Wie künstliche Intelligenz Finanzdienstleistungen stört

In letzter Zeit war künstliche Intelligenz ein heißes Thema im Silicon Valley und in der breiteren Tech-Szene. Für diejenigen von uns, die in diese Szene involviert sind, scheint es, als würde sich eine unglaubliche Dynamik um das Thema entwickeln, wobei alle Arten von Unternehmen KI in den Kern ihres Geschäfts einbauen. Es gab auch eine Zunahme von AI-bezogenen Universitätskursen, in denen eine Welle extrem kluger neuer Talente auf den Arbeitsmarkt rollt. Dies ist jedoch kein einfacher Fall von Bestätigungsvoreingenommenheit – das Interesse an dem Thema hat seit Mitte 2014 zugenommen.

Das Rauschen um das Motiv wird nur zunehmen, und für den Laien ist alles sehr verwirrend. Je nachdem, was Sie lesen, ist es leicht zu glauben, dass wir auf eine apokalyptische Auslöschung im Skynet-Stil durch kalte, berechnende Supercomputer zusteuern oder dass wir alle für immer als rein digitale Einheiten in einer Art Wolke leben werden -basierte künstliche Welt. Mit anderen Worten, entweder The Terminator oder The Matrix stehen kurz davor, störend prophetisch zu werden.

Sollten wir besorgt oder aufgeregt sein? Und was bedeutet das alles?

Als ich Ende 2014 auf den KI-Zug sprang, wusste ich sehr wenig darüber. Obwohl ich mich seit über 20 Jahren mit Webtechnologien beschäftige, habe ich einen Abschluss in englischer Literatur und beschäftige mich mehr mit den geschäftlichen und kreativen Möglichkeiten der Technologie als mit der Wissenschaft dahinter. Ich war von der KI wegen ihres positiven Potenzials angezogen, aber als ich Warnungen von Stephen Hawking über die apokalyptischen Gefahren las, die in unserer Zukunft lauern, wurde ich natürlich genauso besorgt wie jeder andere.

Also habe ich getan, was ich normalerweise mache, wenn mich etwas beunruhigt: Ich habe angefangen, darüber zu lernen, damit ich es verstehen kann. Mehr als ein Jahr ständiges Lesen, Sprechen, Hören, Zuschauen, Basteln und Lernen hat mich zu einem ziemlich soliden Verständnis dessen geführt, was das alles bedeutet, und ich möchte die nächsten Absätze damit verbringen, dieses Wissen zu teilen, um jemanden aufzuklären sonst wer neugierig ist, aber naiv Angst vor dieser erstaunlichen neuen Welt hat.

finanzielle künstliche Intelligenz

 

Wie die Maschinen gelernt haben zu lernen

Das erste, was ich entdeckte, war, dass künstliche Intelligenz als Branchenbegriff tatsächlich seit 1956 existiert und in dieser Zeit mehrere Booms und Büsten hatte. In den 1960er Jahren befand sich die KI-Industrie in einer goldenen Ära der Forschung, in der westliche Regierungen, Universitäten und große Unternehmen enorme Geldbeträge in die Branche steckten, um eine schöne neue Welt aufzubauen. Aber Mitte der siebziger Jahre, als sich herausstellte, dass die KI ihr Versprechen nicht einhielt, platzte die Branchenblase und die Finanzierung versiegte. In den 1980er Jahren, als Computer immer beliebter wurden, kam es zu einem weiteren KI-Boom, bei dem ähnliche Investitionen in verschiedene Unternehmen getätigt wurden. Aber auch hier konnte der Sektor nicht liefern und die unvermeidliche Pleite folgte.

Um zu verstehen, warum diese Booms nicht haften blieben, müssen Sie zunächst verstehen, was künstliche Intelligenz eigentlich ist. Die kurze Antwort darauf (und glauben Sie mir, es gibt sehr, sehr lange Antworten) ist, dass KI eine Reihe verschiedener überlappender Technologien ist, die sich weitgehend mit der Herausforderung befassen, wie Daten verwendet werden, um eine Entscheidung über etwas zu treffen. Es beinhaltet viele verschiedene Disziplinen und Technologien (Big Data oder Internet der Dinge, irgendjemand?), Aber das wichtigste ist ein Konzept namens maschinelles Lernen.

