به گزارش پایگاه تحلیلی خبری بانک و صنعت، سمینار هوش مصنوعی از جمله برنامههای جانبی آخرین روز از چهارمین نمایشگاه تراکنش ایران بود.
مرکز فابا ITE 2018، را 22 تا 24 آبان سال جاری در محل دائمی نمایشگاههای شهرداری تهران، واقع در بوستان گفتوگو برگزار کرد.
در ادامه، بخش دوم از متن سخنرانی عزمی را در این رویداد میخوانید.
کاربرد الگوریتمهای یادگیری عمیق؛ از رتبهبندی تا تشخیص تقلب
قدرت الگوریتمهای یادگیری عمیق در حل مسائل مربوط به صنعت بانکداری، یکی از کاربردهای مهم هوش مصنوعی برای این صنعت است. در این حوزه میتوان به امکان تحلیل احساسات مشتری، با استفاده از شبکههای عصبی بازگشت عمیق اشاره کرد.
رتبهبندی اعتباری مشتریان، تشخیص تقلب در کارتهای اعتباری، پیشبینی ریزش مشتری، مانیتورینگ رفتار مشتری (تشخیص رفتارهای ناهنجار در ویدیوهای نظارتی با استفاده از شبکههای CNN) و پیشبینی میزان تقاضای پول در دستگاههای خودپرداز از دیگر کاربردهای الگوریتمهای یادگیری عمیق در حل مسائل مربوط به صنعت بانکداری است.
کاربرد بیشتر آیبیکن نسبت به فناوریهای مشابه
یکی دیگر از مباحث مرتبط با هوش مصنوعی، تکنولوژی آیبیکن است. این فناوری جدید هنوز در لبه تکنولوژی قرار دارد و کاربردهای آن به صورت موردی در بانکها استفاده میشود.
آیبیکن یک سیستم موقعیتیاب داخلی است که میتواند دستگاههای نزدیک خود را شناسایی کند. این فناوری با استفاده از تکنولوژی بیسیم بلوتوث هوشمند (بلوتوث کمانرژی) و وایفای، پیامهایی را بر اساس موقعیت مکانی افراد به گوشیهای هوشمند و تبلت آنها ارسال میکند.
آیبیکن به دلیل داشتن برخی قابلیتها، کاربردهای گستردهتری نسبت به NFC یا GPS دارد:
- GPS در فضای بسته عملا ناکارآمد است و NFC نیز در محدوده بسیار نزدیک و فاصلههای خیلی کوتاه کار میکند.
- بیکن به دلیل استفاده از بلوتوث هوشمند نسبت به GPS و NFC انرژی کمتری مصرف میکند.
استفاده از تکنولوژی موقعیتیاب برای شناخت دقیقتر مشتری
از این فناوری میتوان در موارد مختلفی از جمله تشخیص موقعیت مشتری، ارسال آگهی و نوتیفیکشین استفاده کرد. بانک با بهرهگیری از این فناوری متوجه نزدیکی مشتری به شعبه یا دستگاه خودپرداز میشود. در این صورت میتوان پیامهایی را حاوی معرفی خدمات خود یا خوشآمدگویی به او، برای مشتری ارسال کند.
نوبتدهی خودکار و راهنمای ارائه سرویس مورد نظر او، شناسایی مشتریان، آموزش استفاده از سرویسهای موبایلی، خدمات ارزش افزوده، تحلیل شرایط شعبهها، نظرسنجی از مشتریان در مورد میزان رضایت آنها، از دیگر کاربردهای آیبیکن در صنعت بانکداری است.
همچنین امکان ترکیب آن با فناوریهای دیگر و ارائه خدمات جدید وجود دارد. میتوان از طریق آیبیکن مشتری را به صورت کامل شناخت و پیشنهادات مناسب را به او ارائه کرد.
این کاربردها در دنیا در حال استفاده هستند اما رگولاتوری در ایران لخت پیش میرود. سیاستگذاری باید به سمت تشکیل سندباکس برود و به تدریج کوچکتر شود تا امکان پیادهسازی کاربردهای جدید فناوریهای مبتنی بر هوش مصنوعی و حضور فینتکها برای ایجاد ارزش افزوده وجود دارد.
بهرهگیری از هوش مصنوعی در صنعت بانکداری میتواند چنین مسیری را طی کند: جمعآوری دادههای مختلف با استفاده از انواع سنسورها و ابزارها، پردازش دادهها با بهرگیری از هوش مصنوعی و استفاده از این نتایج در ارائه خدمات متنوع.