Штучний інтелект і оптичне розпізнавання символів у FinTech

Штучний інтелект і оптичне розпізнавання символів у FinTech

Вихідний вузол: 2576567

Автоматизація банківських операцій процвітає в останні роки завдяки прогресу в цілодобовому мобільному банкінгу, покращеній безпеці та виявленні шахрайства, інтеграції блокчейну, аналітиці великих даних і багатьом іншим цифровим технологіям. Системи штучного інтелекту підтримують як операції, спрямовані на клієнта, так і рішення автоматизації за лаштунками, але через діапазон прийнятих типів документів і різноманітні правила й норми в державних і міжнародних лініях значна частина обробки документів все ще виконується вручну.

Доктор Амар Гупта, дослідник CSAIL, Департаменту електротехніки та комп’ютерних наук (EECS) та Інституту медичної техніки та науки (IMES) Массачусетського технологічного інституту, розробляє технології та бізнес-процеси, здатні швидко й точно оцифровувати і обробка фінансових та інших документів без або мінімального втручання людини.

Доктор Ґупта працює в галузі фінтех та охорони здоров’я й використовує інтегрований підхід, який охоплює не лише фінансову та медичну експертизу, а й внесок інженерів, комп’ютерників, юристів і політиків. Щоб розгорнути нові технології для таких галузей, як фінтех та охорона здоров’я, він приймає структуру, засновану на знаннях, щоб розрізнити чотири рівні діяльності, які слід враховувати для суспільства в інформаційну епоху:

  1. Набуття знань
  2. Відкриття знань
  3. Управління знаннями
  4. Поширення знань

Наприклад, доктор Гупта сказав, що коли він приїхав до США, у нього були рахунки в банку, який пройшов три послідовні раунди злиття з іншими банками, які згодом злилися. Щоразу, коли відбувалося злиття, на інтеграцію цієї інформації витрачалося багато грошей.

«Це одна з проблем агрегації даних», — сказав він. «Коли ви робите щось у сучасному світі, у сучасному суспільстві, вам дійсно потрібен доступ до інформації з багатьох різних сфер. З одного боку, у вас є проблема агрегації даних. Інша сторона — це проблема дезінтеграції даних, яка полягає в досягненні даних, які вам дійсно потрібні. На даний момент ми зіткнулися з перевантаженням даними».

Кожен із рівнів його структури, заснованої на знаннях, допомагає людям проаналізувати величезні обсяги доступних даних, і їм може додатково допомогти технологія для кращої сумісності між системами.

Часова мітка:

Більше від MassTLC