訂閱
糾錯(cuò)
加入自媒體

人工智能如何革新金融服務(wù)

風(fēng)險(xiǎn)分析

金融服務(wù)公司長期以來一直使用統(tǒng)計(jì)模型來評估風(fēng)險(xiǎn)——貸款中的信用風(fēng)險(xiǎn)、交易中的金融風(fēng)險(xiǎn)、保險(xiǎn)部門的精算風(fēng)險(xiǎn)以及所有類別的欺詐風(fēng)險(xiǎn)。

BITS銀行政策研究所技術(shù)政策部門的總裁Chris Feeney說,“如今不同的是,這些算法的使用更加廣泛,可用數(shù)據(jù)量、數(shù)據(jù)類型和數(shù)據(jù)吞吐量正在改變正在解決的各種問題,如果可以收集更多有關(guān)交易的信息,可以更好地避免欺詐。”

Feeney希望人工智能成為金融公司的一個(gè)重要差異化因素。他說,“金融公司必須積極參與,但必須選擇自己的用例!彼ㄗh企業(yè)尋找機(jī)會利用人工智能創(chuàng)造競爭優(yōu)勢,同時(shí)也為消費(fèi)者提供明確的價(jià)值。

他說,“這可能是貸款業(yè)務(wù),F(xiàn)在有很多關(guān)于使用其他數(shù)據(jù)源向新的人群提供貸款產(chǎn)品的活動(dòng)!

他說,欺詐分析是另一個(gè)重要的用例。他說,“我認(rèn)為人工智能將加快發(fā)現(xiàn)欺詐行為的能力,以避免欺詐,更快地發(fā)現(xiàn)異常活動(dòng)!

Raghav Nyapati最近在全球十大銀行實(shí)施人工智能項(xiàng)目,現(xiàn)在正在創(chuàng)建一家金融技術(shù)初創(chuàng)企業(yè)。他說,“人們將會采用成千上萬的應(yīng)用程序。人工智能可以幫助過濾掉可能存在欺詐或高風(fēng)險(xiǎn)的應(yīng)用程序,只有經(jīng)過篩選的應(yīng)用程序才會被代理審核!

他解釋說,“這些決定需要得到人類判斷的支持。我們必須提供負(fù)責(zé)任的人工智能。我們需要利益相關(guān)者回答,客戶要回答。如果出現(xiàn)任何問題,銀行必須支付巨額罰金。”

調(diào)研機(jī)構(gòu)Gartner公司最近的一項(xiàng)調(diào)查顯示,46%的金融服務(wù)公司使用人工智能進(jìn)行欺詐檢測。

Tabb Group金融科技和歐洲研究主管Monica Summerville表示,在證券行業(yè),很多公司在交易前和交易后風(fēng)險(xiǎn)分析中使用機(jī)器學(xué)習(xí)。

“以傳統(tǒng)方式進(jìn)行風(fēng)險(xiǎn)分析非常耗費(fèi)計(jì)算量,而且很多機(jī)器學(xué)習(xí)技術(shù)雖然近似,但需要足夠好,而且速度也越來越快!彼f。

在Tabb Group公司最近進(jìn)行的一項(xiàng)調(diào)查中,大多數(shù)證券公司計(jì)劃在未來12個(gè)月擴(kuò)大對人工智能的支出。她說:“人工智能被列為他們業(yè)務(wù)中最具顛覆性的技術(shù)!

Gartner公司指出,人工智能還將影響更復(fù)雜的任務(wù),如財(cái)務(wù)合同審查或交易發(fā)起。該公司預(yù)測,到2020年,20%的后臺工作人員將依賴人工智能開展非常規(guī)工作。

合規(guī)性挑戰(zhàn)

監(jiān)管機(jī)構(gòu)已經(jīng)熟悉監(jiān)督金融機(jī)構(gòu)用于評估信用風(fēng)險(xiǎn)或發(fā)現(xiàn)可疑行為的模型的困難。例如,模型可能非常復(fù)雜,難以分析;蛘咚鼈兛赡苁莵碜缘谌焦⿷(yīng)商的專有模型。

有很多方法可以解決這些問題,例如對模型進(jìn)行獨(dú)立審查以及使用補(bǔ)償控制。在某些方面,人工智能驅(qū)動(dòng)的系統(tǒng)可以像傳統(tǒng)的統(tǒng)計(jì)模型一樣對待,但它們也帶來了額外的擔(dān)憂。

