Резюме

Изкуственият интелект (AI) експлодира

• Широкото възприемане на ИИ в индустриите е прогнозира за постигане на глобални приходи от 12,5 млрд. долара през 2017 г. и 47 млрд. долара през 2020 г. с CAGR от 55,1% от 2016 до 2020 г.
• Отраслите, които ще инвестират най-много в тези технологии, са банковото дело и търговията на дребно, следвани от здравеопазването и производството.
• Икономистите определят технологиите с общо предназначение (GPT) като достатъчно важни, за да стимулират продължителен икономически растеж и обществен напредък. Например, електричеството е GPT. Скорошно Статия от Harvard Business Review определя AI като най-важния GPT за нашата ера.

Изкуствен интелект във финансовите услуги: Управление на риска

• PayPal успя да повиши сигурността, като използва технологията за дълбоко обучение. Измамите на PayPal са сравнително ниски 0,32% от приходите , цифра далеч по-добра от средната 1,32%, която търговците виждат.
• Докато линеен модел може да консумира 20-30 променливи , технологията за дълбоко обучение може да командва хиляди точки от данни.

Изкуствен интелект във финансовите услуги: AI Trading

• От години компаниите за управление на инвестиции разчитат на компютри, за да правят сделки. Наоколо 9% от всички средства , управляващи 197 млрд. долара, разчитат на големи статистически модели, изградени от изследователи на данни.
• Тези модели обаче са често статични , изискват човешка намеса и не се представят добре, когато пазарът се промени. Следователно средствата стават все повече мигриращи към истински модели на изкуствен интелект които анализират големи обеми данни и продължават да се усъвършенстват.
• През 2000 г. щатското бюро за търговия с акции на Goldman Sachs в централата на Ню Йорк нает 600 търговци. Днес тя има двама търговци на акции, а машините правят всичко останало.

Изкуствен интелект във финансовите услуги: Robo-Advisory

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

Изкуствен интелект във финансовите услуги: поемане и искове за застраховка

• ДА СЕ PWC доклад прогнозира, че AI ще автоматизира значително количество поемане до 2020 г., особено на зрели пазари, където са налични данни.
• В 2013 Оксфордско проучване анализирайки над 700 професии, за да се определи кои са най-податливи на компютъризация, застрахователните застрахователи бяха включени в първите пет най-податливи.
• Подписването може да използва не само машинно обучение, но и технология за носене и технология за дълбоко обучение на лицевия анализ.

Изкуствен интелект във финансовите услуги: Обслужване на клиенти чрез чат ботове

• През октомври 2016 г. както Bank of America, така и MasterCard представиха своите чат-ботове, Ерика и Кай , съответно. Ранната версия на Erica може да проследява кредитните рейтинги на клиентите, да разглежда техните навици за харчене и да предлага съвети за изплащане на сметки.
• Capital One също наскоро стартираха свой собствен chatbot , наречен „Eno“, което позволява на клиентите да разговарят с банката, използвайки текстово базиран език, за да плащат сметки и да извличат информация за сметката. Capital One също се възползва от тенденцията за интернет на нещата, като пусна Alexa Skill за Amazon Echo и планира да бъде първият, който пусна подобна услуга за Cortana на Microsoft.

Технология с общо предназначение е термин икономисти резерв за технологии, които стимулират продължителния икономически растеж и обществения напредък, революционизирайки дейността на домакинствата и корпорациите. Примерна технология с общо предназначение е електричеството. Токът се породи множество продукти и сектори, включително хладилници, перални машини, влакове и, разбира се, компютри. Появата на електричество коренно промени света.

Скорошно Статия от Harvard Business Review определя изкуствения интелект (AI) като най-важната технология с общо предназначение в нашата ера . Запознати сме със силата на ИИ. Проявява се под формата на робот побеждавайки световноизвестния шахматист . Кола, която може паралелен парк . Устройства, които отговорете с утрешното време когато питаме. Но голяма част от контакта ни с и разбирането за AI се върти около продукти, които влияят на ежедневието ни като потребители. На организационно ниво има по-голям въпрос за това как AI ще наруши индустриите и по-специално как финансовите услуги ще използват AI.

