Elinde metin verisi olan bir fintech firması, bunu makinelere insan dilini anlamayı, analiz etmeyi ve üretmeyi öğreten bir yapay zeka dalı olan doğal dil işleme modellerini kullanmak için kullanmıyorsa, çok şey kaçırıyor demektir.
Doğal dil işleme modelleri veya NLP, müşterilerin ve çalışanların duygularını anlamak amacıyla bir firmanın iç ve dış metin materyalini değerlendirmek için düzenli olarak kullanılabilir ve kullanılmalıdır. Ayrıca şirketin değerlendirmesi ve iş stratejisine entegre etmesi için önemli temaları veya iş eğilimlerini belirlemek için de kullanılabilir.
Bu, özellikle doğal dil işleme yeteneklerini her zamankinden daha güçlü hale getiren üretken yapay zekanın ortaya çıkışıyla birlikte geçerlidir.
Bu, veri bilimcisi Sumedha Rai'nin Fintech Nexus ile yaptığı röportajda ve bu baharda New York City'de düzenlenen son iki konferanstaki (Finansta Yapay Zeka Zirvesi ve yapay zeka ve makine öğrenimi uzmanlarından oluşan MLConf 2024 toplantısı) sunumlarında verdiği net mesajdır.
Ancak bunlar, firmaların NLP modelleri aracılığıyla devam eden metin analizinden elde edebilecekleri sonuçlardan sadece ikisi.
Rai, diğer makine öğrenimi ve yapay zeka çözümleriyle birlikte kullanılan bu tür NLP araçlarının, belgeleri hızla özetlemek ve çevirmek, metin verilerindeki önemli etiketleri anlamak, müşterilerle etkileşimleri kişiselleştirmek ve iletişimlerindeki anormallikleri tespit ederek dolandırıcıları yakalamak için de kullanılabileceğini ekliyor. .
Rai, New York City'deki bir mikro yatırım firmasında kıdemli bir veri bilimcidir ve burada kullanıcı duyarlılığını ve temalarını analiz etmek, yatırım kararlarına yardımcı olmak için verileri incelemek ve dolandırıcılık modelleri oluşturmayı değerlendirmek için çok zaman harcıyor. Aynı zamanda New York Üniversitesi'ndeki Veri Bilimi Merkezi ve diğer bağlı bölümlerle de araştırma yapıyor.
NLP aracılığıyla düzenli metin analizinin belki de en önemli faydasının - daha yüksek verimliliğin yanı sıra - ürün geliştirme ve kişinin iş stratejisiyle ilgili "insanların (çalışanların) yaratıcı şeyler hakkında düşünmek için çok daha fazla zamana sahip olmaları" olduğunu belirtiyor. Bu da belirgin bir rekabet avantajıdır.
NLP analizi veya özetiyle ilgili metin, müşteri geri bildirimlerinden, gönderilerden, şikayetlerden, sosyal medya yorumlarından, e-postalardan ve anket sonuçlarından işlem verilerine, şirket web sitesine ve dahili verilere, çalışan iletişimlerine, talep çağrılarına, temsilci geri bildirimlerine, mevzuata, uyumluluğa ve yasal konulara kadar her şeyi içerir. veri.
Rai, bu tür metinlerin NLP aracılığıyla üç ayda bir veya sürekli olarak değerlendirilmesinin faydalarının, fintech firmalarının hizmetleri daha kolay özelleştirebilmesi, daha iyi sohbet robotları oluşturabilmesi, dolandırıcılığı tespit edebilmesi, küresel uyumluluk ve düzenleyici belgeleri özetleyip tercüme edebilmesi ve çalışan memnuniyetini daha iyi anlayabilmesi olduğunu söylüyor. seviyeleri.
