Artificiell intelligens och optisk teckenigenkänning i FinTech - MassTLC

Artificiell intelligens och optisk teckenigenkänning i FinTech – MassTLC

Tidsstämpel: 11 april 2023 12:10
Källnod: 2947514

Bankautomatisering blomstrar under de senaste åren, med framsteg inom 24/7 mobilbanktjänster, förbättrad säkerhet och upptäckt av bedrägerier, blockchain-integration, big data-analys och många fler digitala tekniker. Artificiell intelligens stödjer både kundinriktade operationer och automationslösningar bakom kulisserna – men på grund av de olika dokumenttyper som accepteras och olika regler och förordningar över statliga och internationella linjer, görs mycket av dokumentbehandlingen fortfarande manuellt.

Dr. Amar Gupta, forskare vid CSAIL, Institutionen för elektroteknik och datavetenskap (EECS) och Institutet för medicinsk teknik och vetenskap (IMES) vid MIT, utvecklar teknologier och affärsprocesser som kan digitaliseras snabbt och korrekt. och behandla finansiella och andra dokument med noll eller minimal mänsklig inblandning.

I Dr. Guptas arbete inom fintech och hälsovård tar han ett integrerat tillvägagångssätt, som omfattar inte bara finansiell och medicinsk expertis utan också input från ingenjörer, datavetare, jurister och beslutsfattare. För att distribuera nya teknologier för områden som fintech och hälsovård, antar han ett kunskapsbaserat ramverk för att skilja mellan fyra nivåer av aktiviteter som bör övervägas för ett samhälle i informationsåldern:

  1. Kunskapsinhämtning
  2. Kunskapsupptäckt
  3. Kunskapshantering
  4. Kunskapsspridning

Dr. Gupta sa till exempel att när han kom till USA hade han konton på en bank som gick igenom tre på varandra följande omgångar av fusioner med andra banker som gick samman med tiden. Varje gång en sammanslagning ägde rum spenderades mycket pengar på att integrera denna information.

"Det är ett av problemen med dataaggregering," sa han. ”När du gör saker i den moderna världen, i ett modernt samhälle, behöver du verkligen tillgång till information från många olika områden. På ena sidan har du problemet med dataaggregering. Den andra sidan är den här frågan om dataupplösning, som når den data som du faktiskt behöver. Dataöverbelastning är vad vi står inför just nu."

Var och en av nivåerna i hans kunskapsbaserade struktur hjälper människor att analysera de enorma mängderna data som finns tillgängliga och kan få ytterligare hjälp av teknik för bättre interoperabilitet mellan systemen.

Tidsstämpel:

Mer från MassTLC