エグゼクティブサマリー

人工知能（AI）が爆発的に増加

• 業界全体でAIが広く採用されているのは 予測 2016年から2020年までのCAGRは55.1％で、2017年には125億ドル、2020年には470億ドルの世界的な収益を促進します。
• これらのテクノロジーに最も投資する業界は、銀行と小売であり、ヘルスケアと製造がそれに続きます。
• エコノミストは、汎用技術（GPT）を、長引く経済成長と社会の進歩を促進するのに十分重要な技術として指定しています。たとえば、電気はGPTです。最近 ハーバードビジネスレビューの記事 AIを私たちの時代の最も重要なGPTとして指定します。

金融サービスにおける人工知能：リスク管理

• PayPalは、ディープラーニングテクノロジーを活用することでセキュリティを強化することができました。 PayPalの詐欺は比較的少ないです 収益の0.32％ 、商人が見る平均1.32％よりはるかに良い数字。
• 線形モデルは消費できますが 20〜30個の変数 、深層学習テクノロジーは、何千ものデータポイントに命令できます。

金融サービスにおける人工知能：AIトレーディング

• 何年もの間、投資運用会社は取引を行うためにコンピューターに依存してきました。周り 全資金の9％ 、1,970億ドルを管理し、データサイエンティストによって構築された大規模な統計モデルに依存しています。
• ただし、これらのモデルは 多くの場合静的 、人間の介入が必要であり、市場が変化したときに同様に機能しません。したがって、資金はますます増えています 真の人工知能モデルへの移行 大量のデータを分析する そして 自分自身を改善し続けます。
• 2000年、ニューヨーク本社にあるゴールドマンサックスの米国現金株トレーディングデスク 雇用された 600人のトレーダー。現在、2つの株式トレーダーがあり、残りは機械が行っています。

金融サービスにおける人工知能：ロボアドバイザー

• 投資家の場合、robo-adviceは、特定のサービスで最大70％のコスト削減を提供できます。
• 一部の確立された投資会社は、次のような既存のロボアドバイザーを購入しています。 インベスコによるジェムステップの買収 そして ブラックロックによるFutureAdvisorの購入 。 FidelityGoやSchwabのIntelligentAdvisoryなど、独自のロボアドバイザーを作成している企業もあります。
• ウェルスマネジメントのクライアントの77％はファイナンシャルアドバイザーを信頼しており、81％は対面でのやり取りが重要であると述べています。

金融サービスにおける人工知能：保険の引受と請求

• に PWCレポート AIは、特にデータが利用可能な成熟した市場において、2020年までにかなりの量の引受を自動化すると予測しています。
• で 2013オックスフォード研究 700を超える職業を分析して、どの職業が最も影響を受けやすいかを判断したところ、保険引受会社は最も影響を受けやすい上位5社に含まれていました。
• 引受は、機械学習だけでなく、ウェアラブル技術や深層学習の顔分析技術も活用できます。

金融サービスにおける人工知能：チャットボットを介したカスタマーサービス

• 2016年10月、バンクオブアメリカとマスターカードの両方がチャットボットを発表しました。 エリカ そして カイ 、それぞれ。エリカの初期バージョンでは、顧客のクレジットスコアを追跡し、顧客の消費習慣を調べ、請求書の支払い方法に関するアドバイスを提供できます。
• キャピタルワンも最近 独自のチャットボットを立ち上げました 、「Eno」という名前で、顧客はテキストベースの言語を使用して銀行とチャットし、請求書の支払いや口座情報の取得を行うことができます。 Capital Oneはまた、モノのインターネットのトレンドを活用して、AmazonEcho向けのAlexaSkillを立ち上げ、MicrosoftのCortana向けに同様のサービスを最初に立ち上げる予定です。

汎用技術 用語エコノミストです リザーブ 長期にわたる経済成長と社会の進歩を促進し、家庭と企業の運営に革命をもたらす技術のために。サンプルの汎用技術は電気です。 スポーンされた電気 冷蔵庫、洗濯機、電車、そしてもちろんコンピューターを含む、多数の製品とセクター。電気の出現は世界を根本的に変えました。

