Важни точки

Изкуственият интелект (AI) излита

• Общото приемане на ИИ във всички отрасли прогнозира глобален прираст на приходите от 12,5 трилиона долара през 2017 г. и 47 трилиона долара през 2020 г. с CAGR от 55,1% от 2016 до 2020 г.
• Отраслите, които ще инвестират най-много в тези технологии, ще бъдат банкирането и търговията на дребно, следвани от здравеопазването и производството.
• Икономистите определят Технологии с общо предназначение (* GPT *) като достатъчно важни, за да стимулират устойчив икономически растеж и обществен напредък. Например, електричеството е * GPT *. Скорошна статия в Business Review от Харвардския университет определя AI като най-важния * GPT * на нашата епоха.

Управление на риска

• PayPal успя да увеличи сигурността, като се възползва от технологията за дълбоко обучение. PayPal измамите са относително ниски с 0,32% печалба , цифра много по-добра от средната 1,32%, която търговците могат да видят.
• Докато линеен модел може да консумира 20-30 променливи , технологията за дълбоко обучение може да изпрати хиляди точки от данни.

AI търговия

• От години компаниите за управление на инвестиции разчитат на компютри за търговия. относно 9% от всички средства , които управляват 197 трилиона долара, разчитат на големи статистически модели, изградени от учени по данни.
• Тези модели обаче са често статични Те се нуждаят от човешка намеса и нямат същата производителност, когато пазарът се промени. По тази причина фермите са мигрирайки все повече към истински модели на изкуствен интелект които анализират големи обеми данни и и продължават да се усъвършенстват сами.
• През 2000 г. американската операционна банка Goldman Sachs в седалището си в Ню Йорк даде работа на 600 бизнесмени. Днес имате двама дилъри на акции с машини, които се грижат за останалото.

Робо-консултативен

• За инвеститорите * robo-advice * може да предложи до 70% икономия на разходи за определени услуги.
• Някои утвърдени инвестиционни фирми купуват от съществуващи * робо-съветници *, като например Придобиването на Invesco на Jemstep Y. Покупката на Blackrock на FutureAdvisor . Други създават свои собствени * robo-съветници *, като FidelityGo и Schwab Intelligent Advisory.
• 77% от клиентите на Wealth Management се доверяват на своите финансови съветници, а 81% посочват, че взаимодействието лице в лице е важно.

Застрахователен абонамент и искове

• A информира за PWC прогнозира, че AI ще автоматизира значително количество поемане до 2020 г., особено на зрели пазари, където са налични данни.
• В Проучване от 2013 г. в Оксфорд AI анализира повече от 700 професии, за да определи кои са най-податливи на компютъризация, застрахователните застрахователи са включени в първите пет най-податливи.
• Подписването може да се възползва не само от машинно обучение, но и от технология с общо предназначение, както и от технология за дълбоко обучение на лицевия анализ.

Технология с общо предназначение е термин, който икономистите пазя за технологии, които стимулират устойчив икономически растеж и обществен напредък, като по този начин правят революция в дейността на домакинствата и корпорациите. Пример за технология с общо предназначение е електричеството. Генерираното електричество множество продукти и сектори, включително хладилници, перални машини, влакове и, разбира се, компютри. Пристигането на електричеството коренно промени света.

Скорошна статия в Харвардски бизнес преглед определи изкуствения интелект (ИИ) като най-важната технология с общо предназначение в нашата ера . Запознати сме със силата на ИИ. Той се проявява под формата на робот побеждавайки световно известен шахматист . Кола, която може успореден парк от себе си . Устройства, които те отговарят с утрешното време когато питаме. Но голяма част от контакта ни с - и разбирането за - AI се върти около продукти, които влияят на нашето ежедневие като потребители. На организационно ниво има по-широк въпрос за това как AI ще повлияе на индустриите и по-конкретно как финансовите услуги ще използват AI.

Следващата статия ще дефинира изкуствения интелект, сферата на свързаните с него технологии, големината на глобалната индустрия на ИИ и приложенията на изкуствения интелект във финансите. Тази част не е предназначена да предостави нормативна преценка за развитието на AI; по-скоро ще се съсредоточи върху това как ИИ влияе върху финансите.

Изкуствен интелект: Какво е AI?

