Добавил:
ivanov666
Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз:
Предмет:
Файл:Технологии искусственного интеллекта в банковской сфере. Учебное пособие
.pdf
БАЛТИЙСКИЙ ФЕДЕРАЛЬНЫЙ УНИВЕРСИТЕТ им. ИММАНУИЛА КАНТА
С. Н. Ткаченко
ТЕХНОЛОГИИ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА
В БАНКОВСКОЙ СФЕРЕ
Учебное пособие
Издательство
Балтийского федерального университета им. Иммануила Канта
2024
УДК 004
.8:336.71
ББК 32.813.5
Т484
Рецензенты
А. В. Юров, д-р физ.-мат. наук, проф.,
Балтийский федеральный университет им. И. Канта;
Л. Геллер, канд. техн. наук, доц.,
Б.
Калининградский государственный технический университет
Ткаченко, С.
Н.
Т484 Технологии искусственного интеллекта в банковской
сфере : учебное пособие / С.
Н. Ткаченко. — Калинин-
град : Издательство БФУ им. И. Канта, 2024. — 120 с.
ISBN 978-5-9971-0900-4
Рассматриваются как теоретические основы технологий искусственного интеллекта и принципы функционирования информационных систем в банковской сфере, так и конкретные примеры внедрения подобных технологий, а также решение практических задач. Особое внимание уделено методам и алгоритмам в
области машинного обучения и искусственных нейронных сетей.
Предназначено для формирования у обучающихся представления об использовании искусственного интеллекта в банковской
сфере, знакомства с алгоритмами, методами и программным обеспечением, при помощи которого реализуются технологии искусственного интеллекта. Для студентов направлений 01.03.02 и
01.04.02 «Прикладная математика и информатика»; 02.03.03 и
02.04.03 «Математическое обеспечение и администрирование ин-
формационных систем»; 09.03.02 «Информационные системы и
технологии», изучающих дисциплины, связанные с внедрением
технологий иску
сственного интеллекта.
УДК 004.8:336.71
ББК 32.813.5
© Ткаченко С. Н., 2024
ISBN 978-5-9971-0900-4 © БФУ им. И. Канта, 2024
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
ОГЛАВЛЕНИЕ
Введение ..............................................................................................
Глава 1. Организация хранения данных ......................................
Глава 2. Применение искусственного интеллекта в банков-
ской сфере ...........................................................................................
2.1. Основные виды нейронных сетей ..........................................
2.2. Примеры задач, решаемых в банковской индустрии при
помощи искусственного интеллекта .................................................
Глава 3. Машинное обучение ..........................................................
3.1. Классические методы машинного обучения .........................
3.2. Ансамблевые методы ..............................................................
3.3. Метрики для оценки моделей машинного обучения ............
Глава 4. Технологии распознавания и классификации изоб-
ражений ...............................................................................................
4.1. Нейронные сети .......................................................................
4.2. Обзор инструментов для работы с изображениями на язы-
ке Python ..............................................................................................
4.3. Удаленная идентификация пользователя ..............................
Глава 5. Технологии обработки естественного языка ...............
5.1. Основные определения и термины, связанные с обработ-
кой естественного языка .....................................................................
5.2. Создание датасета для обучения NLP-модели ......................
5.3. Построение нейронной сети для виртуального ассистента
технической поддержки банка ...........................................................
Глава 6. Технологии обработки голосовых команд ...................
6.1. Принцип работы виртуальных помощников .........................
6.2. Проектирование сценариев для голосового помощника .....
6.3. Архитектура приложения голосового помощника ...............
6.4. Разработка NLU-модуля и системы управления диалогом 106
Список рекомендуемой литературы..............................................
4
7
20
20
25
28
28
35
41
50
50
53
58
68
68
71
73
86
87
92
101
116
Технологии искусственного интеллекта в банковской сфере
ВВЕДЕНИЕ
Время на рубеже 20-х гг. XXI в. принято именовать четвертой промышленной революцией [1]. Текущее развитие техники не имеет аналогов в истории человечества (впрочем, те
же слова подходят и для других промышленных революций)
ни по своим масштабам, ни по скорости появления и устаревания технологий, ни по требованиям к тем
, кто взаимодей-
ствует с этими технологиями.
