+98 21 با ما تماس بگیرید 24597570

صفحه اصلی » فینتک » هوش مصنوعی در فینتک، بررسی 7 روند در سال 2017

هوش مصنوعی در فینتک، بررسی 7 روند در سال 2017

هوش مصنوعی در فینتک، بررسی 7 روند در سال 2017

حوزه فعالیتهای شرکت Seldon   جایی است بین فینتک و یادگیری ماشینی و بخشی از شتابدهنده بانک Barclays در سال 2016 بوده است. این حوزه فعالیت باعث شده که این شرکت روندهای نوظهور یادگیری ماشینی در فینتک را در سال جاری بررسی کند که عبارتند از :

1- هوش مصنوعی عملیاتی

در حال حاضر هوش مصنوعی فقط در بانکها به صورت محدود و فقط  در حوزه هایی چون کشف تقلب، یا اعتبار دهی و اعتبار سنجی استفاده می شود. در سال 2016 فعالیتهای هوش مصنوعی به سمت حوزه های دیگری جهت دهی داده شد. در سال 2017 بانکها استفاده از هوش مصنوعی را از حالت آزمایشی به حالت عملیاتی خواهند برد تا بازتاب واقعی آنرا بر روی شاخص عملکرد خود مشاهده کنند.

2- بسترهای هوش مصنوعی منبع باز

همونطور که در قسمت قبل ذکر شد بانکها باید در نظر داشته باشند که از یکی از روش های استفاده از پلتفورهای ابری ، تکنولوژی های اختصاصی، تکنولوژی منبع باز یا انتقال دانش و تکنولوژی می توانند برای عملیاتی کردن هوش مصنوعی استفاده نمایند. به نظرم بهترین گزینه استفاده از پلتفرمهای یادگیری ماشینی منبع باز به همراه انجام تحقیق و توسعه داخلی برای پیشرفت هرچه سریعتراست که در کنار آن برای انجام کارهای سطح پایینتر می توان از پلتفرمهای ابری استفاده نمود

3- داده های باز

براساس دستورالعمل اتحادیه اروپا (PSD2) بانکها ملزم به آن هستند که داده های مشتریان خود را با اجازه خود مشتریان در اختیار اشخاص دیگر قرار دهند. که باعث دسترسی به حجم داده ای عظیمتر می شود که در گذشته دسترسی به آنها با موانع زیادی روبرو بود. این قانون جدید به کسب و کارهای حوزه فینتک کمک می کند تا مدلهای بهتری ساخته و اپلیکیشنهای و خدمات هوشمند تری ارائه دهند.

4- امنیت داده های

بانکها فرآیند های دسترسی و استخراج داده ها را به روز رسانی می کنند. روشهایی مانند حریم خصوصی تفضلی و رمزگزاری های homomorphic  امنیت داده های رد و بدل شده و دسترسی به آنها را برای پروژه های داخلی و خارجی بالاتر برده و سرعت چرخه های نوآوری را افزایش می دهند.

5- قوانین و مقررات هوش مصنوعی

بانک ها و شرکت های فینتک در کنار قانون گذاران فعالیت خواهند کرد تا مقررات واضحتری را وضع کنند تا نقاط ابهام برانگیز را حذف نموده  و سرعت انطباق پذیری و نوآوری را افزایش دهند. بعضی از تکنیک های پیشرفته مانند جلوگیری از انحصار، قابل اطمینان و قابل توضیح از مدل های یادگیری ماشین برای پروژه های هوش مصنوعی که به تولید منتقل می شوند، ضروری هستند.

6- تصمیم سازی

اتوماسیون مسیر خود را برای پیشرفت از سیستم های ساده مبتنی بر قوانین به سیستم های پیچیده افزوده و مستقل تصمیم گیرنده  ادامه می دهد.  یک صندوق سرمایه گذاری به نام Bridgewater در ایالت کانکتیکات در این زمینه پیشرو بوده و قرار است بسیاری از وظایف مربوط به مدیران را با هوش مصنوعی جابجا کند. بانکهای سنتی هم شروع به انجام چنین کاری خواهند کرد، که در مراحل اولیه با واحد ها و پروژه های کوچکتر این کار را انجام خواهند داد.

 

7 – همکاری نزدیکتر

بانکها با همکاری کردن با فینتکها مزیت رقابتی را در نوآوری سریعتر، در دست می گرند. این درسی برای همه است، با هر بار تکرار فرآیندها ساده تر می شوند تا در آینده پروژه های تاثیر گذارتری ساخته شوند. شتاب دهنده های فینتک همچنان به رشد خود ادامه خواهند داد و نقش مهمی را در اتصال بانک ها با استارتاپ های فینتک ایفا خواهند کرد.

Leave a Reply

Your email address will not be published.