Искусственный интеллект и оптическое распознавание символов в FinTech

Переиздано Платоном

Читают: 0

Банковская автоматизация переживает бум в последние годы благодаря достижениям в круглосуточном мобильном банкинге, усиленной безопасности и обнаружению мошенничества, интеграции блокчейна, анализе больших данных и многих других цифровых технологиях. Системы искусственного интеллекта поддерживают как операции, ориентированные на клиента, так и решения автоматизации за кулисами, но из-за целого ряда принимаемых типов документов и различных правил и положений в разных странах и на международном уровне большая часть обработки документов по-прежнему выполняется вручную.

Доктор Амар Гупта, научный сотрудник CSAIL, Департамента электротехники и компьютерных наук (EECS) и Института медицинской инженерии и науки (IMES) Массачусетского технологического института, разрабатывает технологии и бизнес-процессы, способные быстро и точно оцифровывать и обработка финансовых и других документов с нулевым или минимальным вмешательством человека.

В работе д-ра Гупты в области финансовых технологий и здравоохранения он использует комплексный подход, включающий не только финансовые и медицинские знания, но и вклад инженеров, специалистов по информатике, юристов и политиков. Чтобы развернуть новые технологии в таких областях, как финтех и здравоохранение, он использует основанную на знаниях структуру, чтобы различать четыре уровня деятельности, которые следует учитывать для общества в век информации:

Приобретение знаний
Открытие знаний
Управление знаниями
Распространение знаний

Например, д-р Гупта сказал, что, когда он приехал в США, у него были счета в банке, который прошел через три последовательных раунда слияния с другими банками, которые слились с течением времени. Каждый раз, когда происходило слияние, на интеграцию этой информации тратилось много денег.

«Это одна из проблем агрегации данных, — сказал он. «Когда вы делаете что-то в современном мире, в современном обществе, вам действительно нужен доступ к информации из самых разных областей. С одной стороны, у вас есть проблема агрегации данных. Другая сторона — это проблема дезинтеграции данных, то есть получение данных, которые вам действительно нужны. Перегрузка данными — это то, с чем мы сталкиваемся на данный момент».

Каждый из уровней в его структуре, основанной на знаниях, помогает людям анализировать огромные объемы доступных данных, и может дополнительно поддерживаться технологиями для лучшего взаимодействия между системами.