最近 ハーバードビジネスレビューの記事 人工知能（AI）を私たちの時代の最も重要な汎用技術として指定します 。私たちはAIの力に精通しています。それはロボットの形で現れます 世界的に有名なチェスプレイヤーを倒す 。できる車 縦列駐車自体 。そのデバイス 明日の天気で応答する 私たちが尋ねるとき。しかし、AIとの接触、およびAIの理解の多くは、消費者としての日常生活に影響を与える製品を中心に展開しています。組織レベルでは、AIが業界をどのように混乱させるか、具体的には、金融サービスがAIをどのように活用するかについてより大きな問題があります。

次の記事では、人工知能、その関連テクノロジーの範囲、AI業界全体の規模、および金融における人工知能のアプリケーションについて定義します。この作品は、AI開発に関する規範的な判断を提供することを目的としたものではありません。むしろ、AIがどのように金融を混乱させているかに焦点を当てます。

人工知能：AIとは何ですか？

人工知能は コンピュータサイエンスの分野 人間のように機能するインテリジェントマシンの作成に焦点を当てています。 AIコンピューターは 人間の機能を実行するように設計されています 学習、意思決定、計画、および音声認識を含みます。

人工知能により、機械は次のことが可能になります 継続的にパフォーマンスを向上させる 人間がそうする方法についての規範的な指示を提供することなく。これはいくつかの理由で重要です。第一に、人間は私たちが話すことができる以上のことを知っています。つまり、人間はチェスのゲームで顔を認識したり、スマートな戦略を実行したりできる可能性があります。ただし、高度な人工知能技術が登場する前は、人間が知識を明確に表現できないため、多くのタスクを自動化できませんでした。第二に、AIテクノロジーは実行において超人間的であり、人間よりも迅速かつ頻繁に正確に動作します。

出会い系サイトはいくつありますか

人工知能技術

人工知能には、多数の機能とテクノロジーが含まれます。コンサルティング会社 PWCは強化します そのAIは「モノリシックな主題分野ではありません。これは、「インテリジェント」であることの意味についての私たちの概念にすべてを追加する多くの要素で構成されています。以下は、AIの最も人気のある分野のいくつかです。

• 機械学習 はデータ分析の方法です 分析モデルの構築を自動化します 。機械学習は、データから繰り返し学習するアルゴリズムを使用して、コンピューターがどこを見ればよいかを明示的にプログラムしなくても、隠された洞察を見つけることを可能にします。
• ディープラーニング は 機械学習のサブセット 。これにより、画像内のオブジェクト認識、ビデオラベリング、およびアクティビティ認識が容易になり、知覚（音声と音声を含む）が進歩しています。たとえば、FacebookのディープラーニングアプリケーションDeepFaceは 写真で人を認識するように訓練された 。多くの人がディープラーニングテクノロジーと生物学を比較していますが、専門家は一般的に 人間の脳に触発されており、必ずしもそれをモデルにしているわけではありません 。
• 自然言語処理 コンピュータプログラムの能力は 人間のスピーチを理解する リアルタイムで。研究開発は シフト 様式化された要求に反応するだけでなく、対話を通じて人々と対話できるシステムに向けて。
• モノのインターネット（IoT） は、電化製品、車両、建物など、さまざまなデバイスを相互接続できるという考えに専念しています。たとえば、アラームが午前7時に鳴った場合、次のようになります。 コーヒーメーカーに自動的に通知します あなたのためにコーヒーを淹れ始めます。着用時にセンサーとして機能するウェアラブルテクノロジーも この大きなトレンドの一部 。

もちろん、このリストは包括的ではありません。人工知能の幅広いトピックとテクノロジーについては、以下を参照してください。

人工知能の市場規模

前述の ハーバードビジネスレビューの記事 「製造、小売、輸送、金融、ヘルスケア、法律、広告、保険、エンターテインメント、教育、そして事実上他のすべての業界がコアプロセスとビジネスモデルを次のように変革するにつれて、AIの効果は今後10年間で拡大するでしょう。機械学習を活用します。ボトルネックは、管理、実装、およびビジネスの想像力にあります。」

業界全体でAIが広く採用されているのは 予測 2017年に125億ドル、2020年に470億ドルの世界的な収益を促進し、2016年から2020年までの年平均成長率（CAGR）は55.1％です。具体的には、テクノロジーに最も投資する業界は銀行業と小売業であり、続いてヘルスケアと製造。合計すると、これら4つの業界は2016年の世界のAI収益の半分以上を占め、銀行部門と小売部門はそれぞれ15億ドル近くを提供します。

