Исследователи из России разработали метод обучения систем искусственного интеллекта (ИИ), который позволяет нейросетям учитывать как локальные, так и глобальные аспекты данных о банковских операциях. Эта разработка поддержана грантом Российского научного фонда Она может повысить эффективность подобных алгоритмов на 20%. Об этом «Жуковский.Life» сообщили в пресс-службе Сбера.
«Большинство задач, с которыми мы сталкивались до начала исследования, можно было отнести к глобальным, но мы решили попробовать опередить события и найти алгоритмы, которые будут хорошо работать и с локальными задачами. Удивительно, но сейчас большинство задач, с которыми мы сталкиваемся, скорее относятся к локальным. Получается, что практическая потребность только появилась, а у нас уже есть готовое решение», — объяснил научный директор Лаборатории искусственного интеллекта Сбербанка Андрей Савченко, слова которого цитирует пресс-служба Сбера.
Исследователи отмечают, что сейчас специалисты ведущих российских и мировых банков работают над созданием систем машинного обучения, которые могут анализировать последовательности банковских операций и находить в них закономерности, важные для оценки рисков. Это позволит использовать системы искусственного интеллекта для автоматизации оценки кредитного рейтинга, выявления мошеннических действий и защиты банков и их клиентов.
При анализе этих цепочек транзакций нейросеть должна учитывать как глобальные факторы, которые почти не меняются за рассматриваемый период времени, например, возраст клиента, так и локальные и динамические, которые могут сильно меняться, например, место жительства. Существующие подходы к анализу этих данных фокусируются только на одном из этих наборов факторов и не учитывают внешний контекст, включая макроэкономические индикаторы.
Российские учёные разработали новый подход к обучению таких банковских нейросетей, который учитывает все эти факторы, а также внешний контекст, включая данные о других клиентах, особенно тех, кто по ряду признаков похож на анализируемого человека.
Этот подход был протестирован на восьми системах искусственного интеллекта, построенных на основе самоконтроля, и на пяти различных наборах данных о клиентах. Эксперименты показали, что учёт внешнего контекста в некоторых случаях может повысить точность прогнозов нейросетей на 20%.
«В нашей работе мы смогли описать широкий спектр задач и предложить решения, которые хорошо справляются с ними, даже если поведение пользователя меняется со временем. Я особенно горжусь тем, что нам удалось учесть поведение похожих пользователей, что привело к дальнейшему улучшению модели», — сказал заведующий лабораторией Центра искусственного интеллекта «Сколтеха» Алексей Зайцев.