Zero
La cosiddetta scatola nera dell’intelligenza artificiale è stato un argomento di dibattito negli ultimi anni. Può reti neurali, il cui funzionamento include “livelli nascosti” che sfidano la facile spiegazione mai essere attendibile con la maggior parte delle attività sensibili la società potrebbe chiedere a loro?
Un professionista, offre un diamante, “sì”, insistendo vecchi approcci per le statistiche e le probabilità non sono necessariamente più trasparenti di alcuni dei deep learning.
Nitzan Mekel-Bobrov un anno fa è entrato McLean, Va.-a base di Capital One Financial, come la sua intelligenza artificiale, machine learning amministratore per il business della carta.
A 36 miliardi di dollari in capitalizzazione di mercato, il Capitale è sminuito da retail banking concorrenti come JP Morgan Chase e Bank of America, ma l’azienda prende l’orgoglio nel suo uso della tecnologia in tutte le proprie attività, e Mekel-Bobrov, ha spiegato in un’ora di intervista a ZDNet come macchina di apprendimento si moltiplicano in tutto le parti dell’organizzazione.
Inoltre: Può IBM possibilmente domare AI per le imprese?
Egli ha anche offerto commenti su alcune negativo sull’apprendimento profondo, come lui la vede.
Un mito che AI Mekel-Bobrov non è disposto a tollerare è la nozione che oggi profondità di approcci di apprendimento sono universalmente troppo mistico, troppo di una scatola nera per essere impiegato in sensibile per le applicazioni finanziarie.
“Io non comprare l’idea è tutta una scatola nera e quindi non è possibile usarlo,” ha detto Mekel-Bobrov in un’intervista questa settimana.
“Se prendo una semplice regressione lineare [una forma più antica di statistica risoluzione di equazioni], ma ora non posso creare 10.000 di questi attraverso un complesso di dati di ecosistema, ora ho creato qualcosa che è molto difficile da capire.”
Mekel-Bobrov tornato di recente il prestigioso NeurIPS IA conferenza a Montreal, dove ha partecipato a un dibattito con gli altri membri della comunità finanziaria, compreso l’esame degli argomenti di polarizzazione e di equità e explainability.
“Un campo ha detto deep learning è intrinsecamente più di una scatola nera, e poi un altro campo ha detto che Foreste Casuali [un vecchio approccio statistico] sono di più”.
Anche: IBM, Apple e Facebook rappresentano la nuova inclinazione verso il business per la venerabile IA conferenza
Ma, “io sono nel campo che dice che è la complessità che crea opacità.”
“Un buon apprendimento profondo approccio potrebbe dare più comfort che sappiamo che cosa sta accadendo nel sistema che avere 1000 di questi umani regole create, creato più di 20 anni”.
C’era un po ‘ una barzelletta, ha detto, al workshop: possiamo pensare che l’attuale stato di cose bancarie e di credito è estremamente facile comprensione per i consumatori?”
“Ho rifiutato di credito, ed è difficile per me capire perché,” dice Mekel-Bobrov. “Con la macchina di apprendimento, ci sentiamo di poter aumentare effettivamente il bar. La decisione umana pezzo è molto labile. Si può togliere e rendere le cose molto più interpretabile.”
Deep learning è “solo ora di essere applicato su larga scala e con eterogeneità,” osserva. “Perché io sono ottimisti circa la nostra capacità di prendere in giro a parte il funzionamento interno di classificatori,” significato, reti neurali.
“Con la sistematizzazione, mi sento vivamente di si potrebbe rendere le cose più spiegabile e interpretabile.”
Nel settore bancario, naturalmente, la questione della scatola nera non è una discussione puramente accademica: Capital One ha più di un regolatore, egli osserva. Anche se il fatto sia “una sfida”, dice, “è anche un’opportunità per noi e l’industria a prendere l’iniziativa.”
Anche: Google dice che una crescita esponenziale di AI è cambiare la natura di calcolare
Regolamento per sé non è uno scherzo, è avers. “Abbiamo l’incentivo a prendere l’iniziativa in questo campo, dove il tech non.”
“Abbiamo solo il roll-out di macchina di apprendimento in cui ci sentiamo a nostro agio non ci sono pregiudizi o mancanza di trasparenza o di sfide, sia interno in prospettiva del rischio, e dall’esterno, il regolamento e il benessere prospettiva”.
