בינה מלאכותית וזיהוי תווים אופטי ב-FinTech - MassTLC

בינה מלאכותית וזיהוי תווים אופטי ב-FinTech - MassTLC

צומת המקור: 2947514

אוטומציה בנקאית פורחת בשנים האחרונות, עם התקדמות בבנקאות ניידת 24/7, אבטחה משופרת וזיהוי הונאה, אינטגרציה של בלוקצ'יין, ניתוח ביג דאטה וטכנולוגיות דיגיטליות רבות נוספות. מערכות בינה מלאכותית תומכות הן בפעולות מול לקוחות והן בפתרונות אוטומציה מאחורי הקלעים - אך בשל מגוון סוגי המסמכים המקובלים והכללים והתקנות השונים על פני קווי המדינה והבינלאומיים, חלק ניכר מעיבוד המסמכים עדיין מתבצע באופן ידני.

ד"ר עמר גופטה, חוקר ב-CSAIL, במחלקה להנדסת חשמל ומדעי המחשב (EECS), ובמכון להנדסה ומדע רפואי (IMES) ב-MIT, מפתח טכנולוגיות ותהליכים עסקיים המסוגלים לבצע דיגיטציה מהירה ומדויקת. ועיבוד מסמכים פיננסיים ואחרים עם התערבות אנושית אפסית או מינימלית.

בעבודתו של ד"ר גופטה על פני הפינטק והבריאות, הוא נוקט בגישה משולבת, הכוללת לא רק מומחיות פיננסית ורפואית אלא גם תשומות של מהנדסים, מדעני מחשבים, עורכי דין וקובעי מדיניות. על מנת לפרוס טכנולוגיות חדשות עבור תחומים כמו פינטק ובריאות, הוא מאמץ מסגרת מבוססת ידע כדי להבחין בין ארבע רמות של פעילויות שיש לקחת בחשבון עבור חברה בעידן המידע:

  1. רכישת ידע
  2. גילוי ידע
  3. ניהול ידע
  4. הפצת ידע

לדוגמה, ד"ר גופטה אמר שכשהגיע לארה"ב, היו לו חשבונות בבנק שעבר שלושה סבבי מיזוג רצופים עם בנקים אחרים שהתמזגו עם הזמן. בכל פעם שהתרחש מיזוג, הושקע הרבה כסף בשילוב המידע הזה.

"זו אחת הבעיות של צבירת נתונים", אמר. "כשאתה עושה דברים בעולם המודרני, בחברה מודרנית, אתה באמת צריך גישה למידע מתחומים רבים ושונים. בצד אחד יש לך בעיה זו של צבירת נתונים. הצד השני הוא הנושא הזה של פירוק נתונים, שהוא הגעה לנתונים שאתה באמת צריך. עומס נתונים הוא מה שאנו מתמודדים איתו בשלב זה."

כל אחת מהרמות במבנה מבוסס הידע שלו עוזרת לאנשים לנתח את כמויות הנתונים העצומות הזמינות, וניתן להיעזר בטכנולוגיה נוספת ליכולת פעולה הדדית טובה יותר בין מערכות.

בול זמן:

עוד מ MassTLC