Leiðarvísir fyrir fræðimenn, starfandi sérfræðinga, eftirlitsaðila og háskólanemendur

Bókin Deep learning in banking er yfirgripsmikið verk á mótum gervigreindar og fjármálaþjónustu. María Óskarsdóttir, dósent við tölvunarfræðideild er einn af höfundum bókarinnar ásamt tveimur kollegum sínum, þeim Cristián Bravo, prófessor við Western háskóla í Kanada, og Sebastian Maldonado, prófessor við Univeristy of Chile.

Í bókinni eru fræðin sameinuð við hagnýta sýn og sýnt fram á hvernig megi með því takast á við raunverulegar áskoranir sem fylgja innleiðingu gervigreindar, og þá sérstaklega djúpnámsaðferða, í bankakerfinu.

Bókin fjallar um háþróaðar vélrænar gagnanámsaðferðir, þar á meðal djúp tauganet sem eru hönnuð fyrir myndgreiningu (CNN), tímaraðir (RNN), net (GNN) og texta (NLP) sem og aðferðir sem nú eru að ryðja sér rúms í tæknigeiranum. Má þar nefna t.a.m. Transformers og stór mállíkön (LLM). Með bókinni öðlast lesandinn djúpa innsýn í notkun þessara aðferða innan fjármálageirans ásamt því að sýna með raunverulegum dæmum og kóða hvernig aðferðirnar virka.

Bókin fjallar einnig um lykilþemu á borð við sanngirni, siðferði, reglufylgni og traust og hvernig hægt er að útskýra ákvarðanir sem þessar flóknu aðferðir læra. Þessir þættir skipta meginmáli við þróun ábyrgrar gervigreindar sem uppfyllir sértækar kröfur fjármálaiðnaðarins og tryggir siðferðilega og trausta innleiðingu.

Bókin er hugsuð fyrir fræðimenn, starfandi sérfræðinga, eftirlitsaðila og háskólanemendur. Í henni eru sameinaðar raunverulegar dæmisögur úr fjármálaumhverfi og verklegar æfingar sem nýtast nemendum vel. Einnig er skýrt sett fram það ramma­verk sem þarf til að skilja bæði tæknilega og siðferðislega þætti gervigreindar í fjármálum. Þetta er meira en kennslubók: bókin er framsækin leiðarvísir að uppbyggingu snjallra, gagnsærra og reglufylginna fjármálakerfa,

segir María. Hún og höfundarnir tveir, Christian og Sebastian, hafa starfað saman um árabil að rannsóknum og birtingu greina tengdum bankastarfsemi. Í gegnum samstarfið fundu þau síendurtekið fyrir því að þau vantaði sameiginlega heimild til að vísa samstarfsfólki og nemendum í faginu á.

Vandinn var augljós: Notandi sem hafði áhuga á djúpnámi í bankastarfsemi þurfti að velja eina af mörgum bókum um djúpnám, leita að viðeigandi fræðigreinum um gervigreind í bankastarfsemi, lesa Basel-regluverkið og staðbundna innleiðingu þess, og finna sértæk regluskjöl um notkun ómótaðra gagna frá aðilum eins og Fed, Evrópska seðlabankanum og öðrum stofnunum. Það vantaði heildstætt verk og því tókum við okkur saman um að skrifa bók þar sem fjallað er um áskoranirnar við að vinna með fjölbreytt gögn í bankastarfsemi, bæði út frá hagnýtu sjónarhorni svo og regluverki. Um leið er þar að finna fræðilegan grunn að líkönunum og sýnt hvernig megi þjálfa þau með verklegum æfingum,

segir María og bætir við að stærstan hluta starfsferils síns hhafi hún verið svo heppin að fá að vinna að innleiðingu fjölbreyttra gervigreindarlausna á ólíkum sviðum, til dæmis með fjármálastofnunum, tryggingafyrirtækjum, í svefnrannsóknum, fjarskiptum og tölvuleikjum. Hún segir þau höfundana vonast eftir því að bókin verði það rit sem miðað við sé við innan fjármálastofnana og skóla, sérstaklega á þeim sviðum, og í þeim námsleiðum, þar sem áhersla er á gagnadrifina áhættustjórnun.

Þar sem bankastarfsemi er líklega það svið heimsins sem mest er reglusetningu bundið hvað varðar gagnavísindi er rökrétt að hafa eitt úrræði sem getur bent lesandanum á áskoranirnar sem iðnaðurinn stendur frammi fyrir. Nánari atriði varðandi innleiðingu djúpnámslíkana í bankastarfsemi eru fjölbreytt. Samkvæmt sumum notkunarleiðum eru settar strangar skorður á notkun gagna af öðrum toga, svo sem mynda eða gagna úr tengslanetum, í mati á neytendalánum. Í öðrum leiðum er hvatt til þess t.a.m. með notkun textagagna í peningaþvættisvörnum. Að vita hvenær þessar gagnaheimildir koma við sögu, og hverjar áskoranirnar eru við notkun þeirra í bankastarfsemi mun, að okkar mati, flýta fyrir innleiðingu nýrrar tækni og ábyrgrar þróunar og útsetningar gervigreindar,

segir María og bætir við að þau séu bjartsýn á það að ábyrg notkun gervigreindar í bankastarfsemi geti stuðlað að nýsköpun og vexti. Með þetta að leiðarljósi sé markimiðið með bókinni það að veita þau verkfæri sem þarf til að rata um frumskóg nýrra gervigreindarlausna án þess að falla í gildrur þróunar þeirra. Einnig veiti hún ákveðið aðhald hvað varðar bestu, mögulegu starfsvenjur fyrir siðferðilega innileiðingu á meðan við séum einfaldlega ekki komin á það stig að geta tryggt örugga innleiðingu gervigreindar.

Það er engin leið að setja andann aftur í flöskuna og gervigreind mun verða óaðskiljanlegur hluti bankastarfsemi. Markmið okkar með þessari bók var því að búa til úrræði til að styðja lesandann í að skapa lausnir sem eru öruggar, arðbærar og afkastamiklar,

segir María að lokum.