業界全体で、 2017年の最大のAI投資 自動化されたカスタマーサービスエージェント、自動化された脅威インテリジェンス、不正分析などの分野になります（下のグラフを参照）。 JessicaGoepfertによると 、プログラムディレクター 市場調査 同社IDCは、次のように述べています。「コグニティブシステムの短期的な機会は、銀行、証券および投資、製造業などの業界にあります。これらのセグメントには、豊富な非構造化データ、この情報からの洞察を活用したいという願望、革新的なテクノロジーへの開放性があります。」この記事の次のセクションでは、金融サービス業界における人工知能のさまざまなユースケースについて詳しく説明します。

金融における人工知能の現在および将来のアプリケーション

金融における人工知能は、リスク管理や取引から引受や請求に至るまでの分野で運用効率を高める可能性があります。一部のアプリケーションは金融サービス内の特定のセクターにより関連性がありますが、他のアプリケーションは全面的に活用できます。

金融における人工知能：リスク管理

人工知能は、セキュリティと不正検出に関して非常に価値があることが証明されています。不正検出の従来の方法には、一連のルールに照らして構造化データを分析するコンピューターが含まれます。たとえば、特定の決済会社が電信送金のしきい値を15,000ドルに設定して、その金額を超えるトランザクションにはさらに調査するためのフラグを立てることができます。ただし、このタイプの分析では多くの誤検知が発生し、多くの追加作業が必要になります。おそらくさらに重要なのは、サイバー犯罪詐欺師です 頻繁に戦術を変更する 。したがって、最も効果的なシステムは継続的にスマートになる必要があります。

デザインリストの要素と原則

ディープラーニングなどの高度な学習アルゴリズムを使用すると、動的調整のために新しい機能をシステムに追加できます。 サミールハンスによると デロイトトランザクションズアンドビジネスアナリティクスLLPのアドバイザリープリンシパルである、「コグニティブアナリティクスを使用すると、不正検出モデルをより堅牢で正確にすることができます。コグニティブシステムが潜在的な詐欺と判断したものを追い出し、人間がX、Y、Zのために詐欺ではないと判断した場合、コンピューターはそれらの人間の洞察から学習し、次回は同様の検出を送信しません。コンピューターはどんどん賢くなっています。」

人工知能と不正検出によるPayPalの成功

たとえば、決済大手のPayPalとその高度な詐欺プロトコルを考えてみましょう。その規模と可視性により、PayPalは「 背中に巨大なターゲットがあります 。」 2015年には、1億7000万人の顧客による400万件のトランザクションから2350億ドルを処理しました。ただし、PayPalは、ディープラーニングテクノロジーを活用することでセキュリティを強化することができました。実際、PayPalの詐欺は比較的少ないです 収益の0.32％ 、商人が見る平均1.32％よりはるかに良い数字。

これまで、PayPalは単純な線形モデルを使用していました。現在、そのアルゴリズムは、顧客の購入履歴からデータをマイニングし、増大するデータベースに保存されている可能性のある不正のパターンを確認します。線形モデルは消費できますが 20〜30個の変数 、深層学習テクノロジーは、何千ものデータポイントに命令できます。これらの強化された機能は、PayPalが無実の取引と疑わしい取引を区別するのに役立ちます。 ホイワンによると 、PayPalのグローバルリスクサイエンス担当シニアディレクターは、次のように述べています。「より近代的で高度な機械学習から得られるのは、より多くのデータを消費し、抽象化レイヤーとレイヤーを処理し、人間でさえも「見る」ことができる能力です。見えないかもしれません。」

金融における人工知能：取引

人間が構築したモデルから真のAIへの移行

何年もの間、投資運用会社は取引を行うためにコンピューターに依存してきました。約1,360のヘッジファンド、 全資金の9％を占める 、数学の博士号（別名「クオンツ」）を保持していることが多いデータサイエンティストによって構築された大規模な統計モデルに依存します。ただし、これらのモデルは履歴データのみを利用します。 多くの場合静的 、人間の介入が必要であり、市場が変化したときに同様に機能しません。その結果、資金はますます増えています 真の人工知能モデルへの移行 大量のデータを分析できるだけでなく、 また 自分自身を改善し続けます。