Изкуственият интелект е [област на изчисленията] (https://www.techopedia.com/definition/190/artificial-intelligence-ai), фокусирана върху създаването на интелигентни машини, които функционират като човешки същества. AI компютрите са предназначени да изпълняват човешки функции включително обучение, вземане на решения, планиране и разпознаване на речта.

Изкуственият интелект дава възможност на машините непрекъснато подобрявайте ефективността си без хората да предоставят предписания за това как да го направят. Това е важно по няколко причини. Първо, хората знаят повече, отколкото сме способни да разберем. Тоест, хората са способни да разпознаят лице или да изпълнят интелигентна стратегия в игра на шах. Преди съвременната технология на изкуствения интелект обаче неспособността на хората да формулират собствените си знания означаваше, че не можем да автоматизираме много задачи. Второ, AI технологията е свръхчовешка в своето изпълнение, работи по-бързо и по-често от хората.

Технологии за изкуствен интелект

Изкуственият интелект обхваща множество възможности и технологии. Консултантската фирма PWC подсилва фактът, че ИИ не е „монолитна област“. Той обхваща редица неща, които всички добавят към представата ни какво означава да бъдеш „умен“. По-долу са някои от най-популярните области на ИИ:

• Машинно обучение е метод за анализ на данни, който автоматизирайте аналитичния модел на сграда . Използвайки алгоритми, които итеративно се учат от данни, машинното обучение дава възможност на компютрите да намират скрити идеи, без изрично да бъдат програмирани къде да търсят.
• Дълбоко обучение е подмножество на машинното обучение . Той е улеснил разпознаването на обекти в изображения, маркирането на видео, разпознаването на дейности и е усъвършенствал възприятието (включително аудио и реч). Например приложението за дълбоко обучение на * DeepFace * на Facebook е било обучени да разпознават хора на снимки . Мнозина правят сравнение между технологията за дълбоко обучение и биологията, но експертите обикновено се съгласяват, че все пак който е вдъхновен от човешкия мозък, не непременно оформен по неговия образ .
• Процес на естествен език е способността на компютърна програма да разбират човешката реч в реално време. Изследванията и развитието са Променя се към системи, способни да взаимодействат с хората чрез диалог, а не просто да реагират на стилизирани заявки.
• Интернет на нещата (IoT) е посветен на идеята, че широка гама от устройства, включително уреди, превозни средства и сгради могат да бъдат взаимосвързани. Например, ако алармата ви се включи в 7:00 сутринта, може предайте информацията автоматично на вашата кафеварка за да започнете да правите кафе. Технологии с общо предназначение, които действат като сензори и когато се използват са част от тази по-широка тенденция .

Разбира се, този списък не е изчерпателен. Вижте по-широка гама от теми и технологии за ИИ по-долу.

Размер на пазара на изкуствен интелект

Гореспоменатата [статия в Харвардски бизнес преглед прогнозира, че „ефектите от ИИ ще бъдат увеличени през следващото десетилетие, тъй като производството, търговията на дребно, транспорта, финансите, здравеопазването, правото, рекламата, застраховането, развлеченията, образованието и практически всяка друга индустрия, трансформират своите основни процеси и бизнес модели, за да поемат предимство на машинното обучение. Тесното място е в управлението, приложението и въображението на бизнеса. '

С широкото възприемане на ИИ във всички отрасли е [прогнозирано] (http://www.idc.com/getdoc.jsp?containerId=prUS41878616) да се постигне глобална печалба от 12,5 трилиона долара през 2017 г. и 47 трилиона долара през 2020 г., с сложен годишен темп на растеж (CAGR) от 55,1% от 2016 до 2020 г. По-конкретно отраслите, които ще инвестират най-много в технологиите, са банковото дело и търговията на дребно, следвани от здравната индустрия и производството. Заедно тези четири индустрии представляват повече от половината от глобалните приходи от изкуствен интелект през 2016 г., а секторите: банкиране и търговия на дребно ще осигурят близо 1,5 трилиона.

Във всички отрасли, по-високи инвестиции в AI през 2017 г. Те ще бъдат в области като автоматизирани агенти за обслужване на клиенти, автоматизирана информация за заплахи и анализ на измами (вижте писмото по-долу). Според Джесика Гопферт , директор на програми в IDC , компания на проучване на пазара , „Краткосрочните възможности за когнитивните системи са в отрасли като банковото дело, ценните книжа и инвестициите и производството. В тези сегменти откриваме много неструктурирани данни, желание за използване на прозренията от тази информация и отвореност към иновативни технологии. ' Следващият раздел на тази статия разглежда различните случаи на използване на изкуствен интелект в индустрията на финансовите услуги.

