Банковские нейросети сегодня и завтра

Мы говорим нейросеть – подразумеваем машинное обучение. Говорим машинное обучение – подразумеваем нейросеть. Эти термины, как некогда облака и блокчейн, сегодня всё еще находятся в легком флере хайпа – хотя успешные кейсы с ML в финансовой сфере встречались и несколько лет назад, а сегодня некоторые сценарии применения нейросетей становятся для банков мейнстримом. О будущем нейросетей в банковской сфере мы поговорили с Романом Акимовым, экспертом в области применения искусственных нейронных сетей (artificial neural networks) и внедрения разработок дополненной реальности (augmented reality) в социальные сферы человека.

Наряду с телекомом и ритейлом банки оказались наиболее подготовлены к тестированию и внедрению технологий машинного обучения – чему способствовало и активное развитие финтех-рынка. Обладая невероятно мощной по наполнению и максимально структурированной Big Data, банки получили наконец-то возможность использовать эти массивы данных с наибольшей экономической эффективностью и практической пользой. Для разработчиков нейросетей же эти данные предоставляют огромный интерес с точки зрения обучения «искусственного интеллекта» новым навыкам.

Если классические алгоритмы RPA призваны избавить сотрудников финансовых организаций от рутинных, повторяющихся, статичных процедур, то область интереса нейросетей – всё движущееся и вероятностное. По этому критерию и выбираются сценарии их применения:

– анализ рисков страхования и кредитования клиентов (скоринг),

– прогнозирование рентабельности инвестирования,

– прогнозирование динамики рынка ценных бумаг,

– мониторинг киберугроз и мошеннических действий,

– обработка и верификация электронных документов,

– персонализация обслуживания клиентов, в том числе с применением биометрических технологий,

и многое другое.

Роман, насколько широко, по вашему мнению, сегодня развиты технологии искусственного интеллекта? На каком этапе их изучения мы находимся?

– Прежде всего, стоит сказать, что любой социальный или технологический переход – это стрессовое потрясение для напрямую или косвенно вовлеченного в этот процесс участника. Мы можем наблюдать разные оценки и разное понимание происходящего: от непринятия заданного скачка до полного ситуационного подчинения. В природе социального существования человека всегда есть устойчивое, привычное понимание «До» и неясное и пугающее единичное «Завтра». Необратимыми переходными процессами насыщена вся человеческая история – даже при заданных условиях плавного перехода. Разработка и внедрение технологических инноваций происходит всё быстрее – поэтому в человеческом восприятии современной действительности «ДО» становится более размыто и второстепенно перед чередой множественных устремленных «Завтра». Это требует огромных внутренних человеческих ресурсов для адаптации к переменам.

До момента прохождения технологического пика – когда будет достигнута полная программная имитация интеллекта человека – тенденция к развитию рынка Machine Learning и Deep Learning, будет только возрастать. Мы это уже наблюдаем в повседневной жизни. Заданное ускорение можно рассматривать как прелюдию того процесса, когда технологические имитации человеческого физического и интеллектуального труда вытеснят привычные трудовые функции живого человека, высвобождая ему время для иных занятий.

Каковы, по вашей практике, основные сценарии применения нейросетей в банках? Какой эффект они приносят?

Каждый банк понимает, что компьютер, в отличие от человека, в принципе никогда не устает, он четко понимает команды и может находиться в работоспособном состоянии очень долго, с небольшими остановками на техническое обслуживание. Основные задачи искусственных нейронных сетей (ИНС) в банковской сфере сегодня – обработка большого количества информации, та рутинная работа, которая раньше выполнялась человеком вручную: от анализа поступающих клиентских данных, просчета потенциальных или фактических рисков до проверки всякого рода баз, с которыми некогда взаимодействовал конкретный человек или фирма. Далее происходит логическое решение, исходя из запроса: например, одобрение кредита или отказ в нем.

Практикуется и более «творческий» подход банков в использовании ИНС. Например, появляются такие интересные решения, как личная онлайн-секретарша, которая может не просто красивым голосом отвечать на поступающие звонки, но и заносить планируемые встречи в специальную форму.

В будущем можно предсказать появление когнитивных психологических алгоритмов, направленных на выбор подходящей модели взаимодействия. Например, нейронная сеть будет с максимальной точностью обрабатывать входящий звуковой сигнал и подбирать наиболее выгодную модель голосового взаимодействия для достижения заданной цели. Манипуляторные функции в контексте нейронных сетей будут иметь широкое применение, в особенности, если мы затронем всю клиентоориентированную сферу. ИНС (аналитика индивидуальных запросов и манипуляторные функции) в синергии с дополненной реальностью (AR), будет высокоэффективно, направленно, в четко просчитанный момент, транслировать рекламный продукт именно в то время, когда человек готов максимально воспринимать информацию, - сначала через очки, затем через линзы. Конечным этапом будет интеграция в глазное яблоко человека.

Конечно, я привожу сейчас некие экзотические, даже провокационные примеры. Но стоит понимать, что область применения нейронных сетей совсем скоро станет намного шире, чем мы можем представить сегодня.

По вашему опыту – как руководству банка оценить, нужны ли им нейросети для определенной деятельности?

– Сейчас нейросети уже используются банками, выполняя множество различных задач и показывая свою исключительную эффективность. Банк – сложный по структуре организм, в хорошем банке всё работает как швейцарские часы – начиная от человеческой деятельности и заканчивая компьютерными вычислениями. Допущение фактической внутренней ошибки исключается множественными тестами – это касается и применения ИНС. Поэтому потенциал использования ИНС в банке ограничивается лишь временем для его внедрения.

Беседовал Андрей Блинов