На информационном ресурсе применяются рекомендательные технологии (информационные технологии предоставления информации на основе сбора, систематизации и анализа сведений, относящихся к предпочтениям пользователей сети "Интернет", находящихся на территории Российской Федерации)

Газета.ру

8 731 подписчик

Свежие комментарии

В Сбере разработали новый подход к изучению ИИ цифровых поведенческих следов

Технологии искусственного интеллекта помогут сделать финсервисы точнее, надежнее, на ранних этапах выявлять риски и повысить персонализацию услуг и прозрачность автоматических решений. Это станет возможным благодаря FinTRACE - новому подходу к работе с цифровыми поведенческими следами, созданному ученые Центра практического искусственного интеллекта Сбербанка совместно с командой Sber AI, сообщила пресс-служба компании.

Уточняется, что научная статья, созданная под руководством исполнительного директора по исследованию данных Центра практического искусственного интеллекта Сбербанка Максима Макаренко уже принята на 49-ю международную конференцию ACM SIGIR по исследованиям и разработке в области информационного поиска.

В Сбере пояснили, что в основе решения - новая технология, трансформирующая произвольные истории финопераций в структурированную базу знаний о поведении человека, его паттернах и правилах. Эта база используется для рассуждений большой языковой модели, что помогает ИИ качественнее работать с длинными и нерегулярными последовательностями событий.

"Для нас было важно обратиться к человеку, увидеть его потребности. Для этого нужно по-новому выстроить общение с ИИ. FinTRACE помогает искусственному интеллекту увидеть целостную картину, и потребитель сможет получить более персонализированное предложение или справедливую оценку рисков. Объяснимость решений становится неотъемлемой частью технологии", - отметил глава Центра практического искусственного интеллекта Сбербанка Николай Тиден.

Отмечается, что банки, финтех-компании и платежные сервисы смогут использовать подход как универсальный слой поверх любых событийных данных.

В частности, для прогнозирования оттока, кредитного скоринга, маркетинговых кампаний и для персонализации предложений и комплаенс-контроля.

 

Ссылка на первоисточник
наверх