Silikonová inteligence

Zatímco v r. 2017 byl výrazným trendem blockchain, letos je to jednoznačně umělá inteligence. Všichni o ní mluví, pár firem ji už požívá a někdo na ní dokonce pracuje. Oblast umělé inteligence, neuronových sítí, strojového učení či bodu singularity je stále ještě opředena informačním šumem. O co jde doopravdy? Jaký to bude mít význam pro lidstvo? Zničí stroje člověka? A co na to fintech?

Umělá inteligence (artificial intelligence, AI) je obor informatiky zabývající se tvorbou strojů vykazujících známky inteligentního chování. O tom, co je to inteligentní chování, se vede trvalá diskuze. Často máme tendenci porovnávat inteligenci strojů s lidskou nebo v konkrétních případech dokonce s tou naší vlastní, ale to je podle odborníků zavádějící. Historie umělé inteligence je dlouhá. Mezi kořeny najdeme automatlon Talos v řecké mytologii, Čapkovy roboty i Thuringův test. Od padesátých let minulého století se umělé inteligenci věnují vědecká pracoviště. Větší rozmach AI nastal s nárůstem výpočetního výkonu počítačů. V současnosti se AI dere do všech oblastí počínaje armádou, přes obchod až po finance. K tématu AI se váží další vědecké disciplíny a metody, především:

Machine learning

– schopnost počítačů se samostatně učit pomocí statistických metod aplikovaných na omezenou oblast bez nutnosti programování. Využívá se při tom algoritmů pro rozdělení dat, jejich zpracování a automatizovaného rozhodnutí na základě zpracovaných dat. Jedná se o velmi rozvinutý obor s řadou běžně používaných postupů. Typickým využitím je nabídka podobných videí na Youtube podle těch, která jste už shlédli, nebo nabídka skladeb podobných těm, které jste si již vybrali na Spotify. Další uplatnění je e-mail filtering, rozpoznávání textu (OCR), identifikace incidentů v počítačových sítích, hledání podezřelých bankovních transakcí systémem AML (ani-money-laundering) aj.

Deep learning

– je podmnožinou postupů v rámci machine learning (ML) a ve své podstatě se tedy jedná o machine learning. Na rozdíl od klasického ML, kdy pokud se vyskytne chyba, musí ji programátor opravit, v případě deep learning algoritmů program sám identifikuje chybu a opraví ji. Tedy sám se poučí a z dalšího výstupu pro uživatele chybu vyřadí. Příklady: hlasoví asistenti Siri a Alexa.

Neuronové sítě

Deep learning využívá podobné postupy, na základě kterých funguje lidský mozek. Algoritmy vytvářejí umělé neuronové sítě (artificial neural network, ANN). Pokud tedy dnes mluvíme o umělé inteligenci podobné lidské, jedná se o algoritmy postavené na deep learning s využitím neuronových sítí. Taková síť se skládá z umělých neuronů, které jsou navzájem propojeny a předávají si signály. Neuron má n-vstupů, ale jen jeden výstup. Zatímco v biologických sítích jsou zkušenosti ukládány v dendritech, v ANN tuto  roli plní vypočtené váhy. Adaptivní fáze je období, kdy se síť na vzorcích učí a to tzv. s učitelem nebo bez něj. Poté může nastoupit fázi vybavování.

Neurony v lidském mozku nepracují jako jedna síť, ale spíše jako soubor menších sítí. I tato inspirace byla aplikována na ANN, kdy pro přesnější výsledky je využívána tzv. komise strojů (committeee of machines, CoM), složená z různých sítí, které o výsledku hlasují pomocí prostých a vážených průměrů. Ještě dál jdou asociační neuronové sítě (ASNN), kdy se místo průměrů využívají korelace a „vzdálenosti“ jednotlivých výsledků a jejichž celkový výsledek je tedy přesnější oproti výsledkům oddělených sítí nebo CoM.