Настоящи и бъдещи приложения на изкуствения интелект във финансите

Изкуственият интелект може да стимулира оперативната ефективност в области, вариращи от управление на риска и търговия, до поемане и вземания. Докато някои приложения са по-подходящи за конкретни сектори във финансовите услуги, други могат да се използват по общ начин.

Управление на риска

Изкуственият интелект се оказа безценен по отношение на сигурността и разкриването на измами. Традиционните методи за откриване на измами включват компютри, които анализират структурирани данни спрямо набор от правила. Например, определена разплащателна компания може да определи праг за банкови преводи на $ 15 000, така че всяка транзакция, надвишаваща тази сума, ще бъде маркирана за допълнително разследване. Този тип тест обаче дава много фалшиви положителни резултати и изисква много допълнителни усилия. Може би, и още по-важно, измамници с киберпрестъпления сменяйте често тактиката си . Поради това най-ефективните системи трябва непрекъснато да стават по-интелигентни.

С усъвършенствани алгоритми за обучение като дълбоко обучение, към системата за динамична настройка могат да се добавят нови функции. Според Самир Ханс , директор на консултации за Deloitte транзакции и Business Analytics LLP, „С когнитивния анализ моделите за откриване на измами могат да бъдат по-стабилни и точни. Ако когнитивната система премахне нещо, което тя определя като възможна измама, а човешкото същество определи, че това не е измама поради X, Y и Z, компютърът се учи от тези човешки възприятия и следващия път няма да ви изпрати подобно откриване. Екипът става по-умен. '

Успехът на PayPal с изкуствен интелект и откриване на измами

Вземете например PayPal, платежния гигант, и неговите усъвършенствани протоколи за измами. Поради мащаба и видимостта си, PayPal “ той има голяма мишена на гърба си . ' През 2015 г. тя е обработила 235 милиарда долара от четири милиона транзакции за своите 170 милиона клиенти. PayPal обаче успя да увеличи сигурността, като използва технологията за дълбоко обучение. Всъщност измамите с PayPal са сравнително ниски с 0,32% от приходите , много по-добра сума от 1,32%, която търговците обикновено виждат.

Преди това PayPal използваше прости, линейни модели. Днес неговите алгоритми извличат данни от историята на покупките на клиента и преглеждат моделите на вероятни измами, съхранявани в нарастващите му бази данни. Докато линеен модел може да консумира 20-30 променливи , технологията за дълбоко обучение може да сортира хиляди точки от данни. Тези подобрени възможности помагат на PayPal да различава невинни транзакции от подозрителни. Според Хуей Уанг , Старши директор на Глобалните науки за риска в PayPal, „Това, което ни харесва в по-модерното и усъвършенствано машинно обучение, е способността му да консумира повече данни, да обработва слоеве и слоеве на абстракция и да може да„ вижда “неща […], които дори хората съществата не са в състояние да виждат '

Търговия с изкуствен интелект

Преход от създадени от човека модели към истински AI

От години компаниите за управление на инвестиции разчитат на компютри, за да се справят с търговията. Около 1360 хедж фонда, представляващи 9% от всички средства Те разчитат на големи статистически модели, изградени от учени по данни, които често имат докторска степен по математика (известна още като „квантова“). Тези модели обаче използват само исторически данни, те са често статични Те се нуждаят от човешка намеса и не се представят добре, когато пазарът се промени. Следователно средствата са мигриране към истински модели на изкуствен интелект все повече и повече, които могат не само да анализират големи обеми данни, но и да продължат да се усъвършенстват.

Тези нови технологии използват сложни техники, включително дълбоко обучение, наречена форма на машинно обучение Байесови мрежи , Y Еволюционни изчисления , който е вдъхновен от генетиката. Софтуерът за търговия с изкуствен интелект може да поглъща огромни обеми данни, за да научи повече за света и да прави прогнози за финансовия пазар. За да се разберат световните тенденции Те могат да консумират всичко - от книги, туитове, новинарски репортажи, финансови данни, цифри на приходите и международна парична политика до сцени от Saturday Night Live.