これらの新しいテクノロジーは、ディープラーニングを含む複雑な技術を利用しています。 ベイジアンネットワーク 、および 進化的計算 、遺伝学に触発されています。 AIトレーディングソフトウェアは、膨大な量のデータを吸収して、世界について学び、金融市場について予測することができます。 世界の動向を理解する 、本、ツイート、ニュースレポート、財務データ、収益数、国際通貨政策からサタデーナイトライブのスケッチまで、あらゆるものを消費できます。

明確にするために、上記はとは異なります 高頻度取引 （HFT）は、トレーダーが数百万の注文を実行し、数秒で複数の市場をスキャンし、人間の方法で機会に対応できるようにします 単にできません 。上で説明したAI主導のプラットフォームは、長期的に最良の取引を求めており、人間ではなく機械が戦略を決定しています。

これらのAI取引システムのいくつかは、スタートアップによって開発されています。たとえば、香港を拠点とする アイディヤ は、人工知能（AI）を使用してすべての株式取引を行う完全自律型ヘッジファンドです。 「私たち全員が死んだら」 共同創設者のベン・ゲルツェルは言う 、「それは取引を続けるでしょう。」従来の機関もAI取引技術に関心を持っています。 2014年、ゴールドマンサックス シリーズAの資金調達ラウンドを主導 見性と呼ばれるAI取引プラットフォームのインストールを開始しました。ために 見性のシリーズBラウンド 、S＆Pグローバルに加えて、ウォール街の最大6つの銀行（ゴールドマンサックス、JPモルガンチェース、バンクオブアメリカメリルリンチ、モルガンスタンレー、シティグループ、ウェルズファーゴ）も参加しました。

取引実績の比較

投資調査会社が行った最近の調査 Eurekahedge 2010年から2016年にかけてAIを利用した23のヘッジファンドのパフォーマンスを追跡し、従来のクォンツや一般化されたヘッジファンドによって管理されているものを上回っていることを発見しました。

トレーダーとクオンツへの影響

AIが貿易労働市場にどのように影響するかを観察することは興味深いでしょう。その効果は、いくつかの主要な銀行機関ですでに明らかです。 2000年、ニューヨーク本社にあるゴールドマンサックスの米国現金株トレーディングデスク 雇用された 株式を売買する600人のトレーダー。現在、2つの株式トレーダーがあり、残りは機械が行っています。ダニエルナドラー、 CEO of Kensho, declares 、「10年以内に、ゴールドマンサックスは現在よりも人員が大幅に少なくなるでしょう。」そして、クォンツに関しては、彼らは彼らのスキルが投資運用会社からの需要が少ないことに気付くかもしれません。

現在、約 卒業生の3分の1 トップビジネスプログラムから金融にフィードします。国の最高の才能のいくつかはどこに移動しますか？マーク・ミネビッチ、米国競争力評議会の上級顧問、 それを信じています 「これらの賢い人々の中には、技術系の新興企業に移行したり、より多くのAIプラットフォーム、自動運転車、エネルギー技術の開発を支援したりする人もいます[…]ニューヨークは技術面でシリコンバレーと競争するかもしれません。」

金融における人工知能：ロボアドバイザー

ロボアドバイザーとは何ですか？それはどのように機能しますか？

ロボアドバイザー は、最小限の人間の監督で自動化されたアルゴリズム主導のファイナンシャルプランニングサービスを提供するデジタルプラットフォームです。人間の財務マネージャーは2000年代初頭から自動ポートフォリオ配分を利用してきましたが、投資家はテクノロジーの恩恵を受けるためにアドバイザーを雇わなければなりませんでした。現在、ロボアドバイザーは顧客がサービスに直接アクセスできるようにしています。人間とは異なり、ロボアドバイザーは市場をノンストップで監視しており、 24時間年中無休でご利用いただけます 。ロボアドバイザーはまた、投資家に最大 70％のコスト削減 通常、参加するには最低額を低くするか、最低額を必要としません。

