ασφάλιση βασίζεται στο υπόλοιπο του κίνδυνος μεταξύ ομάδων ανθρώπων ; οι ασφαλιστές ομαδοποιούν παρόμοια άτομα και ορισμένα άτομα θα απαιτούν πληρωμές ενώ άλλοι δεν θα το κάνουν. Η βιομηχανία βασίζεται στην εκτίμηση κινδύνου. Οι ασφαλιστικές εταιρείες δεν είναι ξένοι στην ανάλυση δεδομένων. Ωστόσο, Το AI μπορεί να επεκταθεί τον αριθμό των δεδομένων που αναλύθηκαν καθώς και τους τρόπους με τους οποίους μπορούν να χρησιμοποιηθούν, με αποτέλεσμα ακριβέστερη τιμολόγηση και άλλες λειτουργικές αποδόσεις.
Οι νεοσύστατες επιχειρήσεις βρίσκονται στην πρώτη γραμμή της προώθησης της βιομηχανίας. Σύμφωνα με τον Henrik Naujoks , συνεργάτης της Bain & Co, «Οι νεοσύστατες επιχειρήσεις δείχνουν τι είναι δυνατό και τι μπορεί να γίνει. Πολλά κατεστημένα στελέχη το βλέπουν - δεν το καταλαβαίνουν πραγματικά αλλά θέλουν να συμμετάσχουν. ' Οι επενδυτές έχουν επίσης πιάσει αυτήν την τάση (δείτε παρακάτω). Το 2016, η AI ήταν ένα από τα πιο δημοφιλή θέματα για επενδύσεις τεχνολογίας ασφάλισης.
Τεχνητή νοημοσύνη και αναδοχή
ΠΡΟΣ ΤΟ Έκθεση PWC προβλέπει ότι η τεχνητή νοημοσύνη θα αυτοματοποιήσει ένα σημαντικό ποσό αναδοχής έως το 2020, ειδικά σε ώριμες αγορές όπου υπάρχουν διαθέσιμα δεδομένα. Επί του παρόντος, ένας ασφαλιστικός ασφαλιστής, με τη βοήθεια λογισμικού υπολογιστών και αναλογιστικών μοντέλων, αξιολογεί τον κίνδυνο και τα ανοίγματα δυνητικών πελατών, πόση κάλυψη θα πρέπει να λάβουν και πόσο θα πρέπει να χρεωθούν για αυτό. Βραχυπρόθεσμα, η τεχνητή νοημοσύνη μπορεί να βοηθήσει στην αυτοματοποίηση μεγάλου όγκου αναδοχής σε ασφάλεια αυτοκινήτου, κατοικίας, εμπορικής, ζωής και ομαδικής ασφάλισης. Στο μέλλον, η τεχνητή νοημοσύνη θα βελτιώσει τη μοντελοποίηση, επισημαίνοντας βασικές παραμέτρους για τους υπεύθυνους λήψης αποφάσεων που διαφορετικά θα είχαν περάσει απαρατήρητοι. Του πρόβλεψε επίσης ότι η προηγμένη τεχνητή νοημοσύνη θα επιτρέψει την εξατομικευμένη αναδοχή ανά εταιρεία ή άτομο, λαμβάνοντας υπόψη μοναδικές συμπεριφορές και περιστάσεις.
