هوش مصنوعی، یادگیری ماشینی و یادگیری عمیق در با نک ها و موسسات مالی
حوزه های تخصصی:
دریافت مقاله
آرشیو
چکیده
هوش مصنوعی (AI)، یادگیری ماشین (ML)، و یادگیری عمیق (DL) تأثیر به سزایی روی بانکداری (فناوری مالی یا فین تک)، سلامت و بهداشت (فناوری سلامت)، قانون (فناوری مقررات گذاری)، و سایر بخش هایی مثل جمع آوری کمک های مالی برای خیریه (فناوری خیریه) دارند. سرعت نوآوری مرتبط با فناوری و توانایی سیستم های هوش مصنوعی برای فکر کردن درست شبیه به انسان ها (شبیه سازی هوش انسان)، انجام وظایف و کارها به صورت مستقل، توسعه و بسط هوش براساس تجارب خود، و پردازش لایه های اطلاعاتی برای یادگیری بازنمایی های همواره پیچیده از داده ها (ML/DL) به این معناست که ارتقا و پیشرفت در نرخ هایی که در آن ها این فناوری می تواند وظایف پیچیده، فنی، و زمان بر را انجام دهد، مردم، اشیاء، صداها، الگوها و غیره را شناسایی کند، مشکلات را زودتر بررسی کند، و راه حل ها را ارائه نماید، سودهای خیره کننده ای را در شرایط اقتصادی، سیاسی، و اجتماعی فراهم نماید. هدف از انجام این مقاله بررسی دقیق اختراعات و پیدایش های جدید در هوش مصنوعی، یادگیری ماشین، و یادگیری عمیق در بستر چالش تطبیق مقرراتی است که مؤسسات مالی در بریتانیا (UK) با آن مواجه می شوند.Artificial intelligence, machine learning and deep learning in banks and financial institutions
Artificial intelligence (AI), machine learning (ML) and deep learning (DL) are having a major impact on banking (FinTech), health (HealthTech), law (RegTech) and other sectors such as charitable fundraising (CharityTech). The pace of technological innovation and the ability of AI systems to think like human beings (simulate human intelligence), perform tasks independently, develop intelligence based on its own experiences and process layers of information to learn ever-complex representations of data (ML/DL) means that improvements in the rates at which this technology can undertake complex, technical and time- consuming tasks, identify people, objects, voices, patterns, etc., screen for ‘problems’ earlier, and provide solutions, provide astounding benefit in economic, political and social terms. The purpose of this paper is to explore advents in AI, ML and DL in the context of the regulatory compliance challenge faced by financial institutions in the United Kingdom (UK). Design/methodology/approach – The subject is explored through the analysis of data and domestic and international published literature. The first part of the paper summarises the context of current regulatory issues, the advents in deep learning, how financial institutions are currently using AI, and how AI could provide further technological solutions to regulatory compliance as of February 2023. Findings – It is suggested that UK financial institutions can further utilise AI, ML and DL as part of an armoury of solutions that ease the regulatory burden and achieve high levels of compliance success.