高静宜编译

美国银行: 我们早就用上了机器学习, 但它并不总是正确的解决方案

美国银行首席技术官 David Reily 表示,美国银行每年要花费 30 亿美元用于技术的开发和购买,这个金额大约是维持现有 IT 基础设施顺利运行所花费的三倍。

你可能已经想到了,这笔资金会有一部分流向人工智能技术,但银行方面并没有透露具体数字。

在近期举办的一场科技峰会上,Reilly 与其他一些银行高管分享了他们在人工智能领域探索的经验以及对这项技术抱持的担忧。David Reilly

AI 在银行领域的热门应用

目前,美国银行的聊天机器人 Erica 已经遍及十个州。这款聊天机器人拥有两种形式的人工智能,分别为用于理解语音、文本和意图的自然语言处理技术,以及从客户数据中积累洞察能力并将其转化为推荐和建议的机器学习技术。

总体而言,「在那些利用传统分析方法的领域里,我们正在试图掌握机器学习人工智能技术的价值。」美国银行客户端平台技术执行官 Hari Gopalkrishnan 解释道。

「想想欺诈行为吧。欺诈管理就是理解客户的行为,然后知道什么是正常的,什么是不正常的。那么我们就可以把自己从损失中拯救出来,同时也能提升用户的体验。」

一款旧式的欺诈分析程序可能会发现客户正在一个从未刷过卡的地方刷卡交易,然后阻止这笔交易。

人工智能则可以做得更好。

「如果能够对用户的行为有更多的洞察力,那么我们就可以运行更好的算法,进而掌握什么是真正的欺诈。」Gopalkrishnan 说道。

同样的技术也可以用于解决账单纠纷问题。人工智能引擎可以快速地找到并分析数据,从而作出判断裁决,而无需花费六个小时的时间去收集那些有争议的数据。

「我们正在寻找类似这样的机会。」Gopalkrishnan 说。

Reilly 指出,人工智能在分析贸易数据方面也有很大的潜力。

例如,《欧盟金融工具市场指令二》将于 2018 年 1 月 3 日正式生效,这项指令要求对交易进行一些额外报告。

「现在,我们记录的事件要比以前多两百万。」Reilly 说。

「这两百万个事件会阐明究竟赢在了哪里、输在了哪里。这些事件是我们所有竞争对手也可以参与的。我们可以看到摩根大通和高盛的所有得失。如果可以洞察到其中的价值,那么这些信息都将为你所用。

你也可以向你的客户提供更加优质、完善的产品。去实时进行分析并从数据中洞察价值,是有待我们开发的能力。这是一个内联的过程,而不是在事后进行分析或是培育洞察力。在这个过程里,我们拥有非常大的机会。」