今日、ロボアドバイザー より反復的なタスクを支援することができます 口座開設や資産譲渡など。このプロセスには通常、クライアントがリスク選好または流動性要因に関する簡単なアンケートに回答することが含まれ、ロボアドバイザーはそれを投資ロジックに変換します。現在のロボアドバイザーの大多数は、好みに基づいてクライアントをマネージドETFポートフォリオに割り当てることを目指しています。将来の機能は より高度な製品に進化する 自動資産シフトや カバレッジの拡大 不動産のような代替資産クラス全体。

企業は、プロジェクトの収益率をと比較することにより、投資額を決定します。

ロボアドバイザリーは、個人金融およびウェルスマネジメントセクターに大きな影響を与える可能性があります。現在のロボアドバイザーの総運用資産（AUM）のみ 100億ドルを表す ウェルスマネジメント業界の4兆ドル（すべてのマネージドアカウント資産の1％未満）のうち、 BusinessInsiderの調査 この数字は2020年までに10％に上昇すると推定されています。これは、約8兆AUMに相当します。

Roboの業界での採用-アドバイス

業界のプレーヤーは、ロボアドバイザリーにさまざまなアプローチを採用しています。小規模なウェルスマネジメント会社は、投資管理を自動化し、コスト/手数料を削減し、ロボアドバイザーと競争するためのアルゴリズムコンポーネントを追加しています。一方、確立された投資会社は、次のような既存のロボアドバイザーを購入しています。 インベスコによるジェムステップの買収 または、FidelityGoやSchwabのIntelligentAdvisoryなどの独自のロボアドバイザーソリューションを作成します。

ロボアドバイザー対ファイナンシャルアドバイザー：人間は置き換えられますか？

専門家の間の一般的なコンセンサスは、人間が不可欠であり続けるということです。アドバイザーは、困難な経済状況のときに顧客を安心させ、役立つソリューションで顧客を説得する必要があるため、人間的なタッチは引き続き重要です。 コンサルティング会社アクセンチュアが実施した調査 ウェルスマネジメントのクライアントの77％がファイナンシャルアドバイザーを信頼しているのに対し、81％は対面でのやり取りが重要であると述べています。複雑な投資決定を行うクライアントの場合、 ハイブリッドアドバイザリーモデル コンピュータ化されたサービスと人間のアドバイザーを結びつける、が勢いを増しています。

ファイナンシャルアドバイザーは引き続き中心的役割を果たしますが、ロボアドバイザーは 彼らの仕事の責任のシフト 。 AIが反復的なタスクを管理することで、投資マネージャーは、システムの保守など、データサイエンティストまたはエンジニアの責任を引き受ける可能性があります。人間はまた、クライアントとの関係を構築し、マシンが下した決定を説明することにもっと焦点を合わせるかもしれません。

金融における人工知能：保険の引受と請求

保険はのバランスに依存しています 人々のプール間のリスク ;保険会社は類似した人々をグループ化し、支払いを必要とする人もいれば、そうでない人もいます。業界はリスク評価を中心に構築されています。保険会社はデータ分析に精通しています。しかしながら、 AIは拡大できる 分析されたデータの量とその利用方法により、より正確な価格設定やその他の運用効率が得られます。

スタートアップは業界を前進させる最前線にいます。 HenrikNaujoksによると 、Bain＆Coのパートナー、「新興企業は、何が可能で何ができるかを示しています。多くの現職の幹部がそれを見ています—彼らはそれを本当に理解していませんが、彼らは関与したいと思っています。」投資家もこの傾向に追いついています（下記参照）。 2016年、AIは 最も人気のあるテーマの1つ 保険技術投資のため。

人工知能と引受

に PWCレポート AIは、特にデータが利用可能な成熟した市場において、2020年までにかなりの量の引受を自動化すると予測しています。現在、保険引受会社は、コンピューターソフトウェアと保険数理モデルの助けを借りて、 リスクとエクスポージャーを評価します 潜在的なクライアントの数、彼らが受ける必要のある補償範囲、および彼らがそれに対して請求されるべき金額。短期的には、AIは自動車保険、住宅保険、商業保険、生命保険、団体保険の大量の引受を自動化するのに役立ちます。将来的には、AIはモデリングを強化し、他の方法では見過ごされていた可能性のある人間の意思決定者にとって重要な考慮事項を強調します。それは また予測 その高度なAIにより、企業または個人による個別の行動や状況を考慮した個別の引受が可能になります。