Технология может устареть и даже практически исчезнуть
в пределах одного поколения, например, как это произошло с
пейджинговой связью, которую на российском рынке буквально в течение пяти лет вытеснила мобильная связь и сервис
смс-сообщений.
На сегодняшний день одной из наиболее интересных и
прорывных
технологий является искусственный интеллект
(ИИ) и машинное обучение.
Во всем мире инвестиции в проекты, связанные с машинным обучением и искусственным интеллектом, только растут
из года в год.
В данном учебном пособии не ставится цель дать полное и
исчерпывающее понятие тому, что следует называть искусственным интеллектом, ввиду того, что
сложно дать опреде-
ление для естественного интеллекта.
Компания SAS — один из ведущих игроков на рынке по
разработке и внедрению интеллектуальных систем анализа —
в 2019 г. провела исследование по восприятию искусственного
интеллекта различными категориями граждан [2]. Восприятие
довольно неоднозначное: от скептического отношения со стороны технических директоров до восторженного — от бизнес-лидеров. Академическое сообщество
относится к ИИ скорее настороженно, студенты также волнуются о том, как ИИ повлияет
на их дальнейшую жизнь и судьбу, но при этом все им активно
пользуются.
4
Введение
Подобная неоднозначность восприятия технологии искусственного интеллекта также не позволяет дать для него однозначное определение. Поэтому будем определять ИИ по аналогии с человеком.
Под искусственным интеллектом будем понимать компьютерную систему, имеющую программно-аппаратную природу,
способную выполнять действия, аналогичные тем, которые
свойственны человеку.
Здесь речь идет не столько о
каких-то сложных или творческих активностях, хотя в последнее время все активнее
внедряется генеративный ИИ, который как раз ориентирован
на создание текстов, изображений, музыки и видео. Наиболее
перспективно применение ИИ для автоматизации рутинных и
монотонных действий.
Хорошо натренированная нейронная сеть, лежащая в осно-
ве искусственного интеллекта, может очень быстро
и точно
выполнять одну из задач человека, причем скорость ее работы
во много раз превышает человеческую. Соответственно, работу, на выполнение которой у человека уйдет несколько часов,
ИИ способен выполнить за несколько секунд.
Термин «машинное обучение» неразрывно связан с искусственным интеллектом — это один из классов методов ИИ,
которые позволяют получить
решение поставленной задачи,
не решая ее непосредственно, а опираясь на решение большого количества аналогичных задач.
В основе искусственного интеллекта всегда лежат математические методы, а для его реализации используются информационные технологии. Поэтому внедрение элементов ИИ в
нашу жизнь всегда обусловлено проникновением ИТ во все
сферы деятельности.
Что касается
банковской сферы, то это большая отрасль
экономики любой страны, поскольку она определяет денежную систему, кредитно-денежную политику и в итоге микро- и
макроэкономические показатели.
Банки характеризуются консолидацией больших объемов
данных как о физических, так и о юридических лицах. По этой
5
Технологии искусственного интеллекта в банковской сфере
причине одной из первых индустрий, которая начала смотреть
в сторону экономики, основанной на данных, стала банковская
сфера. Решения на основе данных и алгоритмов машинного
обучения или искусственного интеллекта довольно легко
встроить в информационные системы банков (по сравнению с
другими индустриями) ввиду развитости последних.
Банки как держатели массивов «сырых» данных заинтере-
сованы в нахож
дении полезной информации в накопленном
массиве, поскольку это позволяет им привлекать новых клиентов, снижать издержки и предлагать новые сервисы.
Поэтому одним из драйверов по внедрению решений на
основе искусственного интеллекта является банковская сфера.
