Zero
La “boîte noire” de l’intelligence artificielle a été un sujet de beaucoup de débats ces dernières années. Peut réseaux de neurones dont le fonctionnement comprend les “couches cachées” qui défient la simple explication jamais faire confiance avec les tâches les plus sensibles de la société pourrait demander?
Un praticien propose un catégorique “oui”, en insistant plus anciennes approches de la statistique et la probabilité ne sont pas nécessairement plus transparent que de l’apprentissage en profondeur.
Nitzan Mekel-Bobrov il y a un an a rejoint McLean, en Virginie.-base de Capital One Financial, comme à son intelligence artificielle et l’apprentissage de la machine en chef pour le secteur des cartes.
À 36 milliards de dollars en capitalisation boursière, Capital One est éclipsé par la banque de détail des concurrents tels que JP Morgan Chase et Bank of America, mais la société prend la fierté dans son utilisation de la technologie tout au long de ses opérations, et Mekel-Bobrov a expliqué dans une entrevue d’une heure avec ZDNet comment l’apprentissage de la machine se multiplient tout au long des parties de l’organisation.
Aussi: Peut IBM, éventuellement, de les apprivoiser l’IA pour les entreprises?
Il a aussi étendu commentaire sur certaines des conséquences négatives sur l’apprentissage en profondeur, comme il le voit.
Un mythe de l’intelligence artificielle, Mekel-Bobrov de ne pas tolérer, c’est la notion qui, aujourd’hui, l’apprentissage en profondeur les approches sont universellement trop mystique, trop d’une boîte noire à être employés dans les applications financières.
“Je n’achète pas dans l’idée que c’est une boîte noire, et donc vous ne pouvez pas l’utiliser”, a déclaré Mekel-Bobrov dans une interview cette semaine.
“Si je prends un très simple régression linéaire [une forme plus ancienne de la résolution de l’équation statistique], mais maintenant j’ai créer 10 000 de ces très complexe de données de l’écosystème, j’ai maintenant créé quelque chose qui est très difficile à comprendre.”
Mekel-Bobrov récemment renvoyé de la prestigieuse NeurIPS IA conférence à Montréal, où il a participé à un panel de discussion avec d’autres membres de la communauté financière, y compris l’examen des sujets de la partialité et de l’équité et de explainability.
“Un camp dit de l’apprentissage profond est intrinsèquement plus d’une boîte noire, et puis un autre camp dit que les Forêts Aléatoires [une ancienne méthode statistique] peut être tout autant.”
Aussi: IBM, Apple et Facebook représentent nouvelle inclinaison vers l’entreprise pour le vénérable IA conférence
Mais, “je suis dans le camp qui indique que c’est la complexité qui crée l’opacité.”
“Un bon apprentissage en profondeur l’approche pourrait nous donner plus de confort que nous savons ce qui se passe dans le système que d’avoir 1000 de ces humains créés les règles, créé au fil des décennies.”
Il y avait un peu une blague, il a dit, lors de l’atelier: Faire en fait, nous pensons que l’état actuel des affaires dans le secteur bancaire et de crédit est “très facile à comprendre pour les consommateurs?”
“J’ai été rejeté de crédit, et il est difficile pour moi de comprendre pourquoi,” dit Mekel-Bobrov. “Avec l’apprentissage de la machine, nous nous sentons que nous pouvons relever la barre. La décision humaine pièce est très floue. Vous pouvez enlever cela et rendre les choses beaucoup plus interprétables.”
L’apprentissage en profondeur est “seulement maintenant à être appliqué à l’échelle et à l’hétérogénéité, observe-t-il. “C’est pourquoi je suis optimiste quant à notre capacité à démêler les rouages de la classificateurs,” sens, des réseaux de neurones.
“Avec l’industrialisation, j’ai fortement l’impression que nous pourrions rendre les choses plus explicable et interprétables.”
Dans le secteur bancaire, bien sûr, la question de la boîte noire n’est pas purement académique discussion: Capital One a plus d’un organisme de réglementation, observe-t-il. Bien que ce fait est “un défi”, dit-il, “c’est aussi l’occasion de nous et de l’industrie pour prendre les devants.”
Aussi: Google dit exponentielle de croissance de l’IA est en train de changer la nature de calculer
Le règlement lui-même n’est pas une blague, il fait valoir. “Nous avons l’inciter à prendre la tête ici, où les entreprises de haute technologie ne le font pas.”
“Nous ne déploiement de l’apprentissage de la machine où l’on se sent à l’aise il n’y a pas de préjugés ou d’un manque de transparence ou de défis, à la fois à partir d’un interne point de vue du risque, et d’une régulation externe et un client bien-être de point de vue.”