Η βελτιωμένη αναδοχή μπορεί να αξιοποιήσει όχι μόνο τη μηχανική εκμάθηση για την εξόρυξη δεδομένων, αλλά και τη φορητή τεχνολογία και τους αναλυτές προσώπου βαθιάς μάθησης. Για παράδειγμα, Λαπέτος , μια εκκίνηση, θέλει να χρησιμοποιήσει selfies προβλέψτε με ακρίβεια το προσδόκιμο ζωής . Στο προτεινόμενο μοντέλο τους, οι πελάτες θα στείλουν μέσω ηλεκτρονικού ταχυδρομείου τα προσωπικά τους πορτρέτα, τα οποία οι υπολογιστές θα σαρώσουν και θα αναλύσουν — αναλύοντας χιλιάδες περιοχές του προσώπου. Η ανάλυση θα εξέταζε τα πάντα, από τα βασικά δημογραφικά στοιχεία έως το πόσο γρήγορα θα γερνάει το άτομο, τον δείκτη μάζας σώματος και αν καπνίζει. Επιπλέον, η φορητή τεχνολογία θα μπορούσε να κάνει τη διαδικασία αναδοχής πιο συνεργατική. Αντί να βασίζονται σε μακροχρόνιους ιατρικούς ελέγχους και περίπλοκες διαδικασίες σύμβασης, τα φορητά μπορούν παρέχουν πληροφορίες σε πραγματικό χρόνο στην υγεία και τη συμπεριφορά των ασφαλισμένων. Είναι σαφές ότι η μηχανική μάθηση στα χρηματοοικονομικά εξελίσσεται ήδη.
Αυτοί οι τύποι αναλυτικών κινδύνων σε πραγματικό χρόνο θα επιτρέψουν όχι μόνο την ακριβέστερη τιμολόγηση των πελατών, αλλά και την έγκαιρη ανίχνευση κινδύνων για την υγεία και μια ευκαιρία για τις ασφαλιστικές εταιρείες να επενδύστε στην πρόληψη . Αντί να πληρώνουν τελικά για δαπανηρές θεραπείες για τον ασθενή, οι ασφαλιστικές εταιρείες μπορούν να προσπαθήσουν προληπτικά να μειώσουν την πιθανότητα ζημιών και των σχετικών δαπανών.
Σε ένα Μελέτη της Οξφόρδης 2013 Αναλύοντας πάνω από 700 επαγγέλματα για να προσδιορίσουμε ποια ήταν πιο ευαίσθητα σε μηχανοργάνωση, οι ασφαλιστικοί ασφαλιστές συμπεριλήφθηκαν στις πέντε πιο ευαίσθητες. Ακόμα και όταν η AI δεν αντικαθιστά εντελώς έναν ασφαλιστή, η αυτοματοποίηση AI μπορεί να αλλάξει τις ευθύνες του ασφαλιστή. Η τεχνητή νοημοσύνη μπορεί να ελευθερώσει το χρόνο ενός ασφαλιστή για υψηλότερη προστιθέμενη αξία, όπως η αξιολόγηση και η τιμολόγηση των κινδύνων σε αναδυόμενες αγορές με λιγότερο πλούσια σε δεδομένα, παρέχοντας περισσότερη διαχείριση κινδύνων και σχόλια για την ανάπτυξη προϊόντων.
Απαιτήσεις τεχνητής νοημοσύνης και ασφάλισης
Ασφαλιστικές απαιτήσεις είναι επίσημα αιτήματα πληρωμής που αποστέλλονται σε ασφαλιστικές εταιρείες. Στη συνέχεια, οι ασφαλιστικές εταιρείες επανεξετάζουν την αξίωση εγκυρότητας και πληρώνουν στον ασφαλισμένο μόλις εγκριθεί. Δείτε πώς τεχνητή νοημοσύνη μπορώ βελτιώστε τη διαδικασία :
λειτουργεί το node js σε όλα τα προγράμματα περιήγησης
Βελτιωμένη ακρίβεια δεδομένων πελατών. Η διαδικασία αξιώσεων είναι αρκετά χειροκίνητη: Οι ανθρώπινοι πράκτορες καταγράφουν με μη αυτόματο τρόπο τις πληροφορίες πελατών και τις λεπτομέρειες συμβάντων. Σύμφωνα με ένα Έκθεση εμπειρογνωμόνων , η ποιότητα των δεδομένων μπορεί να υποφέρει: τα ελλιπή δεδομένα αντιπροσωπεύουν το 55% των σφαλμάτων δεδομένων, ενώ τα τυπογραφικά λάθη αποτελούν το 32%. Το AI μπορεί να βελτιώσει την ακρίβεια μειώνοντας τη χειροκίνητη είσοδο. Επιπλέον, οι διεκδικήσεις απαιτούν συχνά οι ασφαλιστικοί πράκτορες να ταιριάζουν με τις πληροφορίες των πελατών με πολλές βάσεις δεδομένων. Το AI μπορεί να χρησιμοποιηθεί Κάνε αυτό πιο αποδοτικά.