Следващата статия ще дефинира изкуствения интелект, сферата на свързаните с него технологии, размера на цялостната индустрия на ИИ и приложенията на изкуствения интелект във финансите. Това парче не е предназначено да предостави нормативна преценка за развитието на ИИ; по-скоро ще се съсредоточи върху това как ИИ нарушава финансите.

Изкуствен интелект: Какво е AI?

Изкуственият интелект е област на компютърните науки фокусирани върху създаването на интелигентни машини, които функционират като хората. AI компютрите са предназначени да изпълняват човешки функции включително обучение, вземане на решения, планиране и разпознаване на речта.

Изкуственият интелект позволява на машините да непрекъснато да подобряват своите резултати 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 кажем. Тоест, хората могат да успеят да разпознаят лице или да изпълнят интелигентна стратегия в игра на шах. Въпреки това, преди усъвършенстваната технология за изкуствен интелект, неспособността на хората да формулират нашите знания означаваше, че не можем да автоматизираме много задачи. Второ, AI технологията е свръхчовешка в изпълнение, действа по-бързо и често с по-голяма точност от хората.

Технологии за изкуствен интелект

Изкуственият интелект обхваща множество възможности и технологии. Консултантска фирма PWC подсилва че AI „не е монолитна предметна област. Той включва редица неща, които всички добавят към представата ни какво означава да бъдеш „интелигентен.“. По-долу са дадени няколко от най-популярните области на ИИ:

• Машинно обучение е метод за анализ на данни, който автоматизира изграждането на аналитичен модел . Използвайки алгоритми, които итеративно се учат от данни, машинното обучение позволява на компютрите да намират скрити прозрения, без изрично да бъдат програмирани къде да търсят.
• Дълбоко обучение е подмножество на машинното обучение . Той е улеснил разпознаването на обекти в изображения, етикетирането на видео и разпознаването на дейности и постига напредък във възприятието (включително аудио и реч). Например приложението за дълбоко обучение на Facebook DeepFace е било обучени да разпознават хора на снимки . Мнозина правят сравнение между технологията за дълбоко обучение и биологията, но експертите обикновено се съгласяват, че докато вдъхновен от човешкия мозък, не е задължително да бъде моделиран по него .
• Обработка на естествен език е способността на компютърна програма да разбират човешката реч в реално време. Изследванията и разработките са изместване 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 широк спектър от устройства, включително уреди, превозни средства и сгради могат да бъдат взаимосвързани. Например, ако алармата ви звъни в 7:00 сутринта, може автоматично уведомявате кафеварката си за да започнете да си варите кафе. Носимите технологии, които действат като сензори при носене, също са част от тази по-голяма тенденция .

Разбира се, този списък не е изчерпателен. Вижте по-долу за по-широк спектър от теми и технологии за изкуствен интелект.

Размер на пазара на изкуствен интелект

Гореспоменатото Статия от Harvard Business Review 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 в възползвайте се от машинното обучение. Тесното място е в управлението, внедряването и бизнес въображението. '

Широкото възприемане на ИИ в индустриите е прогнозира за постигане на глобални приходи от 12,5 млрд. долара през 2017 г. и 47 млрд. долара през 2020 г. със сложен годишен темп на растеж (CAGR) от 55,1% от 2016 до 2020 г. По-конкретно отраслите, които ще инвестират най-много в технологията, са банковото дело и търговията на дребно, следвани от здравеопазване и производство. Като цяло тези четири индустрии ще представляват над половината от глобалните приходи от изкуствен интелект през 2016 г., като банковият сектор и секторите на дребно осигуряват близо 1,5 млрд. Долара.

В различни отрасли, най-големите инвестиции в AI през 2017 г. ще бъде в области като автоматизирани агенти за обслужване на клиенти, автоматизирана информация за заплахи и анализ на измами (вижте таблицата по-долу). Според Джесика Гопферт , програмен директор в проучване на пазара фирма IDC, „Краткосрочните възможности за когнитивни системи са в отрасли като банкиране, ценни книжа и инвестиции и производство. В тези сегменти откриваме богатство от неструктурирани данни, желание за използване на прозрения от тази информация и отвореност към иновативни технологии. ' Следващият раздел на тази статия ще се задълбочи в различните случаи на използване на изкуствен интелект в сектора на финансовите услуги.

