Banki inwestują w sztuczną inteligencję. Wartość rynku deep learning do 2022 r. wzrośnie o ponad 60 proc.

Szansa na poprawę efektywności procesów płatniczych 

Sposoby uczenia sieci, także w przypadku deep learning możemy podzielić na nienadzorowane i nadzorowane. Stosowane do wykrywania oszustw finansowych modele nienadzorowane mogą być wykorzystywane do wyszukiwania i izolowania anomalii. Z kolei te nadzorowane mogą być używane do rozróżnienia, czy te nieprawidłowości, np. wielokrotne próby logowania się do systemu bankowości elektronicznej, w rzeczywistości są naruszeniem bezpieczeństwa danych czy tylko „nietypowym” zachowaniem użytkownika.

- Dla firm z sektora finansowego jest niezwykle ważne, aby nowoczesne systemy zabezpieczeń stosowane np. przez banki nie tylko pomagały w wykrywaniu nieuprawnionych transakcji finansowych, ale również bezbłędnie rozpoznawały transakcje prawidłowo przeprowadzone przez klientów. Jeżeli tak się nie dzieje, są one wtedy traktowane jako podejrzane działania, którym system „odmówi” uwierzytelnienia. Na ten problem zwraca uwagę raport “Leveraging artificial intelligence for payments efficiency”, przygotowany wspólnie przez firmy Finextra i Pelican. Blisko 3 na 4 respondentów dostrzega potencjał sztucznej inteligencji w usuwaniu nieefektywności z procesów płatniczych - komentuje Marcin Jaworski, Linux Polska.

Sztuczna inteligencja na celowniku polskiego sektora finansowego 

Jak zauważa Marcin Jaworski, jest kwestią czasu, kiedy rozwiązania z obszaru sztucznej inteligencji oparte na technologii deep learning zaczną być wykorzystywane na szeroką skalę. Także polskie firmy, przede wszystkim te z sektora bankowego i ubezpieczeń coraz częściej dostrzegają wartość tego podejścia. Jest to widoczne, chociażby w tematyce konferencji branżowych poświęconych cyberbezpieczeństwu, podczas których wątek deep learning jest stale obecny.

– W Linux Polska pracujemy nad rozwiązaniem wykorzystującym algorytmy uczenia głębokiego, które będzie dedykowane branży ubezpieczeniowej. Pozwoli ono usprawnić proces likwidacji szkód. Testy rynkowe planujemy już na początek przyszłego roku. Nawiązaliśmy także współpracę z Uniwersytetem Marii Curie-Skłodowskiej, by rozwijać narzędzia informatyczne oparte na sztucznej inteligencji. Jako partner tego ośrodka naukowego prowadzimy własne badania rozwojowe dotyczące wykorzystania deep learning w procesie segmentacji semantycznej zdjęć satelitarnych (wyodrębnienie konkretnych klas obiektów) – wyjaśnia Marcin Jaworski, Linux Polska.