Ταχύτερες προτάσεις πληρωμής. Σύμφωνα με έναν J.D. Power & Associates μελέτη ικανοποίησης αξιώσεων ιδιοκτησίας , οι αργοί χρόνοι κύκλων αξιώσεων είναι ένας από τους μεγαλύτερους συντελεστές στη δυσαρέσκεια των πελατών. Όλα συμπεριλαμβάνονται μπορώ να βοηθήσω να μειώσει τους χρόνους ανακύκλωσης επικυρώνοντας πρώτα την πολιτική και, στη συνέχεια, κάνοντας προσδιορισμούς σχετικά με τις αξιώσεις και αν θα αυτοματοποιήσουμε την πληρωμή. Αυτό συμβαίνει επειδή το AI έχει τη δυνατότητα να αναλύει όχι μόνο δομημένα δεδομένα, αλλά και μη δομημένα δεδομένα όπως χειρόγραφες φόρμες και πιστοποιητικά.
Τεχνητή Νοημοσύνη στα Χρηματοοικονομικά: Συνομιλητική Τραπεζική και Εξυπηρέτηση Πελατών
Οι τράπεζες κάνουν μεγάλα στοιχήματα με τους εικονικούς βοηθούς που αντιμετωπίζουν οι πελάτες τους, γνωστοί ως chatbots. Ενώ οι πρώτες εκδόσεις των chatbots θα μπορούν να απαντούν μόνο σε βασικές ερωτήσεις σχετικά με τα όρια δαπανών και τις πρόσφατες συναλλαγές, οι μελλοντικές εκδόσεις αναμένεται να γίνουν εικονικοί βοηθοί πλήρους υπηρεσίας που μπορούν να κάνουν πληρωμές και να παρακολουθούν προϋπολογισμούς για τους καταναλωτές. Η αλληλεπίδραση με πελάτες μπορεί να οδηγήσει σε σημαντική εξοικονόμηση κόστους, αλλά οι ανθρώπινες αλληλεπιδράσεις είναι επίσης αναμφίβολα πιο περίπλοκο από το απλό αριθμό των αριθμών . Οι επικριτές επισημαίνουν την έλλειψη ενσυναίσθησης και κατανόησης των chatbots, τα οποία μπορεί να χρειάζονται οι άνθρωποι όταν αντιμετωπίζουν δύσκολες οικονομικές αποφάσεις και καταστάσεις. Για αυτήν την τεχνολογία, η τεχνολογία AI της επεξεργασίας φυσικής γλώσσας θα είναι απαραίτητη για την επεξεργασία και την ανταπόκριση σε εξατομικευμένες ανησυχίες και επιθυμίες των πελατών.
Τον Οκτώβριο του 2016, τόσο η Bank of America όσο και η MasterCard παρουσίασαν τα chatbots τους, Έρικα και Kai , αντίστοιχα. Αυτά θα επιτρέψτε στους πελάτες να υποβάλουν ερωτήσεις σχετικά με τους λογαριασμούς τους, να ξεκινήσουν συναλλαγές και να λάβουν συμβουλές μέσω του Facebook Messenger του πύργου Echo του Amazon Messenger.