За да се изясни, горното е различно от високочестотна търговия ( HFT ), което позволява на търговците да изпълняват милиони поръчки и да сканират множество пазари за секунди, отговаряйки на възможностите по начини, които хората те просто не могат . Обсъдените по-горе платформи с изкуствен интелект търсят най-добрите дългосрочни планове за търговия, а машините - не хората - диктуват стратегията.

Някои от тези системи за търговия с AI са разработени от стартиращи компании. Например в Хонконг Айдия е напълно автономен хедж фонд, който извършва цялата си търговия с акции, използвайки изкуствен интелект (AI). 'Ако всички умрем', казва съоснователят Бен Гьорцел , 'Ще продължи да работи.' Традиционните институции също се интересуват от технологията за изкуствен интелект. През 2014 г. Goldman Sachs ръководи кръга за финансиране от Серия А. и започна да инсталира платформа за търговия с AI, наречена Kensho. За серия B de Kensho В допълнение към S&P Global участваха и шестте най-големи банки на Уолстрийт (Goldman Sachs, JPMorgan Chase, Bank of America, Merrill Lynch, Morgan Stanley, Citigroup и Wells Fargo).

Сравнение на бизнес резултатите

Скорошно проучване на инвестиционна изследователска фирма Eurekahedge проследиха представянето на 23 хедж фонда, използвайки AI от 2010-2016 г., където те видяха, че са по-добри от тези, управлявани от по-традиционни квантови анализатори и общи хедж фондове.

Последици за търговците и квантовите анализатори

Ще бъде интересно да наблюдаваме как AI ще повлияе на търговския пазар на труда. Неговите ефекти вече са очевидни в някои от основните банкови институции. През 2000 г. офисът на Goldman Sach за търговия с фиксирани приходи в централата на Ню Йорк работа 600 търговци, купуващи и продаващи акции. Днес той има двама търговци на акции с машини, които вършат останалата част от работата. Даниел Надлър, Главен изпълнителен директор де Кеншо, декларация , 'След 10 години Goldman Sachs ще бъде значително по-малък от гледна точка на заплатите, отколкото е днес.' Що се отнася до квантовите анализатори, те могат да забележат, че техните умения се търсят по-малко в компаниите за управление на инвестиции.

В момента около една трета от завършилите от основните бизнес програми се изхранват от финанси. Къде ще отиде най-добрият талант в нацията? Марк Миневич, старши съветник на Съвета за конкурентоспособност на САЩ, вярва, че „Някои от тези интелигентни хора ще преминат към технологични стартиращи компании или ще помогнат за разработването на повече платформи за изкуствен интелект, или автономни автомобили, или енергийни технологии […] Ню Йорк може да се конкурира със Силициевата долина по отношение на технологиите.“

Robo-Advisory

Какво е a Робо-съветник и как работи

Робо-съветници са цифрови платформи, които предоставят базирани на алгоритми услуги за автоматизирано финансово планиране с минимален човешки надзор. Докато човешките финансови мениджъри използват автоматизирано разпределение на портфейла от началото на 2000-те, инвеститорите трябваше да наемат съветници, за да се възползват от технологията. Днес, робо-съветници позволяват на клиентите директен достъп до услугата. За разлика от човешките си колеги, робо-съветници наблюдавайте нон-стоп пазарите и са на разположение 24/7 . Робо-съветници може да предложи на инвеститори до a 70% икономия на разходи и обикновено те не изискват минимум за участие.

Днес, робо-съветници може да помогне с по-повтарящи се задачи като откриване на сметки и прехвърляне на активи. Процесът обикновено включва клиенти, отговарящи на прости въпросници относно апетита за риска или факторите на ликвидността, които робо-съветници след това те се превръщат в инвестиционна логика. Повечето от робо-съветници Настоящите компании се стремят да разпределят своите клиенти към управлявани портфейли на ETF въз основа на техните предпочитания. Възможности се очакват в бъдеще станете по-напреднали предложения като автоматични промени на активи и разширено покритие чрез алтернативни класове активи като недвижими имоти.