В данном учебном пособии сделана попытка рассмотреть
некоторые технологии искусственного интеллекта и их внедрение в банк
овские процессы. По понятным причинам количество технологий и самих процессов, характерных для банков,
очень велико, поэтому здесь внимание сосредоточено на наиболее характерных технологиях и подходах, связанных с ИИ,
которые могут быть масштабированы на другие процессы.
Развитие технологий искусственного интеллекта в настоя-
щее время проходит столь стремительно, что отразить полн
ую
картину на определенный момент является невыполнимой задачей даже для одной конкретной отрасли. Постоянно появляются новые технологии, нейронные сети, подходы к формированию сервисов. После появления новой технологии количество сервисов на ее основе растет лавинообразно, так было и
с появлением инструментов для распознавания изображений,
так происходит и сейчас с появлением генеративного ИИ.
Поэтому в данном издании с
делана попытка изложить
сущность задач, решаемых при помощи ИИ в банковской сфере. Представлено это в несколько неформальной форме — в
виде разбора кейсов, что позволяет увидеть логический ход
рассуждений при решении той или иной задачи. В этом случае
при появлении новых технологий или подходов их легко бу
дет
вставить в логику реализации того или иного проекта. Тем самым решается проблема «устаревания» технологий.
Глава 1
Глава 1
ОРГАНИЗАЦИЯ ХРАНЕНИЯ ДАННЫХ
В настоящее время в условиях ужесточения конкуренции
большую роль в успешном ведении бизнеса играют данные и
информация, которую можно из них извлечь. Многие компании в ходе своей деятельности накопили большие объемы
данных, хранящихся в различных системах, однако важно не
только хранить данные, но и эффективно их использовать, то
проводить анализ по тем или иным бизнес-процессам
есть
компании. Информация, полученная по результатам такого
анализа, позволяет организациям выявлять закономерности,
находить узкие места в процессах, оценивать эффективность
деятельности с целью выработки правильных управленческих
решений.
Банковская сфера является одной из сфер бизнеса с большим потоком данных, который предоставляет огромный простор для
их дальнейшего анализа.
Для проведения всестороннего анализа деятельности банка
необходимо создание инструмента, позволяющего консолидировать данные из различных источников и предоставляющего
возможность пользователям обрабатывать их в зависимости от
конкретной задачи.
В этой связи актуален вопрос создания единого объекта
для хранения данных, позволяющего всем пользователям обращаться к подобному «хранилищу» и
решать именно их аналитические задачи, при этом сокращая время принятия решений и повышая их эффективность.
Для большинства банков можно выделить два основных
направления оптимизации их деятельности:
1) оценка клиентов и их деятельности с целью развития
услуг на имеющейся базе клиентов;
2) анализ продуктов с целью расширения присутствия бан рынке за счет привлечения новых клиентов.
ка на
7
Технологии искусственного интеллекта в банковской сфере
Для банков характерны четыре основных направления деятельности, в рамках каждого из которых можно внедрять решения на основе искусственного интеллекта.
1. Размещение денежных средств.
Кредитование — один из главных продуктов, обеспечивающих основную доходность для банков. Важным предметом
анализа данного направления является кредитный портфель
(КП) — остаток задолженности по всем выданным кредитам
КП можно рассматривать как по отдельно взятому клиенту,
так и как общий портфель банка. В первом случае анализируется качество обслуживания долга клиентом, его кредитная
история в банке. В свою очередь, КП всего банка предоставляет большие возможности для всестороннего анализа:
Оценить качество портфеля (соотношение ссудной и просроченной задолженности),
что дает представление о политике
банка в части кредитного риска. На основе полученных данных специализированные подразделения проводят работу по
проблемной задолженности.
Оценить структуру портфеля [3]:
— по заемщикам (кредитование крупного / малого бизне-
са, частных клиентов);
— по отраслевой принадлежности (строительство, пред-
приятия общественного питания, розничная торговля и т.
д.);
— по видам кредитных программ (привлекательность для
клиента, доходность для банка);
— по срокам кредитования (прогнозирование величины КП);
— по валюте кредита.