Настоящи и бъдещи приложения на изкуствения интелект във финансите

Изкуственият интелект във финансите 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 бъдат използвани общо.

Изкуствен интелект във финансите: Управление на риска

Изкуственият интелект се оказа изключително ценен, що се отнася до сигурността и разкриването на измами. Традиционните методи за откриване на измами включват компютри, които анализират структурирани данни спрямо набор от правила. Например, дадена разплащателна компания може да определи праг за банкови преводи на $ 15 000, така че всяка транзакция, надвишаваща тази сума, да бъде маркирана за допълнително разследване. Този тип анализ обаче произвежда много фалшиви положителни резултати и изисква много допълнителни усилия. Може би дори по-важно, измамниците с киберпрестъпления често сменят тактиката си . Следователно най-ефективните системи трябва непрекъснато да стават по-интелигентни.

С усъвършенствани алгоритми за обучение, като тези от дълбокото обучение, могат да се добавят нови функции към системата за динамична настройка. Според Самир Ханс , съветник на Deloitte транзакции и бизнес анализ LLP, „С когнитивния анализ моделите за откриване на измами могат да станат по-стабилни и точни. Ако когнитивната система изхвърли нещо, което определя като потенциална измама, а човек определи, че това не е измама поради X, Y и Z, компютърът се учи от тези човешки прозрения и следващия път няма да изпрати подобно откриване по ваш начин . Компютърът става все по-умен и по-умен. “

Успехът на PayPal с изкуствен интелект и откриване на измами

Вземете например гигантския платежен гигант PayPal и неговите усъвършенствани протоколи за измами. Поради мащаба и видимостта си, PayPal “ има огромна цел на гърба си . ' През 2015 г. тя е обработила 235 милиарда долара от четири милиона транзакции от своите 170 милиона клиенти. PayPal обаче успя да повиши сигурността, като използва технологията за дълбоко обучение. Всъщност измамите с PayPal са сравнително ниски 0,32% от приходите , цифра далеч по-добра от средната 1,32%, която търговците виждат.

В миналото PayPal използваше прости, линейни модели. Днес неговите алгоритми добиват данни от историята на покупките на клиент и преглеждат модели на вероятни измами, съхранявани в нарастващите му бази данни. Докато линеен модел може да консумира 20-30 променливи , технологията за дълбоко обучение може да командва хиляди точки от данни. Тези подобрени възможности помагат на PayPal да различава невинни транзакции от подозрителните. Според Хуей Уанг , Старши директор на PayPal за глобални науки за риска, „Това, което се радваме от по-модерното, усъвършенствано машинно обучение, е способността му да консумира много повече данни, да обработва слоеве и слоеве на абстракция и да може да„ вижда “нещата [...] дори хора може да не е в състояние да види. '

Изкуствен интелект във финансите: търговия

Преход от конструирани от човека модели към истински AI

От години компаниите за управление на инвестиции разчитат на компютри, за да правят сделки. Около 1360 хедж фонда, представляващи 9% от всички средства , разчитат на големи статистически модели, изградени от учени по данни, често притежаващи докторанти по математика (иначе известни като „квантове“). Тези модели обаче използват само исторически данни често статични , изискват човешка намеса и не се представят добре, когато пазарът се промени. Следователно средствата стават все повече мигриращи към истински модели на изкуствен интелект които могат не само да анализират големи обеми данни, но също продължават да се усъвършенстват.

Тези нови технологии използват сложни техники, включително дълбоко обучение, форма на машинно обучение, наречена Байесови мрежи , и еволюционно изчисление , 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 направи прогнози за финансовия пазар. За да разберете световните тенденции , те могат да консумират всичко - от книги, туитове, новинарски репортажи, финансови данни, цифри на приходите и международна парична политика до скици Saturday Night Live.

За да бъде ясно, 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, по които хората просто не може . Обсъдените по-горе платформи, управлявани от ИИ, търсят най-добрите сделки в дългосрочен план, а машините, а не хората, диктуват стратегията.

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

Сравнение на резултатите от търговията

Скорошно проучване, проведено от инвестиционна изследователска фирма Eurekahedge проследи представянето на 23 хедж фонда, използващи AI от 2010-2016 г., установявайки, че те превъзхождат тези, управлявани от по-традиционни квантове и генерализирани хедж фондове.