Data mining

Pro umělou inteligenci jsou palivem data. Čím více a čím pestřejší, tím se mohou algoritmy více zdokonalovat a poskytovat lepší a přesnější výstupy, tj. rozhodování. Samostatnou disciplínou pro machine learning je tedy dobývání, před-příprava, zpracování a interpretace dat. Taková data nemusejí být jen strukturovaná v tabulkách a databázích, vydolovat se dají i z nestrukturovaných zdrojů. V ideálním případě pracují machine learning algoritmy s online daty a mohou tedy poskytovat výsledky v reálném čase podle měnících se vstupů.
Podle studie Gartner z 10/2017 ale 91% firem ještě nedospělo do nejvyšší transformační fáze, kdy by opravdu využívaly analytická data (zdroj).

Bod singularity

Bod technologické singularity se do informatiky dostal ze sci-fi. Za tento bod se označuje okamžik, kdy vznikne super-umělá-inteligence, která se bude sama dále zdokonalovat a překoná inteligenci lidskou. Na základě současného masivního rozvoje AI se o tomto okamžiku začaly vést vážné debaty. Podle některých (Elon Musk, Stephen Hawking) může rozvoj umělé inteligence vést až k záhynu lidské rasy. Musk s dalšími odborníky také založil společnost Open AI (=slovní hříčka) zkoumající možné dopady a nebezpečí. V letech 2012-2013 byli vybraní experti vyzváni k svému odhadu, kdy podle nich bod singularity nastane. Průměr odpovědí ležel v letech 2040-2050 (zdroj). Naopak prof. Vladimír Mařík, ředitel Českého institutu informatiky, robotiky a kybernetiky je přesvědčen, že v tomto století to nebude.

Umělá v praxi

I když si to ani neuvědomujeme, s umělou inteligencí se můžeme setkávat denně a nemusíme proto vstupovat na vědecká pracoviště. Největší pozornost upoutávají roboti, kteří soutěží s člověkem v nějaké konkrétní aktivitě. Specializovaní roboti porážejí specializované lidi ve specializovaných hrách.

Už v r. 1997 počítač IBM Deep Blue porazil v šachu velmistra Kasparova.
Obdobně robot Liberatus vítězí v pokeru v 2017. Umělá inteligence se dnes neukrývá jen v neforemných krabicích. Pozornost si zasloužila robot(ka) Sophia, která získala v říjnu 2017 občanství Saudské Arábie.

Po světě jezdí tisíce samořiditelných aut, která sbírají data a vyhodnocují je pomocí umělé inteligence.
Dokonce ani porno, na které se NEdíváte, nemusí hrát vaše oblíbená herečka. Umělá inteligence je využívána při rozpoznávání obrázků. Vyhledávání podle obrázku nabízí Google, rozpoznávání obličejů a automatické přiřazení jména používá Facebook, na letištích jsou běžné kamery snímající obličeje cestujících a porovnávající je s databázemi, atd. Algoritmy Google využívá také americká armáda pro automatické třídění videí ze špionážních dronů. Proti tomu dokonce nedávno někteří zaměstnanci Google sepisovali petici. AI se využívá v rozpoznávání textu i řeči. Viz Siri, Alexa, Google Assistant a řada jiných technologií. Některé pokusy s umělou inteligencí se nám nemusí líbit. Alza začala nedávno automaticky doplňovat k nákupům drobné příslušenství, které zpravidla kupovali ostatní zákazníci. Řada kupujících ale byla nemile překvapena, že platili za něco, co nechtěli.

 

Dopady AI do fintechu

Algo-trading

Algoritmy, jejichž primárním cílem je vydělávat peníze, existují desítky let. Algoritmizované obchodování („algo trading“) na finančních trzích využívá od 90tých let FIO, v r. 2002 sestavili první algoritmus pro obchodování na burze v RSJ Karla Janečka. Programy reagují na situaci na trzích, historický vývoj i aktuální zprávy. Výhodou proti klasickým brokerům je extrémně rychlá reakce, označovaná za HFT – high frequency trading. Před patnácti lety se diskutovalo, jaký význam může HFT mít pro klasické burzy, zda a jak je třeba to omezit. První řešení sázela především na rychlost, při které hrála roli i vzdálenost systémů brokera od serverů burzy. Postupem doby ale všichni začali využívat podobné postupy a dnes i soutěž algoritmů je díky velké konkurenci značně omezená.
HFT tak může být i příkladem, kam se za pár let může posunout scéna fintechů s AI, jakmile se výhody začnou srovnávat. Více zde.