Неотъемлемой частью оценки кредитования является ана-
лиз кредитных заявок, позволяющий:
— прогнозировать выдачи и КП;
— анализировать процесс рассмотрения кредитных заявок
(выявлять узкие места и возможности для оптимизации про-
цесса
);
— оценивать процент одобрения заявок и процент выдач
для дальнейшего анализа причин отказов клиентов.
С целью развития кредитования частных и корпоративных
клиентов банки проводят перекрестные и повторные продажи,
.
8
Глава 1
а также формируют программы лояльности. Для этого проводится анализ потребностей и предпочтений действующих клиентов, чтобы предлагать им смежные продукты или продукты
с особыми условиями.
2. Комиссионный бизнес.
Данное направление рассматривается как самостоятельная
группа продуктов, используемых клиентом для выполнения
необходимых банковских операций, а также в качестве вспомогательного направления, обеспечивающего
комплексность
обслуживания клиентов, пришедших в банк в качестве заемщиков или для размещения свободных денежных средств.
Следует отметить, что основным продуктом в части комиссионного бизнеса выступает расчетно-кассовое обслуживание (РКО) юридических лиц (ЮЛ) в рублях. Данная деятельность также является поддерживающим для кредитования
корпоративных клиентов. Сюда же относится и
внешнеэконо-
мическая деятельность (ВЭД).
В части розничного бизнеса главный продукт банка — депозиты, поскольку они служат инструментом расширения клиентской базы физических лиц (ФЛ), а также источником фондирования операций по кредитованию [4].
Основную долю доходов, кроме РКО ЮЛ, приносят торговый эквайринг и платежные карты. И как следствие, развитие
данных
направлений — это приоритетная задача для банка.
3. Валютно-обменные операции.
Данное направление — важный фактор стабилизации и
развития клиентской базы. Основные задачи анализа валютнообменных операций [5]:
— оценка структуры и динамики операций по различным
иностранным валютам и по видам совершаемых операций (покупка / продажа) с целью прогнозирования валютно-обменных
операций и формирования оптимального
запаса валют;
— прогнозирование влияния изменения величины курсов
обмена валют на объемы операций банка;
— оценка доли операций в формировании финансового результата банка.
9
Технологии искусственного интеллекта в банковской сфере
4. Ценные бумаги.
По данному направлению банку необходимо анализировать объемы вложений и доходы по различным видам ценных
бумаг, а также качество имеющегося портфеля ценных бумаг.
Подобный количественный и качественный анализ необходим
для формирования портфеля из ценных бумаг высоконадежных эмитентов.
На основе аналитики продуктов проводится анализ деятельности по подразделениям (
офисам) для определения плановых показателей KPI (Key Performance Indicators — ключевые показатели эффективности), а также оценивается финансовый результат банка в целом и выявляются причины, влияющие на него [6].
Для бизнеса важно понимать продуктовое проникновение
в аналитических разрезах (сегменты и группы клиентов, банковские продукты, каналы и точки продаж и т.
д.), проводить
мониторинг с целью выявления аномалий и быстрого реагирования на них, развивать сильные стороны и оптимизировать
слабые при помощи объективной аналитики. Для того чтобы
аналитика была объективной, необходимо строгое определение методологии по расчету показателей деятельности банка.
Таким образом, аналитика должна стать поддержкой в развитии бизнеса и основой
в принятии управленческих решений.
Главным источником данных для банков является автоматизированная банковская система (АБС) [7], примером которой
может служить программный продукт — ЦФТ-банк. АБС —
централизованная система для автоматизации операционной,
учетной, управленческой деятельности банка.
Главным контейнером для данных, собранных через АБС,
является аналитическое хранилище данных (АХД). Оно предоставляет пользователям возможность
в построении сводных
отчетов, используя аналитические витрины.
Рассмотрим АХД как аналитическую систему процесса
сбора, обработки и анализа данных.
10
Соседние файлы в предмете [НЕСОРТИРОВАННОЕ]