Environ 70 pour cent du temps, le Capital est l’utilisation de l’apprentissage de la machine en tant que “consommateur” de la technologie, dit Mekel-Bobrov, de faire un rapprochement. Les autres 30%, “nous pouvons être ML producteurs,” sens, apporter de l’innovation à la technologie de base.
Bien que la société travaille avec de populaires AI cadres, tels que Google TensorFlow, “Il n’y a rien que nous pouvons prendre comme l’est; il y a une tonne de re-travail et de l’optimisation est ce qui arrivera.”
“Par exemple, avec naturelles de traitement du langage, il y a certaines prédictions que nous voulons faire pour aider les clients à atteindre leurs objectifs financiers, basé sur word plongements qui sont — ils sont très unique à notre situation.”
Un domaine où le Capital est “vraiment pousser la pointe” dans l’utilisation de l’apprentissage machine est dans la “personnalisation” de service, dit Mekel-Bobrov. Il fait une analogie avec Netflix ou Amazon, les moteurs de recommandation. “Nous admirons beaucoup de ce qu’ils font, mais ils sont la vente d’un seul produit, nous ne sommes pas dans le business de la vente d’un produit, nous sommes dans les affaires de la les relations, et nous avons besoin de comprendre le client profondément et de façon continue.”
Qui consiste à étudier une pléthore de “hétérogène” points de données tirées de texte, e-mail, appels téléphoniques qui sont faites directement à la Capitale, et de nombreuses données non structurées. Des choses telles que “longue mémoire à court terme” réseaux, ou la LSTM, qui se spécialisent dans le traitement séquentiel des données, peut être utile dans le suivi des points d’interaction durant de nombreuses années, dit-il. Mais c’est juste le début. “Nous ne savons pas quelles sont les caractéristiques de la matière” pour un réseau de neurones dans la relation client, “Nous avons activement veux apprendre. Nous avons vraiment envie de recours à l’IA pour imiter la relation que deux personnes auraient.”
Doit lire
‘IA est très, très stupide”, explique Google IA leader (CNET)Baidu crée Kunlun silicium pour AIUnified Google IA division d’un signal clair de l’IA de l’avenir (TechRepublic)
Un domaine qu’il est enthousiaste, mais gardé, à propos, c’est la détection de la fraude et de la prévention.
“La fraude sur un balayage a sensiblement amélioré sur la base de la machine basée sur l’apprentissage des cadres,” dit Mekel-Bobrov. Pressé de donner une explication ou une description détaillée, Mekel-Bobrov demures, en disant: “vous seriez surpris par le degré de sophistication des fraudeurs, la lecture de quelque chose [dans un article] et le test de ces défenses… disons simplement, elle s’appuie sur un certain nombre de choses, y compris le modèle de réseau, les poids, les paramètres, la fonction d’ingénierie, mais aussi de maintien de l’architecture de très près le problème de l’entreprise.”
On a demandé si la banque est en attente sur n’importe quel particulier les avancées dans le domaine plus large de l’apprentissage machine, Mekel-Bobrov dit, “Le plus grand que je peux penser à est de mobile.”
“Il y a certaines choses dans le mobile qui va libérer pour nous plus récentes fonctionnalités de notre application et dans nos plates-formes mobiles.” Par exemple, il avait envie de voir la capacité en temps réel “notation” des réseaux de neurones dans une application mobile. Un autre est le “modèle de personnalisation, un avenir où il y a un [réseau] modèle pour un individu.”
“Il est aujourd’hui possible, mais pas d’une façon pratique, pas jusqu’à ce calcul est encore meilleur qu’il ne l’est maintenant, à la fois en termes d’inférence et de la formation.”
Précédente et de la couverture liée:
Qu’est-ce que l’IA? Tout ce que vous devez savoir
Un exécutif guide de l’intelligence artificielle, de l’apprentissage machine et général de l’IA pour les réseaux de neurones.
Qu’est-ce que l’apprentissage en profondeur? Tout ce que vous devez savoir
La vérité sur l’apprentissage en profondeur: de comment il s’inscrit dans le champ plus large de l’apprentissage de la machine grâce à la façon d’obtenir commencé.
Qu’est-ce que l’apprentissage de la machine? Tout ce que vous devez savoir
Ce guide explique ce qu’est l’apprentissage de la machine est, comment elle est liée à l’intelligence artificielle, comment il fonctionne et pourquoi c’est important.
Qu’est-ce que le cloud computing? Tout ce que vous devez savoir à propos de
Une introduction à l’informatique en nuage à droite de la base jusqu’à l’IaaS et PaaS, hybride, public et cloud privé.
Rubriques Connexes:
Des Logiciels D’Entreprise
Transformation Numérique
CXO
L’Internet des objets
L’Innovation
Les Smart Cities
0