Последици за търговците и квантовете

Ще бъде интересно да наблюдаваме как AI ще повлияе на пазара на труда в търговията. Неговите ефекти вече са очевидни при някои големи банкови институции. През 2000 г. щатското бюро за търговия с акции на Goldman Sach в централата си в Ню Йорк нает 600 търговци, купуващи и продаващи акции. Днес тя има двама търговци на акции, а машините правят всичко останало. Даниел Надлър, Главен изпълнителен директор на Kensho, заявява , „След 10 години Goldman Sachs ще бъде значително по-малък по брой служители, отколкото е днес.“ Що се отнася до квантовете, те могат да открият, че техните умения се търсят по-малко от компаниите за управление на инвестиции.

В момента около една трета от завършилите от най-добрите бизнес програми се хранят във финанси. Къде биха се преместили някои от най-добрите таланти на 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 в технологиите.“

Изкуствен интелект във финансите: Robo-Advisory

Какво е Робо-съветник и как работи?

Робо-съветници са цифрови платформи, които предоставят автоматизирани, управлявани от алгоритми услуги за финансово планиране с минимален човешки надзор. Докато човешките финансови мениджъри използват автоматизирано разпределение на портфейла от началото на 2000-те години, инвеститорите трябваше да наемат съветници, за да се възползват от технологията. Днес robo-съветниците позволяват на клиентите директен достъп до услугата. За разлика от човешките си колеги, робо-съветниците наблюдават пазарите нон-стоп и са на разположение 24/7 . Робо-съветниците също могат да предложат на инвеститорите до 70% икономия на разходи и обикновено изискват по-ниски или никакви минимуми за участие.

Днес, робо-съветници може да помогне с по-повтарящите се задачи като откриване на сметка и прехвърляне на активи. Процесът обикновено включва клиенти, отговарящи на прости въпросници за апетита за риска или факторите на ликвидността, които робо-съветниците след това превръщат в инвестиционна логика. По-голямата част от настоящите робо-съветници имат за цел да разпределят своите клиенти към управлявани портфейли на ETF въз основа на техните предпочитания. Очаква се възможностите в бъдеще да бъдат еволюират в по-напреднали предложения като автоматично прехвърляне на активи и разширено покритие в алтернативни класове активи като недвижими имоти.

Робо-консултирането може да окаже голямо влияние върху секторите на личните финанси и управлението на богатството. Докато текущите активи на robo-advisor са само под управление (AUM) представляват 10 милиарда долара от 4 трилиона долара на индустрията за управление на богатството (по-малко от 1% от всички активи на управляваната сметка), a Проучване на Business Insider изчислява, че тази цифра ще нарасне до 10% до 2020 г. Това се равнява на около 8 трилиона долара AUM.

Приемане на Robo-Advice в индустрията

Участниците в индустрията са възприели различни подходи към робо-консултациите. По-малките фирми за управление на богатството добавят алгоритмични компоненти, за да автоматизират управлението на инвестициите си, да намалят разходите / таксите и да се конкурират с робо-съветниците. От друга страна, утвърдените инвестиционни фирми купуват съществуващи робо-съветници, като например Придобиването на Invesco на Jemstep или създаване на собствени решения за робо-съветници, като FidelityGo и Intelligent Advisory на Schwab.

Robo-Advisors срещу Financial Advisors: Ще бъдат ли заменени хората?

Общият консенсус сред експертите е, че хората ще останат незаменими. Човешкото докосване ще остане критично, тъй като съветниците все още ще трябва да успокояват клиентите по време на трудни финансови моменти и да ги убеждават с полезни решения. Проучване, проведено от консултантска 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 консултативен модел , която свързва компютърни услуги с човешки съветници, набира все по-голяма сила.

Докато финансовите съветници ще останат централни, робо-съветниците могат да причинят промени в работните им задължения . С AI, управляващ 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 клиенти и да обяснят решенията, които машината е взела.

Изкуствен интелект във финансите: застрахователно поемане и вземания

Застраховането разчита на баланса на риск сред пулове от хора ; застрахователите групират подобни хора заедно и някои хора ще изискват изплащания, докато други не. Индустрията е изградена около 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 за тяхното използване, което води до по-точно ценообразуване и друга оперативна ефективност.