ウェブサイトのデザインレイアウトのベストプラクティス

強化された引受は、データマイニングのための機械学習だけでなく、ウェアラブルテクノロジーやディープラーニングフェイシャルアナライザーも活用できます。例えば、 ラペトゥス 、スタートアップは、自分撮りを利用して 平均余命を正確に予測する 。提案されたモデルでは、顧客は自画像を電子メールで送信し、コンピューターがそれをスキャンして分析し、顔の何千もの領域を分析します。分析では、基本的な人口統計から、人の年齢、肥満度指数、喫煙の有無まで、すべてを考慮します。さらに、ウェアラブルテクノロジーは、引受プロセスをより協調的にする可能性があります。長い医療チェックや複雑な契約プロセスに頼る代わりに、ウェアラブルは リアルタイムの洞察を提供する 保険契約者の健康と行動に。明らかに、金融における機械学習はすでに進化しています。

これらのタイプの微妙なリアルタイムのリスク分析により、より正確な顧客の価格設定だけでなく、健康リスクの早期発見と保険会社が 予防に投資する 。保険会社は、最終的に患者の費用のかかる治療にお金を払う代わりに、損害賠償および関連費用の可能性を積極的に下げることを試みることができます。

で 2013オックスフォード研究 700を超える職業を分析して、どの職業が最も影響を受けやすいかを判断したところ、保険引受会社は最も影響を受けやすい上位5社に含まれていました。 AIが引受人に完全に取って代わるわけではない場合でも、AIの自動化によって引受人の責任が変わる可能性があります。 AIは、データが豊富でない新興市場でのリスクの評価と価格設定など、より高い付加価値のために引受人の時間を解放し、より多くのリスク管理と製品開発のフィードバックを提供します。

人工知能と保険金請求

保険金請求 保険会社に送られる正式な支払い要求です。次に、保険会社は請求の有効性を確認し、承認されたら被保険者に支払います。方法は次のとおりです 人工知能 できる プロセスを強化する ：

顧客データの精度が向上しました。 請求プロセスはかなり手動です。ヒューマンエージェントは、顧客情報とインシデントの詳細を手動で記録します。によると Experianレポート 、データ品質が低下する可能性があります。不完全なデータがデータエラーの55％を占め、タイプミスが32％を占めます。 AIは、手動入力を減らすことで精度を向上させることができます。さらに、請求プロセスでは、保険代理店が顧客情報を多数のデータベースと照合する必要があることがよくあります。 AIは これを行う より効率的に。

より速い支払いの推奨。 J.D.パワー＆アソシエイツによると 財産請求満足度調査 、クレームのサイクルタイムが遅いことは、顧客の不満の最大の原因の1つです。 AI 助けられる 最初にポリシーを検証し、次に請求と支払いを自動化するかどうかを決定することにより、所要時間を短縮します。これは、AIには構造化データだけでなく、手書きのフォームや証明書などの非構造化データも分析できるためです。

金融における人工知能：会話型銀行と顧客サービス

銀行は、チャットボットと呼ばれるクライアント向けの仮想アシスタントで大きな賭けをしています。チャットボットの初期バージョンは、支出制限と最近のトランザクションに関する基本的な質問にしか答えることができませんが、将来のバージョンは、支払いを行い、消費者の予算を追跡できるフルサービスの仮想アシスタントになる予定です。顧客との関わりは大幅なコスト削減につながる可能性がありますが、人間との対話も間違いなく 単純な数値計算よりも複雑 。批評家は、チャットボットの共感と理解の欠如を指摘しています。これは、困難な経済的決定や状況に対処するときに人間が必要とする可能性があります。この技術にとって、自然言語処理のAI技術は、パーソナライズされた顧客の懸念や要望を処理して対応するために不可欠です。

2016年10月、バンクオブアメリカとマスターカードの両方がチャットボットを発表しました。 エリカ そして カイ 、それぞれ。これらは 顧客を許可する アカウントについて質問したり、取引を開始したり、AmazonのエコータワーのFacebookMes​​sengerを介してアドバイスを受けたりするため。