Beim maschinellen Lernen werden Computer im Wesentlichen mit großen Datenmengen versorgt und diese Daten analysieren lassen, um Muster zu extrahieren, aus denen sie Schlussfolgerungen ziehen können. Sie haben dies wahrscheinlich mit der Gesichtserkennungstechnologie (z. B. auf Facebook oder modernen Digitalkameras und Smartphones) in Aktion gesehen, bei der der Computer menschliche Gesichter auf Fotos identifizieren und einrahmen kann. Zu diesem Zweck verweisen die Computer auf eine riesige Bibliothek von Fotos von Gesichtern von Menschen und haben gelernt, die Eigenschaften eines menschlichen Gesichts anhand von Formen und Farben zu erkennen, die über einen Datensatz von Hunderten Millionen verschiedener Beispiele gemittelt wurden. Dieser Prozess ist grundsätzlich für jede Anwendung des maschinellen Lernens gleich.

Wie Sie sich vorstellen können, erfordert das Durchsuchen enormer Datensätze zum Extrahieren von Mustern eine Menge Rechenleistung. In den 1960er Jahren hatten sie einfach keine Maschinen, die dafür leistungsfähig genug waren, weshalb dieser Boom fehlschlug. In den 1980er Jahren waren die Computer leistungsfähig genug, aber sie stellten fest, dass Maschinen nur dann effektiv lernen, wenn das ihnen zugeführte Datenvolumen groß genug ist und sie nicht in der Lage waren, ausreichend große Datenmengen zu beschaffen, um die Maschinen zu versorgen.

Dann kam das Internet. Es hat nicht nur das Computerproblem ein für alle Mal durch die Innovationen des Cloud Computing gelöst, die es uns im Wesentlichen ermöglichen, auf Knopfdruck auf so viele Prozessoren zuzugreifen, wie wir benötigen, sondern die Menschen im Internet haben jeden Tag mehr Daten generiert als jemals zuvor in der gesamten Geschichte des Planeten Erde produziert wurde. Die Datenmenge, die ständig produziert wird, ist absolut umwerfend.

Was dies für das maschinelle Lernen bedeutet, ist von Bedeutung: Wir haben jetzt mehr als genug Daten, um unsere Maschinen wirklich zu trainieren. Wenn Sie an die Anzahl der Fotos auf Facebook denken, werden Sie verstehen, warum die Gesichtserkennungstechnologie so genau ist.

Es gibt jetzt keine größere Barriere (von der wir derzeit wissen), die die KI daran hindert, ihr Potenzial auszuschöpfen. Wir fangen gerade erst an herauszufinden, was wir damit machen können. Da Big-Data-Softwareunternehmen und Cloud-Anbieter eine große Datenmenge verbrauchen, hat die praktische Anwendung von KI erheblich zugenommen.

Künstliche Intelligenz wird bereits in vielen Bereichen eingesetzt, um eine bestimmte Aufgabe wie medizinische Diagnose, Fernerkundung, elektronischen Handel und Robotersteuerung auszuführen. Finanzinstitute haben lange Zeit ein künstliches neuronales Netzwerk verwendet, um Systemänderungen und abnormale Ansprüche zu erkennen und sie gleichzeitig zu alarmieren und zu kennzeichnen, damit der Mensch sie untersuchen kann.

Viele Banken nutzen Systeme der künstlichen Intelligenz, um Buchhaltung zu führen, Operationen zu organisieren, Immobilien zu verwalten und in Aktien zu investieren. Künstliche Intelligenz, definiert als Theorie und Entwicklung von Computersystemen zur Ausführung von Aufgaben, die normalerweise mit Menschen verbunden sind, wie Entscheidungsfindung, visuelle Wahrnehmung und Spracherkennung, gibt es schon seit langer Zeit.