Konu modelleme için NLP'yi kullanan metin analizinin bir türü, bir ürün hakkında neyi sevip neyi sevmedikleri de dahil olmak üzere müşterilerin akıllarında en üst sırada yer alan konuları takip etmek için kullanılabilir ve Rai'nin bu aktivitenin faydalı olabileceğine inandığı bir aktivitedir. birçok fintech firması tarafından yeterince kullanılamıyor.
Bu tekniği kullanarak, “Fintech firmaları tüm sorunlarını ve zorluklarını dikkate almalı ve bu sorunlar için ne kadar sinyal aldıklarını metin halinde görmelidir. Daha sonra bu sorunların çoğunun çözülmesine yardımcı olmak için metin verilerinin NLP analizinden yararlanmaları gerekiyor" diyor Rai.
Bu alıştırmaya yardımcı olabilecek NLP modelleri arasında Latent Semantic Analysis (LSA), Latent Dirichlet Allocation (LDA), LDA2vec ve BERTopic ve bunun farklı varyasyonları yer alır; ancak özellikle fintech firmaları için, özel olarak önceden eğitilmiş bir transformatör modeli olan FinBERT'i kullanır. finansal metin de mükemmel bir seçimdir.
Ancak bu model seçenekleri arasında Rai, BERT modellerine özellikle düşkündür çünkü bunlar tasarım açısından çift yönlüdür ve bu çift yönlülüğe dayalı bağlamı yakalar.
Rai, "Bunlar (BERT modelleri) aynı zamanda bağlamsal yerleştirmelere de sahip; bu da modellerin bir kelimeyi etrafındaki diğer tüm kelimeleri dikkate alarak anlamasını ve belirli bir kelimenin her geçtiği yerin bağlamını hesaba katmasını sağlıyor" diyor.
Şöyle ekliyor: "Ayrıca, artık GenAI modellerinden bazıları ücretsiz olarak indirilebilen güçlü kelime yerleştirmelere de erişebiliyoruz. Ancak BERT, özellikle finansal metinlerle çalışırken, LLM'lerle çalışırken bir temel oluşturmak için mükemmel bir seçimdir."
Rai ayrıca, NLP'nin bir alt alanı olan Adlandırılmış Varlık Tanıma'dan (NER) tam olarak yararlanmanın önemini vurguladı; bu, adlandırılmış varlıkların (tek tek kelimeler, ifadeler veya kelime dizileri) kolayca kategorize edilebilmesi için metni etiketlemeyle ilgilidir.
Rai, "NER çok az kullanılan bir temel teknolojidir ancak aslında müşterilerin en çok hangi varlıklarla ilgilendiğini daha iyi anlamak için çeşitli şekillerde kullanılabilir ve onlarla iletişiminizi daha iyi uyarlamanıza olanak tanır" diyor.
NER analizinin bize tüm kritik bilgileri büyük bir metin gövdesinden çok daha hızlı çıkarmamız için bir yol sağladığını ve potansiyel sahtekarlığa işaret edebilecek riskli etkileşimleri veya anormallikleri işaretlemek için kullanılabileceğini belirtiyor. Bu şekilde kişinin devam eden duygu analizinde ve metin sınıflandırmasında çok önemli bir rol oynar.
Rai, özellikle yararlı özelliklerden birinin, NER'in "göz küresi uyumluluk belgelerine gerçekten hızlı bir şekilde" yardımcı olma yeteneği olduğunu, böylece kişinin uzun belgelerden önemli bilgileri hızlı bir şekilde çıkarabilmesi ve daha sonra verimli bir şekilde gözden geçirebilmesi olduğunu söylüyor.
Rai, Üretken Yapay Zeka modellerinin piyasaya sürülmesiyle birlikte, fintech firmalarının artık kullanıma hazır çözümü doğrudan kullanırken minimum kodlamanın dahil olduğu güçlü bir metin analizi aracına erişim sağlayabileceğini söylüyor. Bununla birlikte, alışılmışın dışında Nesil Yapay Zeka modellerinin kullanılmasıyla belirli görevler için bir modelin ince ayarının yapılması arasında kaybolabilecek doğruluk düzeyindeki ödünleşim söz konusu olabilir.
