На недавнем саммите ReWork Deep Learning in Finance в Лондоне, Великобритания, приняли участие 46 ведущих ученых и профессоров из ведущих мировых институтов, которые представили свои исследования и дали представление о новых тенденциях в области искусственного интеллекта и финансовых технологий.
Первым выступил Джексон Халл из британской финансовой компании GoCompare Group, платформы для сравнения финансовых услуг, коммунальных услуг и домашних услуг. Халл также был техническим директором в Plum District в Сан-Франциско, Global Student Accommodation Marketplace и престижной службе размещения Onefinestay, подобной Airbnb. Он получил степень бакалавра в области машиностроения и материаловедения в Калифорнийском университете в Дэвисе и степень магистра информационных систем в Калифорнийском университете в Беркли.
Халл рассказал об использовании глубокого обучения для улучшения качества обслуживания клиентов, использовании наборов транзакционных данных для предоставления клиентам большей ценности финансовых услуг и о том, почему ИИ будет преобразовывать финансовые технологии. Он объяснил, как GoCompare сотрудничает с новаторами в сфере финансовых технологий, делится передовым опытом в области машинного обучения и науки о данных, а также разрабатывает API-интерфейсы на базе искусственного интеллекта.
Халл считает, что «открытое обучение» - это новый открытый исходный код. Открытое сотрудничество в области машинного обучения - естественный шаг: специалисты по данным предоставляют полезные данные, делятся проверенными и инновационными подходами к искусственному интеллекту, формируют сообщества и создают синергию между техническими специалистами.
Следующим выступил Хума Лодхи, ведущий специалист по анализу данных из Direct Line Group. Лохи имеет 15-летний опыт работы в области искусственного интеллекта и машинного обучения как в промышленности, так и в академических кругах. Она является экспертом с практическим опытом в разработке и применении глубокого обучения, методов ядра, реляционного обучения и ансамблевых методов для различных областей, от страхования до здравоохранения. Хума имеет докторскую степень в области машинного обучения Лондонского университета.
Хума пролил свет на важность технологий понимания сцены для страхования и управления рисками и рассказал об успешных применениях глубокого обучения для различных задач, от моделирования рисков до урегулирования претензий. Она считает интеллектуальные методологии, основанные на глубоком обучении, ключевым направлением деятельности академических исследователей и отраслевых практиков.
Хума сравнил преимущества классических статистических моделей и машинного обучения. Статистические методы обычно основаны на параметрах, требуют предварительных знаний и хорошо работают с небольшими наборами данных и небольшим количеством переменных. Между тем машинное обучение включает непараметрические методы, не требует предварительных знаний и использует большие данные и множество переменных. Что наиболее важно, машинное обучение способно лучше обобщать новые данные по сравнению со статистическими методами.
Третий докладчик, Мануэль Происсл, возглавляет отдел прогнозной аналитики в UBS. Он был старшим советником и руководителем облачной платформы ИИ в Ernst and Young, специализируясь на бизнес-решениях на основе ИИ для международных компаний. Он также занимал руководящие должности в сфере трансграничного аудита и консультирования, а также возглавляет международное исследовательское сотрудничество, внося свой вклад в исследования искусственного интеллекта, когнитивных систем и физики элементарных частиц.
Компания Proissl сосредоточила свое внимание на обучении нейронных сетей, ориентированных на конкретную предметную область, с помощью человека, а также обсудила варианты использования и недавние достижения в методах решения проблемы прозрачности моделей, устойчивости к противодействию, алгоритмической предвзятости и справедливости. Он рассказал о том, как большинство приложений, основанных на нейронных сетях, нацелены на извлечение моделируемых функций, которые моделируются или решаются путем построения математической модели из данных для обеспечения точных прогнозов.
Последним докладчиком был Рич Рэдли, инженер по работе с клиентами из Google Cloud. Рэдли присоединился к Google в 2016 году после работы в сфере управленческого консалтинга, где он консультировал клиентов по вопросам технологического аутсорсинга.
Рэдли показал, как Google сотрудничает с финансовыми организациями, чтобы применить методы глубокого обучения к проблемным областям, таким как прогнозирование, риски и финансовые преступления, и как ИИ может улучшить качество обслуживания клиентов. Он подчеркнул, что интерпретация модели важна, потому что она увеличивает понимание и доверие, выявляет и смягчает предвзятость и повышает производительность. Он также говорил о важности создания новой байесовской модели случая (BCM), которая может определять соответствующие особенности, чтобы ускорить время оценки и повысить интерпретируемость .
Саммит ReWork Deep Learning in Finance прошел 19 и 20 марта в Etc.Venues St Paul’s в Лондоне.
Автор: Шао Цзы | Редактор: Майкл Саразен
Вышел Отчет об адаптивности AI для публичной компании Fortune Global 500 за 2018 год!
Приобретите отчет в формате Kindle на Amazon.
Подайте заявку на участие в Партнерской программе Insight, чтобы получить бесплатный полный отчет в формате PDF.
Подпишитесь на нас в Twitter @Synced_Global, чтобы получать ежедневные новости об ИИ!
Мы знаем, что вы не хотите пропустить ни одной истории. Подпишитесь на наш популярный Synced Global AI Weekly , чтобы получать еженедельные обновления AI.