グーグルマテリアルデザインスタイルガイド

キャピタルワンも 独自のチャットボットを立ち上げました 、「One」のアナグラムである「Eno」という名前。 Enoを使用すると、顧客はテキストベースの言語を使用して銀行とチャットし、請求書の支払いや口座情報の取得を行うことができます。バークレイズも アクションに参加する 。バンクオブアメリカの新しいチャットボットを説明するにあたり、 ミシェル・ムーア 、バンクオブアメリカのデジタルバンキングの責任者は、次のように宣言しました。「2、3、4年後に銀行はどうなるでしょうか。これになります。」

別れの考え

金融サービスにおける人工知能の完全な影響が見られます。一部の未来派 主張している 世界が急速に転換点に近づいていること、造語「 特異点 、」ここで、機械知能は人間の知能を上回ります。ビル・ゲイツやスティーブン・ホーキングを含む有名な技術者や科学者は、この点について警告しています。イーロンマスクも 有名に促された 、「AIは人類の文明にとって根本的な実存的リスクであり、人々がそれを十分に理解しているとは思いません。」

AIが私たちの個人的および職業的な生活を拡大し続けるにつれて、多くの問題が浮上し続けるでしょう。これらには、間違いの可能性、機械に対する一般的な不信感、および転職に関する懸念が含まれます。これらの恐れを無視するのは間違いでしょう。それでも、社会はすでにAI主導の世界に向けて加速する道を進んでいます。この新しい世界では、機械と人間が最もよく共存できる方法に焦点を当てることが最も生産的である可能性があります。政策立案者が慎重を保ち、悪影響を監視して最小限に抑えながら新しいテクノロジーを開発できるようにすることが重要です。開発者とデザイナー また強化する必要があります AIシステムを理解して信頼を構築し、AIアプリケーションへの満足度を高める人間の能力。誰もが果たすべき役割があります。

黒田東彦、日本銀行総裁として orated 2017年のAIおよび金融サービス会議で、 「人間とAIが対峙するのではなく、補完する望ましい方法を建設的に検討することが不可欠です。たとえば、人間の判断は既存のパラダイムから完全に解放されているわけではないため、変更を怠る場合があります。この点で、AIは、無数の[原文のまま]データ間の新しい相関関係を中立的に分析して見つけることにより、バイアスを調整することができます。一方、人間は直感、常識、想像力でAIの弱点を補うことができます。」

基本を理解する

AIとは何ですか？

人工知能は、人間のように機能するインテリジェントマシンの作成に焦点を当てたコンピュータサイエンスの分野として定義されています。 AIコンピューターは、学習、意思決定、計画、音声認識などの人間の機能を実行するように設計されています。

フィンテックにおけるAIのアプリケーションは何ですか？

AIは、リスク管理や取引から引受や請求に至るまで、運用効率を向上させる機会を提供します。一部のアプリケーションは金融サービス内の特定のセクターにより関連性がありますが、他のアプリケーションは全面的に活用できます。

ロボアドバイザーとは何ですか？どのように機能しますか？

ロボアドバイザーは、最小限の人間による監督でアルゴリズム主導の金融サービスを提供します。人間の財務マネージャーは2000年代初頭から自動ポートフォリオ配分を利用してきましたが、今日、ロボアドバイザーは顧客に直接アクセスを許可しています。ロボアドバイザーは市場をノンストップで監視し、24時間年中無休で利用できます。

フィンテックとは何ですか？

Fintechには、銀行や金融サービスを可能にするテクノロジーが含まれています。暗号通貨からポートフォリオ管理のロボアドバイザーまで、あらゆるものを説明するために使用できます。

アルゴリズム取引システムとは何ですか？

アルゴリズム取引では、取引を行うための定義された一連の指示に従うようにプログラムされたコンピューターを使用します。ディープラーニングや機械学習などの複雑な手法を活用します。 AIトレーディングソフトウェアは、膨大な量のデータを吸収して、世界について学び、市場について予測することができます。

ディープラーニングシステムとは何ですか？

ディープラーニングは機械学習のサブセットです。これにより、画像内のオブジェクト認識、ビデオラベリング、アクティビティ認識、および知覚が容易になります。多くの人がディープラーニングテクノロジーと生物学の比較を描いていますが、専門家は、人間の脳に触発されているものの、必ずしもそれをモデルにしているわけではないことに同意しています。