Rai, "Üretken yapay zeka modelleri önceden eğitilmiştir ve bu nedenle basit bir metin analizi için önceden eğitilmiş bir model çoğu zaman işi yapabilir" diyor ve aralarından seçim yapılabilecek birden fazla üretken yapay zeka modeliyle kullanım kolaylığını tercih ettiğini ekliyor. Doğruluk açısından gelişmeye devam eden ve ayrıca GPT modellerini koda entegre etmek için kolayca erişilebilen API'lere sahip olan Chat GPT.
Ayrıca Meta'nın LLAMA modellerinin (özellikle LLAMA 3) güçlü ve yararlı olduğunu ve kullanımının ücretsiz olduğunu düşünüyor.
Ancak Rai, fintech firmalarının, alışılmışın dışında üretken yapay zeka modellerini kullanmanın riskleri olduğunu akılda tutmaları gerektiği konusunda uyarıyor.
“Bu modellere hiçbir hassas veri veya müşteri verisi beslenmemeli. Bunlar barındırılan sistemlerdir ve veriler yerel makinelerinizden modelin bulunduğu bir sunucuya gider," diyor Rai, etkileşimlerden elde edilen verilerin, LLM'leri yapan şirketler tarafından sistemlerinin performansını ve güvenilirliğini artırmak için analiz edilebileceğini belirtiyor.
Rai, "Bu modellerin kurumsal sürümünü kullanıyor olsanız bile, bir modele beslenmeden veya modeli sorgulamak için kullanılmadan önce verilerinizin tüm kişisel olarak tanımlanabilir bilgilerden (PII) arındırıldığından emin olurum" diyor.
Rai, modelleri önyargı, ayrımcılık, veri güvenliği, veri gizliliği, halüsinasyonlar ve saygılı içerik oluşturma açısından değerlendirmenin de önemli olduğunu söylüyor ve modele ne tür veriler aldığınıza bakarak, tüm sınıfların, cinsiyetlerin ve cinsiyetlerin olduğundan emin olmakla başlıyor. Coğrafyalar temsil ediliyor ve modeller üzerinde çalışmak için tek bir kişi yerine farklı kişilerden oluşan bir ekip görevlendiriliyor.
Rai, bazı fintech firmalarının, kapsamlı bir değerlendirme yapmak ve bir firmanın çalışma modellerinin "önyargısız" olmasını sağlamak için giderek artan bir şekilde kendi şirketlerinin dışından kırmızı ekipler kiraladığını söylüyor. ayrımcı uygulamalara yol açabilecek önyargılı sonuçlar üretmiyor.
Rai'nin özellikle sevdiği Nesil Yapay Zeka zaman tasarrufu, Chat GPT'den bir logo, kısa açıklama oluşturmasını ve fantastik bir fintech firması için basın bülteni yayınlamasını istemeyi içeriyordu.
Rai, "Sonuçlar etkileyiciydi" dedi ve Chat GPT'nin sürekli olarak gelişmeye ve etkilemeye devam ettiğini belirtti.
- SEO Destekli İçerik ve Halkla İlişkiler Dağıtımı. Bugün Gücünüzü Artırın.
- PlatoData.Network Dikey Üretken Yapay Zeka. Kendine güç ver. Buradan Erişin.
- PlatoAiStream. Web3 Zekası. Bilgi Genişletildi. Buradan Erişin.
- PlatoESG. karbon, temiz teknoloji, Enerji, Çevre, Güneş, Atık Yönetimi. Buradan Erişin.
- PlatoSağlık. Biyoteknoloji ve Klinik Araştırmalar Zekası. Buradan Erişin.
- Kaynak: https://www.fintechnews.org/ai-strategies-for-fintech-firms-how-to-power-up/
