Всего за 399 руб. Купить полную версию
И хотя за последние двадцать лет человечество узнало об устройстве мозга больше, чем за всю предыдущую историю, неизученного остается пока больше, чем изученного. А без этого понимания разумных роботов не создать. И пока невозможно даже оценить масштаб предстоящей работы.
Как можно применить нейронные сети в банковской сфере?
Мы видим текущий фокус применения нейросетей (алгоритма, который фильтрует информацию, анализирует ее и постоянно обучается) не в сфере кредитования, как это принято считать, а в оптимизации и дигитализации, потому что кредитование вряд ли в ближайшее время будет сильно развиваться в силу макроэкономической обстановки. (Сейчас не ожидается бума кэш-кредитования).
Сейчас в области кредитования в части автоматизированных риск-стратегий используется в основном регрессионный анализ. Потенциально его можно заменить на нейронные сети и ИИ (искусственный интеллект).
Как нейронная сеть могла бы работать в принятии решений по кредитам? Вы обучаете нейронные сети на большом количестве примеров, потом подаете на вход новые данные в том же формате и получаете результат, который не могли заранее запрограммировать. Допустим, вам нужно принять решение по заемщику: дать ему кредит или не дать. Вы структурируете набор параметров этого заемщика (возраст, стаж, наличие просроченных кредитов и многие другие характеристики), а потом выгружаете примеры: каким заемщикам какие кредиты предоставлялись и как они платили. Так вы получаете большой массив информации из примеров плохих и хороших заемщиков. Задаете 100 тысяч таких примеров сети: нейронная сеть обучается на 100 тысячах примеров. Когда вы заводите нового клиента с такими же параметрами, она вам предсказывает, будет он хорошим или плохим на основе предыдущего опыта.
Мы же используем не такой механизм, а математические модели, которые также способны предсказать, будет ли человек плохим или хорошим заемщиком. Можно сказать, что такие модели обучаются на основе опыта банков алгоритмами регрессионного анализа.
Сейчас мы экспериментируем с искусственным интеллектом, но пока далеко не продвинулись: не достигли более высокой точности предсказания результата, чем тот, что мы достигаем регрессионными путями. Как только эта технология станет эффективнее, мы будем использовать ее, а пока работаем над этим.
Главными направлениями в применении нейросетей в банковской сфере для нас являются оптимизация и диджитализация. Существует масса действий и операций, которые пока что выполняются вручную и при этом с трудом поддаются алгоритмизации. Автоматизация таких операций возможна как раз через замену заранее созданного алгоритма на машинное обучение.
Как это работает? Есть банк с определенным количеством людей и компьютеров. Компьютеры выполняют работу вместо людей. Постепенно мы автоматизируем все процессы, и людям остается все меньше и меньше работы, но за счет появления новых продуктов инноваций работа все равно остается. Основной вектор развития это применение практик искусственного интеллекта в тех областях, которые до этого не поддавались алгоритмической автоматизации. Например, такой процесс, как открытие счета. При открытии счета работают сотрудники верификаторы по процессу верифицирования документов, которые подаются для открытия счета для юридического лица. Необходимо выполнить кросс-чек реквизитов, чтобы исключить потенциальное мошенничество и ошибки. Сейчас практически во всех банках эти действия выполняют люди, потому что алгоритмов, которые могут разобрать неструктурированные документы произвольного формата, учесть абсолютно все параметры и полностью их автоматически сверить без человека, не существует. Это большая функциональность банка, и достаточно много людей этим занимаются. Алгоритм искусственного интеллекта позволяет этот участок частично автоматизировать, тем самым, с одной стороны, сократить издержки банка, а с другой существенно ускорить.
Конечно, технологии, которая уверенно распознает все тексты, пока нет. Наши текущие эксперименты позволяют разобрать тексты с точностью до 60 % неструктурированного текста. Выглядит это таким образом: 60 % информации поднимается автоматически нейронными сетями из документов, и есть человек, который поднимает остальные 40 % данных. Например, адрес прописки очень часто бывает написан ручкой в штампе и очень плохо распознается текущим алгоритмом. Мне кажется, это закономерно: технологии в полной мере не должны заменить человека в банковской сфере. Наш опыт показывает, что такая автоматизация пока имеет определенный предел.
Гаджеты
Возможно ли в будущем появление на IT-рынке новых игроков масштаба Google или существующие гиганты будут подминать под себя все новые технологии?
Конечно, возможно. IT очень интересная сфера, невероятно гибкая, стоимость входа в этот рынок может быть ценой в зарплату одного человека, компания в десятки человек оценивается в сотни миллионов и миллиарды. Знания и смекалка становятся рычагом, который может очень малыми ресурсами перевернуть целую область рынка. Все ли помнят, как скептически относились к айфону, только смелые говорили, что это узкий нишевой продукт, который будет популярен у приверженцев марки? И как они снесли буквально в кювет Нокию лидера многомиллиардного рынка. А где гигант Microsoft с его MSN? Нигде, до покупки Skype. И даже при наличии в мире Skype зачем-то же нужен людям WhatsApp? Люди только нащупываю ту массу возможностей, которую дают современные технологии. Когда сформулировать вопрос становится сложнее и важнее, чем получить ответ. Когда кинуть ссылку быстрее, чем объяснить новость. Когда люди привыкают к возможности работать, делать результат, не видя друг друга ни разу в жизни, и фактически мыслят как один коллектив, то Google это цветочки. На нашем веку урожая будет предостаточно.