Un problema con l’intelligenza artificiale è la sua natura opaca nella risoluzione dei problemi. Non sarà preciso sugli indicatori che portano ad una soluzione. In generale, Elin Hauge, un’intelligenza artificiale indipendente e stratega aziendale, ritiene che dovremmo prima guardare al problema che stiamo cercando di risolvere e solo dopo guardare alla cassetta degli attrezzi, che include l’intelligenza artificiale, tra molti altri strumenti. A volte risolvere un problema significa semplicemente “far funzionare correttamente il flusso di dati tra due sistemi diversi”.
L’intelligenza artificiale non ti dirà perché è strano, ma ti dirà che questo punto dati è strano.
Elin Hauge, AI e stratega aziendale
Ha osservato che la decisione di molti dirigenti di utilizzare l’intelligenza artificiale è “in gran parte” guidata da società di consulenza. “Se lo dice McKinsey, deve essere vero, giusto?” Hauge ha osservato che comprendere le dinamiche dei dati richiede molte competenze in un settore, nei suoi dati e nella catena del valore. Tuttavia, tale background è utile per decidere se utilizzare o meno la matematica basata sulla modellizzazione stocastica.
L’intelligenza artificiale nel settore finanziario
Mentre si discute sull’idoneità dell’utilizzo dell’intelligenza artificiale per prevedere determinati indicatori di mercato come azioni o tassi di interesse, l’intelligenza artificiale potrebbe essere utilizzata in modo più appropriato per rilevare valori anomali, ha suggerito Hauge durante un’intervista del 27 novembre 2024, a seguito della sua presentazione alla Banca europea per gli investimenti conferenza. “Non ti dirà perché è strano, ma ti dirà che questo punto dati è strano.”
Ha notato che gli esperti tecnici delle istituzioni finanziarie “usano” modelli linguistici di grandi dimensioni quando scrivono codici di sviluppo interno. “Non ha nulla a che fare con la negoziazione.”
Gli assicuratori e le banche possono imparare qualcosa dall’intelligenza artificiale?
Ha osservato che tra gli assicuratori, l’apprendimento automatico o il “buon vecchio modello stocastico” viene utilizzato per “micro-pricing del livello di rischio individuale”. Il rilevamento delle frodi relative ai sinistri è un’altra area che trae vantaggio dall’intelligenza artificiale. La Hauge ha spiegato che l’apprendimento automatico può identificare “modelli di comportamento in casi di frode noti”, noti anche come “riconoscimento di modelli”. Nel settore finanziario l’industria delle carte di credito affronta la questione dal punto di vista opposto, cioè “una deviazione da un modello tipico”. Un allarme suonerebbe se la tua carta venisse utilizzata, ad esempio, alle Bahamas.
Lei ritiene che “le vecchie statistiche classiche funzionino davvero bene quando si dispone di un set di dati predefinito” su cui eseguire l’analisi di regressione. D’altra parte, la signora Hauge afferma che quando ci si trova di fronte a un “set di dati più grande e non si sa veramente quali dati siano più importanti per noi e quali siano meno importanti ai fini della determinazione dei prezzi, il “machine learning è un modo per fai questo.”
Un’affermazione sorprendente per il tuo corrispondente, dato che esistono metodi statistici per selezionare le variabili rilevanti. La Hauge ha confermato che l’approccio o “la matematica di base è la stessa”, ma che l’uso dell’intelligenza artificiale è un modo più rapido per raggiungere il suo obiettivo. Tuttavia, è possibile perdere informazioni sugli indicatori hardware lungo il percorso.
Identificare gli indicatori rilevanti e il loro impatto. Non tutto è perduto
“C’è un modo per risolvere questo problema, ovvero utilizzare mappe di calore in segmenti della rete neurale, e l’intelligenza artificiale è uno dei sottocampi della tecnologia attualmente in fase di sviluppo e studio”, ha affermato la signora Hauger. Ha chiarito che le reti neurali con “un gran numero di strati vengono chiamate [systèmes] “deep learning”, che è il metodo utilizzato per la maggior parte di questi modelli.
Ha osservato che le normative richiedono la trasparenza dei dati e l’uso di algoritmi per “applicazioni ad alto rischio”. Pertanto, le mappe di calore tentano di assegnare pesi ai nodi della rete neurale, “una sorta di scatola nera”. Tuttavia, ammette che non è “abbastanza maturo… ma è un settore che sta facendo progressi”.
L’uomo resta necessario per sostenere l’IA
Hauge ha osservato che “qualsiasi di questi modelli” fornisce previsioni stocastiche. Ha suggerito che un risultato con un livello di probabilità del 95% può significare che “hai ancora bisogno di un essere umano nel circuito per esaminare il caso”.
Affidarsi interamente ai risultati del modello può effettivamente rivelarsi controproducente. Elin Hauge riferisce che quattro anni fa l’amministrazione fiscale e doganale olandese ha accusato ingiustamente 26.000 famiglie di frode sugli assegni familiari. Il governo olandese si è dimesso in seguito a questo scandalo.
Le conseguenze di un errore dell’intelligenza artificiale nella scelta della musica su Spotify sono molto minori rispetto al suo utilizzo nel settore finanziario o a seguito di una visita medica.
Questo articolo è stato originariamente scritto tradotto e curato per il sito Paperjam in francese.
Related News :