καλύτερο πλαίσιο web front end
Το Capital One έχει επίσης ξεκίνησαν το δικό τους chatbot , με το όνομα 'Eno', το οποίο είναι ένα αναγράμματα για το 'One'. Η Eno επιτρέπει στους πελάτες να συνομιλούν με την τράπεζα χρησιμοποιώντας γλώσσα βάσει κειμένου για την πληρωμή λογαριασμών και την ανάκτηση πληροφοριών λογαριασμού. Το Barclays είναι επίσης μπαίνοντας στη δράση . Περιγράφοντας το νέο chatbot της Bank of America, Μισέλ Μουρ , ο επικεφαλής της ψηφιακής τραπεζικής στην Bank of America δήλωσε: «Τι θα είναι η τραπεζική σε δύο, τρία ή τέσσερα χρόνια; Θα είναι αυτό. '
Σκέψεις χωρισμού
Πρέπει να δούμε τον πλήρη αντίκτυπο της τεχνητής νοημοσύνης στις χρηματοοικονομικές υπηρεσίες. Μερικοί φουτουριστές έχουν υποστηρίξει ότι ο κόσμος πλησιάζει γρήγορα ένα σημείο ανατροπής, επινοημένο ' μοναδικότητα , »Όπου η μηχανική νοημοσύνη θα ξεπεράσει την ανθρώπινη νοημοσύνη. Διάσημοι τεχνολόγοι και επιστήμονες, συμπεριλαμβανομένων των Bill Gates και Stephen Hawking, έχουν προειδοποιήσει για αυτό το σημείο. Ο Elon Musk έχει επίσης προκάλεσε διάσημα «Η τεχνητή νοημοσύνη είναι ένας θεμελιώδης υπαρξιακός κίνδυνος για τον ανθρώπινο πολιτισμό και δεν νομίζω ότι οι άνθρωποι το εκτιμούν πλήρως».
Καθώς η τεχνητή νοημοσύνη συνεχίζει να πολλαπλασιάζει την προσωπική και επαγγελματική μας ζωή, πολλά θέματα θα συνεχίσουν να εμφανίζονται. Αυτά περιλαμβάνουν τη δυνατότητα για λάθη, ένα γενικό συναίσθημα δυσπιστίας απέναντι σε μηχανές και ανησυχίες σχετικά με την αντικατάσταση θέσεων εργασίας. Θα ήταν λάθος να αγνοήσουμε αυτούς τους φόβους. Ωστόσο, η κοινωνία βρίσκεται ήδη σε μια επιταχυνόμενη πορεία προς έναν κόσμο που οδηγείται από την τεχνητή νοημοσύνη. Σε αυτόν τον νέο κόσμο, θα μπορούσε να είναι πιο παραγωγικό να επικεντρωθούμε στον τρόπο με τον οποίο οι μηχανές και οι άνθρωποι μπορούν να συνυπάρχουν καλύτερα. Θα είναι σημαντικό για τους υπεύθυνους χάραξης πολιτικής να παραμείνουν προσεκτικοί, επιτρέποντας την ανάπτυξη νέων τεχνολογιών ενώ παρακολουθούν και ελαχιστοποιούν τις αρνητικές τους συνέπειες. Προγραμματιστές και σχεδιαστές θα πρέπει επίσης να βελτιωθεί την ικανότητα των ανθρώπων να κατανοούν τα συστήματα AI για να χτίζουν εμπιστοσύνη και να αυξάνουν την ικανοποίηση με τις εφαρμογές AI. Όλοι θα έχουν έναν ρόλο να παίξουν.
