Kunstig intelligens (AI) er en maskines evne til at lære at udføre opgaver uden eksplicitte menneskelige instruktioner. Den britiske matematiker Alan Turing er generelt krediteret for at udvikle ideen om kunstig intelligens, selvom han ikke opfandt selve udtrykket. Han mente, at ægte tænkende maskiner skulle løse problemer såvel som mennesker for at blive betragtet som autonome, en standard kendt som "Turing-testen."
Denne artikel vil give et overblik over kunstig intelligens, hvad det er, og eksempler på brugen af kunstig intelligens i finanssektoren.
Der er ingen universelt accepteret eller standard definition af kunstig intelligens, men en almindeligt accepteret definition beskriver det som "maskiner, der reagerer på stimulation i overensstemmelse med traditionelle reaktioner fra mennesker, givet den menneskelige evne til fordybelse, dømmekraft og intention."
Stanford-professor John McCarthy var den første person, der brugte udtrykket "kunstig intelligens" og beskrev det som "at få en maskine til at opføre sig på måder, der ville blive kaldt intelligent, hvis et menneske opførte sig sådan." AI-adfærd kan involvere løsning af problemer, læring baseret på tidligere og nuværende data og planlægning af fremtidige handlinger baseret på, hvad der er blevet lært.
Kunstig intelligens findes i forskellige former, men AI er en generel evne til at bruge realtidsdata til at træffe en beslutning. Maskinen eller programmet kan modtage disse data via sensorer, fjerninput eller digitalt. AI'en skal derefter analysere dataene, før den træffer en beslutning, hvilket er den egenskab, der adskiller den fra en forprogrammeret maskine.
Inden for finans kan kunstig intelligens bruges i tegningsprocessen for at hjælpe en långiver træffe bedre beslutninger vedrørende låneansøgninger. I stedet for at stole på forudsigende analyser foreskrevet af statistikere, kan en computeralgoritme læse data om tidligere lån og selv bestemme den bedste forudsigende model til at vurdere ansøgeres kreditværdighed.
Långiver Upstart bruger kunstig intelligens til at bestemme en låntagers risiko og yde finansiering i situationer, som andre långivere måske ikke.
Robo-rådgivere er en anden populær brug af kunstig intelligens i finanssektoren. Robo-rådgivere bruger kundeoplysninger om finansielle mål, risikotolerance og investeringshorisont til at bestemme en investeringsaktiversallokering. Robo-rådgiveren rebalancerer derefter porteføljen efter behov, placerer handler og håndterer endda opgaver som f.eks. skattetabsindsamling.
Generelt er der fire brede kategorier af kunstig intelligens:reaktiv, begrænset hukommelse, teori om sind og selvbevidsthed. Tænk på disse typer som et progressivt spektrum; hver type bygger på kompleksiteten af typen før den.
Dette er den mest grundlæggende type AI. Rent reaktiv kunstig intelligens kan handle baseret på en vurdering af den aktuelle situation, men er ikke i stand til at opbygge et lager af minder at trække fra i fremtiden.
Bygger på den reaktive kategori, AI med begrænset hukommelse kan "huske" tidligere erfaringer som forudprogrammerede repræsentationer af sit miljø. AI med begrænset hukommelse vil så inkorporere disse minder i fremtidige beslutninger.
Denne type AI er endnu mere avanceret end begrænset hukommelse. Med sit navn fra det psykologiske udtryk, kan teori-om-sind AI tilskrive mentale tilstande såsom overbevisninger, hensigter, begær, følelser og viden til andre. Hvis det lyder futuristisk, er det fordi det er det. Denne type kunstig intelligens mangler endnu at blive udviklet.
Udvidet teori-om-sind AI har selvbevidst AI evnen til at danne repræsentationer om sig selv – og dermed have bevidsthed.
På grund af manglen på en standardiseret definition og Det faktum, at der er så mange relaterede termer, kan være svært at skelne mellem kunstig intelligens og maskinlæring.
Kunstig intelligens er et bredt begreb, og det er løst defineret. Maskinlæring er en særlig anvendelse af kunstig intelligens, hvor maskiner lærer af data og ændrer sig over tid for at træffe bedre beslutninger om disse data. Hovedanvendelsen af maskinlæring er at behandle store mængder information på kort tid.
Et eksempel på maskinlæring er måden sociale medieplatforme lærer hvilken type af indhold – opslag og annoncer – som du vil kunne lide mere baseret på, hvordan du har interageret med indhold på platformen.