Стартъпите са в челните редици, за да тласнат индустрията напред. Според Хенрик Науйокс , партньор в Bain & Co, „Стартиращите компании показват какво е възможно и какво може да се направи. Много действащи ръководители го гледат - те наистина не го разбират, но искат да се включат. ' Инвеститорите също са схванали тази тенденция (виж по-долу). През 2016 г. AI беше една от най-популярните теми за инвестиции в застрахователни технологии.

Изкуствен интелект и подписване

ДА СЕ PWC доклад прогнозира, че AI ще автоматизира значително количество подписване 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 за това. В краткосрочен план AI може да помогне за автоматизиране на големи обеми на поемане на застраховки при автомобилни, домашни, търговски, животозастрахователни и групови застраховки. В бъдеще ИИ ще подобри моделирането, като изтъкне ключови съображения за хората, вземащи решения, които иначе може да са останали незабелязани. Това е също прогнозира че усъвършенстваният AI ще даде възможност за персонализирано поемане от страна на фирма или физическо лице, като се вземат предвид уникалното поведение и обстоятелства.

Подобреното подписване може да използва не само машинно обучение за извличане на данни, но и технология за носене и дълбоки обучителни анализатори на лице. Например, Лапетус , стартиращ, иска да използва селфита за точно прогнозира продължителността на живота . В предложения от тях модел клиентите ще изпратят своите автопортрети по имейл, които компютрите след това ще сканират и анализират - 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. В допълнение, технологията за носене може да направи процеса на поемане на по-добро сътрудничество. Вместо да разчитат на продължителни медицински проверки и сложни договорни процеси, носимите могат предоставят информация в реално време в здравето и поведението на притежателите на полици. Очевидно машинното обучение във финансите вече се развива.

Този тип нюансирани анализи на риска в реално време ще позволят не само по-точно ценообразуване на клиентите, но и ранно откриване на рисковете за здравето и възможност за застрахователните компании да инвестирайте в превенция . Вместо в крайна сметка да плащат за скъпоструващи лечения за пациента, застрахователните компании могат активно да се опитат да намалят вероятността от щети и свързаните с тях разходи.

В 2013 Оксфордско проучване анализирайки над 700 професии, за да се определи кои са най-податливи на компютъризация, застрахователните застрахователи 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 подизпълнителя за по-висока добавена стойност, като оценка и рискове за ценообразуване в развиващите се пазари с по-малко данни, предоставяйки повече обратна връзка за управление на риска и продукти.

Искове за изкуствен интелект и застраховки

Застрахователни искове са официални искания за плащане, изпратени до застрахователни компании. След това застрахователните компании преглеждат искането за валидност и изплащат на застрахования, след като бъдат одобрени. Ето как изкуствен интелект мога подобряване на процеса :

Подобрена точност на данните на клиентите. Процесът на искове е доста ръчен: Човешки агенти ръчно регистрират информация за клиентите и подробности за инциденти. Според an Експериански доклад , качеството на данните може да пострада: непълните данни представляват 55% от грешките в данните, докато печатащите грешки включват 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.

По-бързи препоръки за изплащане. Според J.D. Power & Associates проучване на удовлетвореността на имуществени претенции , бавните времена на цикъла на искове са един от най-големите фактори за недоволството на клиентите. AI мога да помогна да се намали времето за изпълнение, като първо се валидира политиката, след което се определят претенциите и дали да се автоматизира плащането. Това е така, защото AI има способността да анализира не само структурирани данни, но и неструктурирани данни като ръкописни формуляри и сертификати.

Изкуствен интелект във финансите: разговорно банкиране и обслужване на клиенти

Банките правят големи залози със своите виртуални асистенти, насочени към клиенти, известни като чат ботове. Докато ранните версии на чат ботовете ще могат да отговорят само на основни въпроси относно ограниченията на разходите и скорошните транзакции, бъдещите версии са планирани да станат виртуални асистенти с пълен набор от услуги, които могат да извършват плащания и да проследяват бюджети за потребителите. Ангажирането с клиентите може да доведе до значителни икономии на разходи, но несъмнено са и човешките взаимодействия по-сложно от прякото пресичане на числа . Критиците посочват липсата на съпричастност и разбиране от чатботовете, от което хората може да се нуждаят, когато се справят с трудни финансови решения и ситуации. За тази технология AI технологията за обработка на естествен език ще бъде от съществено значение за обработката и отговора на персонализираните опасения и желания на клиентите.