Робо-консултативен Това може да окаже голямо въздействие върху личните финанси и индустриите за управление на богатството. Докато общите активи под управление ( АУМ ) ток на робо-съветник неженен представляват 10 трилиона долара от 4 трилиона в индустрията за управление на богатството (по-малко от 1% от всички активи на управлявани сметки), [проучване на Business Insider] (http://www.businessinsider.com/the-robo-advising-report -market-forecasts- ключови-растеж-драйвери-и-как-автоматизирано-управление на активи-ще промени-консултантската индустрия-2016-6) изчислява, че тази цифра ще се увеличи до 10% през 2020 г. Това се равнява на около 8 трилиона долара в активи в управление ( АУМ ).

Приемане в индустрията Robo-Advice

Участниците в индустрията възприемат различни подходи към робо-съвет . Малките компании за управление на богатството добавят алгоритмични компоненти, за да автоматизират управлението на инвестициите си, да намалят разходите / таксите и да се конкурират с робо-съветници . От друга страна, утвърдени инвестиционни посредници купуват от робо-съветници съществуващи, като Придобиването на Invesco на Jemstep или създаване на собствени решения робо-съветник , като FidelityGo и Schwab Intelligent Advisory.

Robo-Advisors срещу. Финансови съветници: Ще бъдат ли заменени хората?

Общият консенсус сред експертите е, че хората ще продължат да бъдат необходими. Човешкото докосване ще остане критично, тъй като съветниците все още ще трябва да успокояват клиентите по време на тежки финансови времена и да ги убеждават с полезни решения. Проучване, проведено от консултантската фирма Accenture разкри, че 77% от клиентите за управление на богатството се доверяват на своите финансови съветници, докато 81% посочват, че взаимодействието лице в лице е важно. За клиенти със сложни инвестиционни решения, хибриден модел на консултиране , която сдвоява компютърни услуги с човешки съветници, се налага.

Докато финансовите съветници ще останат централни, финансовите съветници робо-съветници може да причини промени в работните ви отговорности . Чрез управление на повтарящи се задачи инвестиционните мениджъри могат да поемат отговорностите на учен или инженер по данни, като например поддържане на системата. Хората могат също така да се съсредоточат повече върху изграждането на взаимоотношения с клиентите и да обяснят решенията, които машината е взела.

Изкуствен интелект при застрахователно поемане и вземания

Застраховката зависи от баланса на риск между групи хора ; застрахователите групират подобни хора и някои хора ще се нуждаят от плащания, докато други няма. Индустрията разчита на оценка на риска; застрахователните компании не са непознати за анализа на данните. Въпреки това, AI може да се разшири количеството на анализираните данни, както и начините, по които те могат да бъдат използвани, което води до по-точно ценообразуване и друга оперативна ефективност.

Стартъпите са на преден план, когато става въпрос за насочване на индустрията напред. Според Хенрик Науйокс , партньор в Bain & Co, „Стартиращите компании показват какво е възможно и какво може да се направи. Много от сегашните ръководители го виждат - те не го разбират, но искат да се включат. ' Инвеститорите също се придържат към тази тенденция (виж по-долу). През 2016 г. AI беше една от най-популярните теми за инвестиция в застрахователна технология.

Изкуствен интелект и застрахователно поемане

A информира за PWC прогнозира, че AI ще автоматизира значително количество поемане до 2020 г., особено на зрели пазари, където са налични данни. В момента застраховател с помощта на компютърен софтуер и актюерски модели, оценява риска и експозициите на потенциалните клиенти, колко покритие трябва да получат и колко трябва да бъдат таксувани. В краткосрочен план AI може да помогне за автоматизиране на големи обеми на поемане на застраховки за автомобили, жилища, бизнес, живот и групи. Продължавайки напред, AI ще подобри моделирането, като изтъкне ключови съображения за хората, отговарящи за вземането на решения, които иначе биха могли да останат незабелязани. То е също предсказано че усъвършенстваният AI ще позволи персонализирано застрахователно поемане от страна на компания или физическо лице, като се вземат предвид уникалното поведение и обстоятелства.

Подобреното застрахователно поемане може да използва не само машинно обучение за извличане на данни, но и технология за носене и дълбоки обучителни анализатори на лице. Например, Лапетус , нова компания, иска да използва селфита за точно прогнозира продължителността на живота . В предложения от него модел клиентите ще изпратят своите автопортрети по имейл, които ще сканират и анализират компютри - анализирайки хиляди региони на лицето. Анализът ще разгледа всичко - от основните демографски данни до това колко бързо ще остарее човекът, индекса на телесната му маса и дали пуши. Също така, технологията като цяло може да направи процеса на застрахователно поемане по-съвместен. Вместо да разчитат на продължителни медицински прегледи и сложни договорни процеси, общите технологии могат предоставят информация в реално време в здравето и поведението на застрахования.