Circa il 70 per cento del tempo, il Capitale è Quello di utilizzare la macchina di apprendimento come “consumatore” della tecnologia, dice Mekel-Bobrov. L’altro 30 per cento, “siamo ML produttori”, che significa portare innovazione per la tecnologia di base.
Anche se l’azienda lavora con i più diffusi AI quadri, come Google TensorFlow, “non C’è niente che si può prendere così come è; c’è un sacco di lavoro e di ottimizzazione che deve accadere.”
“Per esempio, con elaborazione del linguaggio naturale, ci sono alcune previsioni vogliamo fare per aiutare i clienti a raggiungere i loro obiettivi finanziari basati sulla parola incorporamenti che sono … sono davvero unici per il nostro caso.”
Un’area in cui il Capitale è “davvero spingendo il bordo di taglio” nell’uso di machine learning è la “personalizzazione” del servizio, dice Mekel-Bobrov. Egli fa un’analogia con Netflix o Amazon raccomandazione motori. “Ammiriamo un sacco di quello che fanno, ma sono di vendita di un singolo prodotto, non siamo nel business della vendita di un prodotto, noi siamo nel business di relazioni, e abbiamo bisogno di capire il cliente, profondamente e continuamente.”
Che comprende lo studio di una pletora di “eterogeneo” punti di dati tratti da un testo, e-mail, telefonate, e numerose “non strutturati” di dati. Cose come “lungo la memoria a breve termine” reti, o LSTM, che si specializzano nel trattamento sequenziale di dati, può essere utile per individuare i punti di interazione, nel corso di molti anni, dice. Ma questo è solo l’inizio. “Non sappiamo quali caratteristiche della materia” per una rete neurale nel rapporto con il cliente, “vogliamo attivamente imparare. Ci vuole veramente usare gli AI per imitare il rapporto di due persone.”
Deve leggere
‘IA è molto, molto stupido”, dice Google AI leader (CNET)Baidu crea Kunlun di silicio per AIUnified Google IA divisione di un chiaro segnale di AI del futuro (TechRepublic)
Un campo, egli è entusiasta, ma custodito, circa, è il rilevamento di frodi e di prevenzione.
“La frode in un colpo ha sostanzialmente migliorato sulla base di apprendimento automatico basato quadri”, dice Mekel-Bobrov. Premuto per dare una spiegazione o una descrizione dettagliata, Mekel-Bobrov demeures, dicendo: “è sorprendente il livello di sofisticazione dei truffatori, leggere qualcosa [articolo] e la prova di tali difese… diciamo, si basa su una serie di cose, tra cui il modello di rete, i pesi, i parametri, la funzione di ingegneria, ma anche di mantenere l’architettura molto vicino al problema di business.”
Chiesto se la banca è in attesa su qualsiasi particolare i progressi nel campo più vasto della macchina di apprendimento, Mekel-Bobrov, dice, “La più grande che posso pensare è mobile”.
“Ci sono certe cose mobili che scatenare per noi nuove funzionalità nella nostra applicazione e nelle nostre piattaforme mobili.” Per esempio, gli piacerebbe vedere una possibilità in tempo reale di “punteggi” di reti neurali in una mobile app. Un altro è il “modello di personalizzazione, un futuro in cui c’è un [rete] modello per un individuo.”
“Ora è possibile, ma non in un modo pratico, non fino calcolare ottiene ancora migliore di quanto non sia ora, sia in termini di inferenza e di formazione.”
Precedente e relativa copertura:
Che cosa è l’IA? Tutto quello che devi sapere
Un esecutivo a guida di intelligenza artificiale, machine learning e generale AI alle reti neurali.
Cos’è il deep learning? Tutto quello che devi sapere
Il lowdown su deep learning: da come si relaziona con il più ampio campo di machine learning a come iniziare con esso.
Che cosa è macchina di apprendimento? Tutto quello che devi sapere
Questa guida spiega in cosa consiste la macchina di apprendimento, di come esso è legato all’intelligenza artificiale, come funziona e perché è importante.
Che cos’è il cloud computing? Tutto quello che devi sapere su
Un’introduzione al cloud computing destra, dalle nozioni di base fino a IaaS e PaaS, ibrido, public e private cloud.
Argomenti Correlati:
Enterprise Software
La Trasformazione Digitale
CXO
Internet delle Cose
L’innovazione
Smart Cities
0