美聯(lián)儲委員會成員LaelBrainard在去年的一次演講中說,“就其本身而言,人工智能可能在不透明性和可解釋性方面帶來一些挑戰(zhàn)。認(rèn)識到在使用人工智能工具時(shí)可能存在一些有利的情況,即使它可能是無法解釋或不透明的,人工智能工具也應(yīng)受到適當(dāng)?shù)目刂。?/p>

她說,這包括有關(guān)如何構(gòu)建工具,如何在實(shí)踐中使用以及圍繞數(shù)據(jù)質(zhì)量和適用性的控制。

可解釋性(也被稱為黑盒問題)是人工智能系統(tǒng)的一個(gè)特殊問題。使用傳統(tǒng)的統(tǒng)計(jì)模型,數(shù)據(jù)科學(xué)家選擇對特定決策或預(yù)測至關(guān)重要的因素,并決定對這些因素給予多少權(quán)重。然而,人工智能系統(tǒng)可以識別以前未知和難以理解的模式。這使得銀行很難遵守監(jiān)管機(jī)構(gòu)的規(guī)定,例如《平等信貸機(jī)會法》和《公平信貸報(bào)告法》,這兩項(xiàng)法律要求銀行解釋他們在做出決策時(shí)使用的因素。

Brainard補(bǔ)充說,“幸運(yùn)的是,人工智能本身可能會在解決方案中發(fā)揮作用。人工智能社區(qū)正在回應(yīng)在開發(fā)‘可解釋的’人工智能工具方面取得的重大進(jìn)展,重點(diǎn)是擴(kuò)大消費(fèi)者獲得信貸的機(jī)會!

Tabb公司的Summerville表示,證券業(yè)也在研究這個(gè)問題。她指出,“能在人工智能中構(gòu)建一個(gè)無偏見的模型嗎?需要能夠解釋公司是如何做出決定的。監(jiān)管機(jī)構(gòu)有興趣確定你不會意外地引入偏見!

隨著Synchronomy公司開始關(guān)注人工智能和機(jī)器學(xué)習(xí)的信用決策,黑盒問題也成為該公司面臨的一個(gè)問題。

他說,“我們希望在模型中建立可解釋性,并指出做出這些決定的原因。這不容易做到。不能出于歧視性的原因做出決定。例如不再說‘我不會為這個(gè)郵政編碼的人提供信用證明’,因?yàn)檫@是違法的。”

該公司還花費(fèi)大量精力確保用于培訓(xùn)人工智能模型的原始數(shù)據(jù)不會有偏差。Simpson說,這是公司需要這么多數(shù)據(jù)科學(xué)家的原因之一。

該公司采取的減少偏見的一種方法是從一個(gè)多元化的團(tuán)隊(duì)開始。

他說,“如果沒有多元化的團(tuán)隊(duì),很難確定數(shù)據(jù)中的偏見,因?yàn)槠髽I(yè)的團(tuán)隊(duì)可能存在偏見。這對銀行來說尤為重要,團(tuán)隊(duì)的多樣性是這個(gè)領(lǐng)域的第一個(gè)也是最好的防御策略!

<上一頁  1  2  
聲明: 本文系OFweek根據(jù)授權(quán)轉(zhuǎn)載自其它媒體或授權(quán)刊載,目的在于信息傳遞,并不代表本站贊同其觀點(diǎn)和對其真實(shí)性負(fù)責(zé),如有新聞稿件和圖片作品的內(nèi)容、版權(quán)以及其它問題的,請聯(lián)系我們。

發(fā)表評論

0條評論,0人參與

請輸入評論內(nèi)容...

請輸入評論/評論長度6~500個(gè)字

您提交的評論過于頻繁,請輸入驗(yàn)證碼繼續(xù)

  • 看不清,點(diǎn)擊換一張  刷新

暫無評論

暫無評論

    掃碼關(guān)注公眾號
    OFweek人工智能網(wǎng)
    獲取更多精彩內(nèi)容
    文章糾錯(cuò)
    x
    *文字標(biāo)題:
    *糾錯(cuò)內(nèi)容:
    聯(lián)系郵箱:
    *驗(yàn) 證 碼:

    粵公網(wǎng)安備 44030502002758號