Този тип нюансиран анализ на риска в реално време ще позволи не само по-точно изчисляване на цените на клиентите, но и ранното откриване на рисковете за здравето и възможност за застрахователните компании да инвестирайте в превенция . Вместо да плащат в крайна сметка за скъпоструващо лечение на пациенти, застрахователните компании могат активно да се опитат да намалят вероятността от вреда и свързаните с това разходи. В Оксфордско проучване през 2013 г. Чрез анализ на повече от 700 професии, за да се определи кои са най-податливи на компютъризация, застрахователите бяха включени в първите пет най-податливи. Дори когато AI не замества напълно застрахователя, автоматизацията на AI може да промени отговорностите на застрахователя. AI може да освободи времето на абоната за по-голяма добавена стойност, като оценка и ценообразуване в новопоявяващите се пазари с по-малко данни, предоставяйки по-голяма представа за управлението на риска и разработването на продукти.

Искове за изкуствен интелект и застраховки

Застрахователни искове са официалните искания за плащане, изпратени до застрахователните компании. След това застрахователните компании преглеждат искането за валидност и плащат на застрахования, след като бъде одобрен. Ето как може изкуственият интелект подобряване на процеса :

Подобрена точност на данните на клиентите. Процесът на искове е доста ръчен - човешки агенти ръчно записват информация за клиентите и подробности за инциденти. Според a Експериански доклад , качеството на данните може да пострада: непълните данни представляват 55% от грешките в данните, докато типографските грешки съставляват 32%. AI може да подобри точността, като намали ръчното въвеждане. Освен това процесите на искове често изискват от застрахователните агенти да съпоставят информацията за клиентите с многобройни бази данни. AI може да се използва за направите това по-ефективно.

Препоръки за по-бързо плащане. Според a проучване на удовлетвореността на имуществени претенции от J.D. Power & Associates, времето на бавния съдебен цикъл е един от най-големите фактори за недоволството на клиентите. AI може да помогне да се намали времето за отговор, като първо се валидира политиката, след което се определят исковете и дали да се автоматизира плащането или не. Това е така, защото AI има способността да анализира не само структурирани данни, но и неструктурирани данни като ръчно написани формуляри и сертификати.

Последни размишления

Някои футуристи те са спорили че светът бързо се приближава до повратна точка, измислен ' сингулярност , ”Където машинният интелект ще надмине човешкия. Известни технолози и учени, включително Бил Гейтс и Стивън Хокинг, предупредиха по този въпрос. Илон Мъск също популярно изложени , 'ИИ е основен екзистенциален риск за човешката цивилизация и не мисля, че хората го разбират напълно.'

Тъй като ИИ продължава да се разраства в личния и професионалния ни живот, много проблеми ще продължат да възникват. Те включват потенциал за грешки, общо чувство на недоверие към машините и опасения относно подмяната на работата. Би било грешка да се игнорират тези страхове. Обществото обаче вече е на бърза пътека към света, задвижван от ИИ. В този нов свят може да е по-продуктивно да се съсредоточим върху това как машините и хората могат да съжителстват по-добре. За политиците ще бъде важно да останат предпазливи, позволявайки на новите технологии да се развиват, като същевременно наблюдават и минимизират техните негативни последици. Разработчици и дизайнери също трябва да се увеличи способността на хората да разбират системите за ИИ, като по този начин изграждат доверие и увеличават удовлетворението от приложенията на ИИ. Всеки ще има своя роля.

Както спомена Харухико Курода, Управител на Японската централна банка На конференция за AI и финансови услуги през 2017 г. „Изключително важно е да разгледаме конструктивно желаните начини, по които хората и AI се допълват, вместо да се конфронтират. Например, човешката преценка не е напълно свободна от съществуващите парадигми и понякога пренебрегва промените, ИИ може да коригира пристрастията ни чрез неутрален анализ и по същия начин да намери нови корелации между безброй данни, докато хората могат да компенсират AI слабост с тяхната интуиция, здрав разум и въображение. '