През октомври 2016 г. както Bank of America, така и MasterCard представиха своите чат-ботове, Ерика и Кай , съответно. Те ще позволяват на клиентите да задават въпроси за техните акаунти, да инициират транзакции и да получават съвети чрез Facebook Messenger на Amazon’s Echo tower.

Capital One също има стартираха свой собствен chatbot , наречен „Eno“, което е анаграма за „One“. Eno дава възможност на клиентите да разговарят с банката, използвайки текстово базиран език, за да плащат сметки и да извличат информация за сметката. Barclays също е влизане в действието . При описанието на новия чатбот на Bank of America, Мишел Мур , ръководителят на дигиталното банкиране в Bank of America заяви, „Какво ще бъде банкирането след две, три или четири години? Това ще бъде това. '

Мисли за раздяла

Пълното въздействие на изкуствения интелект във финансовите услуги трябва да се види. Някои футуристи 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 за това. Илон Мъск също известен призова , „AI е основен екзистенциален риск за човешката цивилизация и не мисля, че хората напълно оценяват това.“

Тъй като ИИ продължава да разширява личния и професионалния ни живот, много проблеми ще продължат да се появяват. Те включват потенциал за грешки, общо чувство на недоверие към машините и опасения относно подмяната на работата. Би било грешка да пренебрегнем тези страхове. И все пак обществото вече върви по ускорен път към свят, управляван от ИИ. В този нов свят може да е най-продуктивно да се съсредоточим върху това как машините и хората могат да съществуват най-добре съвместно. 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 подобри способността на хората да разбират системите за ИИ за изграждане на доверие и повишаване на удовлетвореността от приложенията на ИИ. Всеки ще има роля.

Като Харухико Курода, управител на Японската централна банка ораторен в конференция за AI и финансови услуги през 2017 г., „За нас е изключително важно да разгледаме конструктивно желаните начини, по които хората и ИИ се допълват, вместо да се конфронтират. Например, човешката преценка не е напълно свободна от съществуващите парадигми и следователно понякога е небрежна към промените. В това отношение AI може да коригира нашето пристрастие чрез неутрален анализ и намиране на нови корелации сред безброй данни [sic]. Междувременно хората биха могли да компенсират слабостта на ИИ с тяхната интуиция, здрав разум и въображение. '

Разбиране на основите

Какво е AI?

Изкуственият интелект се определя като област на компютърните науки, фокусирана върху създаването на интелигентни машини, които функционират като хората. AI компютрите са проектирани да изпълняват човешки функции, включително обучение, вземане на решения, планиране и разпознаване на речта.

Какви са приложенията на AI в fintech?

AI предлага възможности за повишена оперативна 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 бъдат използвани общо.

Какво е робо-съветник и как работят?

Робо-съветниците предоставят финансови услуги, управлявани от алгоритми, с минимален човешки надзор. Човешките финансови мениджъри използват автоматизирано разпределение на портфейла от началото на 2000-те години, но днес робо-съветниците позволяват на клиентите директен достъп. Робо-съветниците наблюдават пазарите нон-стоп и са на разположение денонощно.

Какво се счита за fintech?

Fintech включва технология, която позволява банкови или финансови услуги. Може да се използва за описание на всичко - от криптовалути до робо-съветници за управление на портфолио.

Какво е алгоритмична система за търговия?

Алгоритмичната търговия включва използването на компютри, програмирани да следват определен набор от инструкции за сключване на сделка. Той използва сложни техники като дълбоко обучение и машинно обучение. Софтуерът за търговия с изкуствен интелект може да поглъща огромни обеми данни, за да научи повече за света и да направи прогнози за пазара.

Какво представлява системата за дълбоко обучение?

Дълбокото обучение е подмножество на машинното обучение. Това е улеснено разпознаване на обекти в изображения, етикетиране на видео, разпознаване на дейности и възприятие. Мнозина правят сравнение между технологията за дълбоко обучение и биологията, но експертите се съгласяват, че макар да е вдъхновен от човешкия мозък, не е задължително да бъде моделиран по него.