AI 并不总是正确的解决方案

在招聘环节中,银行希望在人工智能的帮助下找到合适的人选。不过对此,高管们持保留态度。

人工智能模型可能存在偏见。」美国银行企业技术主管 Caroline Arnold 一语道破。

「你可能会说,谁会在这家公司取得成功?一个人工智能引擎可能会发现那些打高尔夫的人会在公司里取得成功。

不过从另一个角度来看,使用同样的技术也可以消除偏见。前提是你的模型可以忽略一些不同群体的特定指标,但是能够关注目标人物并以更深层次的方式去理解它。」

Arnold 认为,人工智能引擎永远不可能成为雇佣过程里的最终决策者。

Mehul Patel 是 Hired 公司的首席执行官,这家公司利用人工智能软件为用户匹配相应的工作。在他看来,人工智能和人类都有偏见。

人工智能的好处是,你可以纠正这种偏见。」他说,「我们会助推那些代表性不足的群体。人类的问题在于,他们不能轻易地解开自己的偏见,人类的偏见远远超过算法偏差。」

美国银行消费与财富管理技术主管 Aditya Bhasin 也分享了银行需要谨慎部署人工智能的原因。

「在 Gartner 的技术成熟度曲线上,机器学习机器人都还处于早期阶段。」他说,「几年前的那些大数据公司现在都成了机器学习公司。」

在他看来,人工智能并不总是正确的解决方案。

「只有能够服务客户并满足其需求,进而使他们过上更好生活的前提下,技术才算真正有价值。」他说,「这也是我们与开发人员不断努力的方向。」

他举例道,一个机器人自动化解决方案可以使整个贷款过程实现自动化,如此一来,银行就可以更快地向客户提供贷款。

「但使用人工智能或是自动化机器人作为数据集成的捷径可能并没有意义。」他补充道。

例如,最近美国银行新推出了一项数字抵押贷款服务。「我们本可以做一大堆机器人,然后从不同地方获取数据并预先抵押贷款申请,但这样做可能会出现很多错误。」Bhasin 说。

「我们会从多个不同渠道整合数据源。这样的话,当我们创建数字抵押贷款应用程序时,可能会有 170 个信息栏,其中只有 10 到 15 个必须由客户填写,而我们已经知道所有其他的信息。」

「我们考虑的不仅仅是暴力应用技术,只因技术可用而用,而是要去理解客户的需求,然后根据这些需要应用技术。」Bhasin 说。

「计算机已经可以做出决策了,因此我们需要非常谨慎地思考究竟计算机是如何做出决策的。」他说,「如果 Google Duplex 与 Erica 展开了交谈,那么我们需要理解的一点是,一个机器人会对另一个机器人说些什么?如果没有我们,他们会做出什么样的决定?」

文章来源:https://www.americanbanker.com/news/where-bank-of-america-uses-artificial-intelligence-and-where-its-worries-lie

产业
相关数据
人工智能技术
Artificial Intelligence

在学术研究领域,人工智能通常指能够感知周围环境并采取行动以实现最优的可能结果的智能体(intelligent agent)

大数据技术
Big data

大数据,又称为巨量资料,指的是传统数据处理应用软件不足以处理它们的大或复杂的数据集的术语。

聊天机器人技术
Chatbot

聊天机器人是经由对话或文字进行交谈的计算机程序。能够模拟人类对话,通过图灵测试。 聊天机器人可用于实用的目的,如客户服务或资讯获取。有些聊天机器人会搭载自然语言处理系统,但大多简单的系统只会撷取输入的关键字,再从数据库中找寻最合适的应答句。

机器学习技术
Machine Learning

机器学习是人工智能的一个分支,是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。因为学习算法中涉及了大量的统计学理论,机器学习与推断统计学联系尤为密切,也被称为统计学习理论。算法设计方面,机器学习理论关注可以实现的,行之有效的学习算法。

自然语言处理技术
Natural language processing

自然语言处理(英语:natural language processing,缩写作 NLP)是人工智能和语言学领域的分支学科。此领域探讨如何处理及运用自然语言;自然语言认知则是指让电脑“懂”人类的语言。自然语言生成系统把计算机数据转化为自然语言。自然语言理解系统把自然语言转化为计算机程序更易于处理的形式。

机器人技术
Robotics

机器人学(Robotics)研究的是「机器人的设计、制造、运作和应用,以及控制它们的计算机系统、传感反馈和信息处理」 [25] 。 机器人可以分成两大类:固定机器人和移动机器人。固定机器人通常被用于工业生产(比如用于装配线)。常见的移动机器人应用有货运机器人、空中机器人和自动载具。机器人需要不同部件和系统的协作才能实现最优的作业。其中在硬件上包含传感器、反应器和控制器;另外还有能够实现感知能力的软件,比如定位、地图测绘和目标识别。之前章节中提及的技术都可以在机器人上得到应用和集成,这也是人工智能领域最早的终极目标之一。

推荐文章
初学机器学习的你,是否掌握了这样的Linux技巧?
机器之心
知识图谱的应用
PSI内容合伙人
中国《人工智能标准化白皮书2018》发布完整版(附下载)
转载
暂无评论
暂无评论~
返回顶部