Portfolio Management

Další oblastí pro AI je portfolio management, Někdy se v této souvislosti mluví o robo-advisory. Algoritmy mohou spravovat portfolio – v ČR např. http://www.portu.cz. Ve světě např. Inteligentní portfolio Charlese Schwaba, https://intelligent.schwab.com/

Odhalování podvodů

Umělá inteligence je dnes využívána prakticky v každé finanční instituci pro „fraud detection“. Zpravidla se jedná o standardizované aplikace využívané desítkami či stovkami bank. Pár příkladů: FICO Tonbeller, SAS AMLNICE ActimizeFINSCANAPEX Analytics a mnoho dalších.

Správa úvěrů a pojistek

Příprava úvěrových smluv je stále ještě většinou ruční proces. V této oblasti dnes pracují v ČR tisíce zaměstnanců v odděleních risku a back-office. Přitom jejich činnost lze do značné míry algoritmizovat. S nasazením umělé inteligence a robotů zjednodušujících vyhledávání, přepisování a vyplňování údajů pro schvalování a smlouvy se lidským pracovníkům uvolní kapacity pro složitější případy. Ty běžné budou vyřízeny rychleji a s méně chybami. Umělá inteligence se tak využívá v robotic process automation, RPA.
Už i v českých bankách, např. v Sberbank. Do této kategorie patří také automatický skoringový nástroj Nikita od Twisto, který vyhodnocuje přes 400 faktorů a odpověď je schopen generovat do 1 sekundy.

Virtuální asistenti

Na své širší využití zatím čekají virtuální asistenti. Mohou nabízet další produkty (raději ne jako Alza), odpovídat na běžné finanční dotazy (zjištění zůstatku) či přijmout a zajistit zpracování jednoduchých transakcí, v budoucnu třeba poskytovat služby concierge pro klienty privátního bankovnictví. Pro uživatele má umělá inteligence podobu chatbota, hlasového asistenta apod. Ve světě už je řada bank, které virtuální asistenty používají, v ČR na průkopníky zatím čekáme. Přitom zrovna v oblasti asistentů na platformě Amazon máme výraznou českou stopu. Tým ČVUT v r. 2017 skončil v soutěži Amazon The Alexa Prize na druhém místě s chatbotem Alquist.

Inteligentní bezpečnost

Nenápadná, ale přesto významná oblast, kde lze větší využití umělé inteligence očekávat, je bezpečnost. Namísto jména a hesla či jednorázového kódu v SMS může, a v řadě případů se tak již děje, inteligentní systém rozpoznat identitu uživatele a nabídnout mu jednodušší ověření: otisk prstu, obličej, dynamika pohybu myší, chování v aplikaci atd. Takto získaná data lze dále kombinovat s klasickými bezpečnostními prvky a díky tomu významně bezpečnost zvýšit. V ČR řešení nabízí např. ThreatMark.

 

Dopad na pracovní sílu

Automatizace ve finančních službách nahradí tisíce pracovníků. Čím více je činnost rutinní, tím snáze půjde automatizovat. To je jeden z méně vítaných aspektů rozvoje umělé inteligence. Pesimisté volají po nutnosti rozbíjet stroje. Optimisté tvrdí, že možnosti AI je třeba využít. Vznikají nové obory a nové specializace pro lidi. Musíme využít svůj potenciál jinak. Opřít se o to, v čem se od strojů lišíme. Viz projev Jacka Ma na Světovém ekonomickém fóru v letošním lednu:

 

Až se příště setkáte se svým bankéřem, usmějte se na něho. Třeba ho vidíte naposledy.

Napsat komentář

Vaše emailová adresa nebude zveřejněna. Vyžadované informace jsou označeny *