Mit den Fortschritten bei Computerhardware, Big Data und maschinellem Lernen wird künstliche Intelligenz von Tag zu Tag leistungsfähiger und nützlicher. Die jüngsten Fortschritte in der künstlichen Intelligenz haben eine neue Ära im Finanzbereich eingeläutet. Innerhalb kurzer Zeit haben Big Data und maschinelles Lernen einen Durchbruch gebracht, der zu einer Verbesserung des Kundenerlebnisses und der Produktivität geführt hat.

Software spielt eine große Rolle bei diesem Durchbruch und es bleiben noch viele Herausforderungen zu lösen. Es ist erforderlich, Software zu entwerfen und zu optimieren, um die Funktionen der zugrunde liegenden Hardware voll auszunutzen und die Leistung zu verbessern. Es ist auch erforderlich, Bibliotheken, Frameworks und andere Tools in anderen zu optimieren, um den Entwicklungsprozess zu beschleunigen. Einige dieser Probleme wurden aufgrund des Fortschritts bei der GPU gelöst.

Hier einige Bereiche im Finanzbereich, auf die sich künstliche Intelligenz bereits auswirkt:

  • Finanzdienstleister und Banken setzen KI ein, um die Art und Weise, wie Kunden ihr Geld verwalten, vorherzusagen und zu planen und so KI zu einem integralen Bestandteil der Geschäftsentwicklungsstrategie zu machen.
  • Die Fähigkeit intelligenter Maschinen, Daten in Kundenerkenntnisse umzuwandeln und Services zu verbessern, verändert das digitale Erlebnis. Durch die Verwendung komplexer Algorithmen und maschinelles Lernen kann AI Tausende strukturierter und unstrukturierter Datenpunkte verarbeiten. Da Finanzfachleute stark von Daten abhängig sind, kann diese Funktion die Art und Weise, wie sie ihre Arbeit erledigen, erheblich beeinflussen.
  • Auditoren fühlen sich aufgrund des Automatisierungspotenzials der künstlichen Intelligenz frei von Verantwortlichkeiten. Sie verwenden KI, um zeitaufwändige und manuelle Aktivitäten zu automatisieren und ihnen Zeit zu geben, sich auf wichtigere Aufgaben zu konzentrieren. AI kann Auditoren dabei helfen, Verträge und Dokumente schneller zu überprüfen, indem maschinelle Lerntechnologien eingesetzt werden, mit denen Schlüsselphrasen aus Dokumenten gefunden werden können, deren Entschlüsselung oder Interpretation viel Zeit in Anspruch nimmt. Derzeit kann AI die Sprache in einem Dokument verarbeiten und relevante Ergebnisse erzielen. Dies hat eine entscheidende Rolle bei der Verbesserung der Produktivität gespielt.
  • Datengesteuerte Managemententscheidungen zu geringen Kosten führen zu einem neuen Managementstil. In Zukunft können Manager Maschinen anstelle von menschlichen Experten befragen. Maschinen analysieren Daten und geben eine Empfehlung ab, auf die die Teamleiter ihre Entscheidung stützen.
  • Eingebettete Anwendungen in Endbenutzergeräten und Servern von Finanzinstituten können ein großes Datenvolumen analysieren und maßgeschneiderte Prognosen und Finanzberatung bereitstellen. Anwendungen wie diese können auch dazu beitragen, Fortschritte zu verfolgen, Finanzpläne und -strategien zu entwickeln.
  • Personalisierung ist ein wichtiger Bereich, in dem viele Banken bereits mit verschiedenen Methoden experimentieren, um Dienstleistungen und Produkte für Kunden abzustimmen. AI kann Kunden dabei helfen, den Geldverwaltungsprozess zu vereinfachen und eine Empfehlung für ein Upgrade abzugeben, indem Algorithmen angepasst werden.

Zusammenfassend muss gesagt werden, dass Finanzdienstleister der KI Aufmerksamkeit schenken müssen, wenn sich die Technologie weiterentwickelt und mehr Mainstream wird. Die Art und Weise, wie Unternehmen Innovationen entwickeln und wichtige Strategien umsetzen, ändert sich. Die Unternehmensorganisation muss die KI in andere einbeziehen, um den Trend voll auszunutzen.

Leave a Reply