Ως Haruhiko Kuroda, κυβερνήτης της Τράπεζας της Ιαπωνίας επιμελημένος σε ένα συνέδριο AI και Financial Services του 2017, «Είναι σημαντικό για εμάς να εξετάσουμε εποικοδομητικά τους επιθυμητούς τρόπους με τους οποίους οι άνθρωποι και η AI συμπληρώνουν, αντί να αντιμετωπίζουν ο ένας τον άλλον. Για παράδειγμα, η ανθρώπινη κρίση δεν είναι εντελώς απαλλαγμένη από τα υπάρχοντα πρότυπα, και έτσι μερικές φορές αμελεί να αλλάξει. Από αυτήν την άποψη, το AI θα μπορούσε να προσαρμόσει την προκατάληψή μας με ουδέτερη ανάλυση και εύρεση νέων συσχετίσεων ανάμεσα σε μια πληθώρα δεδομένων [sic]. Εν τω μεταξύ, οι άνθρωποι θα μπορούσαν να αντισταθμίσουν την αδυναμία του AI με τη διαίσθηση, την κοινή λογική και τη φαντασία τους. '
Κατανόηση των βασικών
Τι είναι το AI;
Η τεχνητή νοημοσύνη ορίζεται ως ένας τομέας της επιστήμης των υπολογιστών που εστιάζει στη δημιουργία έξυπνων μηχανών που λειτουργούν όπως οι άνθρωποι. Οι υπολογιστές AI έχουν σχεδιαστεί για να εκτελούν ανθρώπινες λειτουργίες όπως μάθηση, λήψη αποφάσεων, προγραμματισμός και αναγνώριση ομιλίας.
Ποιες είναι οι εφαρμογές του AI στο fintech;
Η τεχνητή νοημοσύνη προσφέρει ευκαιρίες για αυξημένη λειτουργική αποδοτικότητα σε τομείς που κυμαίνονται από διαχείριση κινδύνων και συναλλαγές έως αναδοχές και αξιώσεις. Ενώ ορισμένες εφαρμογές είναι πιο σχετικές με συγκεκριμένους τομείς στις χρηματοπιστωτικές υπηρεσίες, άλλες μπορούν να αξιοποιηθούν γενικά.
Τι είναι ο σύμβουλος robo και πώς λειτουργούν;
Οι Robo-σύμβουλοι παρέχουν χρηματοοικονομικές υπηρεσίες βάσει αλγορίθμων με ελάχιστη ανθρώπινη εποπτεία. Οι διαχειριστές ανθρώπινου χρηματοοικονομικού τομέα χρησιμοποιούν αυτοματοποιημένη κατανομή χαρτοφυλακίου από τις αρχές της δεκαετίας του 2000, αλλά, σήμερα, οι robo-σύμβουλοι επιτρέπουν στους πελάτες άμεση πρόσβαση. Οι Robo-σύμβουλοι παρακολουθούν τις αγορές χωρίς διακοπή και είναι διαθέσιμοι 24/7.
Τι θεωρείται fintech;
Η Fintech περιλαμβάνει τεχνολογία που επιτρέπει τραπεζικές ή χρηματοοικονομικές υπηρεσίες. Μπορεί να χρησιμοποιηθεί για να περιγράψει οτιδήποτε, από κρυπτονομίσματα έως ρομπότ-συμβούλους για τη διαχείριση χαρτοφυλακίου.
Τι είναι ένα αλγοριθμικό σύστημα συναλλαγών;
Η αλγοριθμική συναλλαγή περιλαμβάνει τη χρήση υπολογιστών που έχουν προγραμματιστεί για να ακολουθούν ένα καθορισμένο σύνολο οδηγιών για την πραγματοποίηση συναλλαγών. Αξιοποιεί πολύπλοκες τεχνικές όπως η βαθιά μάθηση και η μηχανική μάθηση. Το λογισμικό διαπραγμάτευσης AI μπορεί να απορροφήσει τεράστιους όγκους δεδομένων για να μάθει για τον κόσμο και να κάνει προβλέψεις για την αγορά.
Τι είναι ένα σύστημα βαθιάς μάθησης;
Η βαθιά μάθηση είναι ένα υποσύνολο της μηχανικής μάθησης. Διευκολύνεται η αναγνώριση αντικειμένων σε εικόνες, σήμανση βίντεο, αναγνώριση δραστηριότητας και αντίληψη. Πολλοί κάνουν τη σύγκριση μεταξύ της τεχνολογίας βαθιάς μάθησης και της βιολογίας, αλλά οι ειδικοί συμφωνούν ότι, ενώ εμπνέονται από τον ανθρώπινο εγκέφαλο, δεν είναι απαραίτητα μοντέλο μετά από αυτό.
