機械学習インサイトディレクター【パート3：ファイナンスエディション】
Machine Learning Insight Director [Part 3 Finance Edition]
もしMLソリューションをより速く構築したい場合は、hf.co/supportを今すぐご覧ください！
👋 MLインサイトシリーズディレクター、ファイナンスエディションへようこそ！以前のエディションを見逃した場合は、以下で見つけることができます：
- Machine Learning Insightsディレクター[パート1]
- Machine Learning Insightsディレクター[パート2：SaaSエディション]
ファイナンスの機械学習ディレクターは、レガシーシステムの航海、解釈可能なモデルの展開、および顧客の信頼の維持といった独自の課題に直面しています。また、政府の監督が多く、高度に規制されています。これらの課題には、効果的に導くために深い業界知識と技術的な専門知識が必要です。以下のアメリカン・バンク、カナダ王立銀行、ムーディーズ・アナリティクス、および元ブルームバーグAIの研究科学者からの専門家は、機械学習×ファイナンスセクター内のユニークな知見を提供しています。
ギリシャのナショナルジュニアテニスチャンピオン、100以上の特許を取得した出版者、世界最古のポロクラブ（カルカッタポロクラブ）で定期的にプレーしていたサイクルポロプレーヤーなど、彼らはすべて金融MLの専門家に転身しました。
- IntelとHugging Faceがパートナーシップを結び、機械学習ハードウェアアクセラレーションを民主化する
- 世界最大のオープンマルチリンガル言語モデル「BLOOM」をご紹介します
- TF Servingを使用してHugging FaceでTensorFlow Visionモデルを展開する
🚀 トップな金融MLマーベリックからの洞察をご紹介します：
免責事項：すべての意見は個人のものであり、過去または現在の雇用主からのものではありません。
イオアニス・バカギアニス – RBCの機械学習マーケティングサイエンスディレクター
バックグラウンド：スケーラブルな、本番用の最先端の機械学習ソリューションを提供する経験豊富な情熱的な機械学習エキスパート。イオアニスはまた、Bak Up Podcastのホストでもあり、AIを通じて世界に影響を与えることを目指しています。
おもしろい事実：イオアニスはギリシャのナショナルジュニアテニスチャンピオンでした。🏆
RBC：世界的な組織は、キャピタルマーケット、銀行および金融において革新的かつ信頼できるパートナーとしてRBCキャピタルマーケットを見ています。
1. 機械学習が金融にどのようなポジティブな影響をもたらしましたか？
私たちは皆、MLがすべての産業において破壊的な力であり、常に新たなビジネスの機会を創出していることを知っています。個人用保険やターゲットマーケティングなど、多くの金融製品がMLの影響で作られたり変更されたりしています。
破壊と利益は素晴らしいですが、私のお気に入りの金融的な影響は、MLによって金融の意思決定における信頼についての会話が始まったことです。
過去には、ローンの承認、金利決定、ポートフォリオ管理などの金融の意思決定は、関連する専門知識を持つ人間によって行われてきました。基本的に、人々は金融の意思決定について「他の人」または「専門家」を信頼していました（そしてしばしば疑問を抱かずに）。
MLがその意思決定プロセスを自動化しようとすると、人々は「なぜモデルを信頼すべきか？」と尋ねました。モデルは、正直に働く人々を置き換える運命のブラックボックスのように見えました。しかし、それは金融の意思決定と倫理についての信頼の会話を開始しました。
業界として、私たちはまだこの会話を定義し続けていますが、MLによる透明性の向上により、金融業界での信頼についての会話が進んでいます。
2. 金融業界における最大の機械学習の課題は何ですか？
私は企業を代表するわけではありませんが、確立された金融機関はすべての長寿組織と同じように、一貫した戦いを経験しています：レガシーシステムです。
金融機関は長い間存在しており、時間とともに進化してきましたが、今日では「テック企業」としての立場になっています。このような組織は、新進企業の競争に参加できるようにしておくために、最先端技術の一部である必要がありますが、同時に、私たちの金融世界が機能する堅牢性を維持する必要もあります。
この内部の闘いは、機関のリスクアペタイトによって歪められます。金融リスクは、提供するソリューションのスケールとともに（通常は）線形に増加します。お金に関わるためです。しかし、それに加えて、システムの障害によって発生する他のリスクもあります。たとえば、規制リスクや評判リスクなどです。この複合リスクと、巨大で成熟したシステムを新しいテックスタックに移行する複雑さは、少なくとも私の意見では、MLなどの最先端技術を導入する際の最大の課題です。
3. 金融アプリケーションにMLを統合しようとする際によく見られる間違いは何ですか？
MLは、最近の注目にもかかわらず、ソフトウェアエンジニアリングにおける比較的新しい分野です。MLアプリケーションの展開は、しばしば明確に定義されたプロセスではありません。アーティスト/エンジニアはMLアプリケーションを提供できますが、その周りの世界はまだ技術的なプロセスに慣れていません。技術と非技術の世界の交差点で、最も「間違い」が起きると私は見ています。
適切なビジネスとML KPIを最適化し、正しい目的関数や望ましいラベルを定義することは難しいです。予測ウィンドウが望ましくないためにアプリケーションが無駄になったり、間違ったラベルを予測したりすることがあります。
最悪の結果は、開発段階での調整不足が明らかにされずに本番環境に入ってしまうことです。
その場合、アプリケーションは望ましくないユーザーの振る舞いを引き起こしたり、単に間違ったものを測定/予測することがあります。残念ながら、私たちはMLチームにツールと計算力を備えさせる傾向がありますが、しっかりしたプロセスとコミュニケーションのバッファを与えることはありません。そして、定義されていないプロセスの初めのミスは、ステップごとに拡大していきます。
4. 機械学習の将来について最もワクワクすることは何ですか？
機械学習から生まれる新しいものに興奮しないのは難しいです。この分野は頻繁に変化するので、新鮮です。
現在、私たちは個々の問題を解決するのに長けています：コンピュータビジョン、次の単語予測、データポイントの生成などですが、同時に複数の問題に取り組むことはできていません。数学的な表現でそうした振る舞いをモデル化できる方法に興奮しています。現在は互いに矛盾しているように思えるので、早くそこにたどり着けることを願っています！
デバンジャン・マハタ – ムーディーズ・アナリティクスのAI＆MLディレクター / 元ブルームバーグAIの研究科学者
経歴：デバンジャンはムーディーズ・アナリティクスのAIチームの機械学習ディレクターであり、またインドのIIIT-Delhiで非常勤講師も務めています。彼は活発な研究者であり、現在は情報抽出のさまざまな問題やNLPにおけるドメイン適応技術に興味を持っています。彼はさまざまなユースケースに機械学習を導入し適用することの実績があります。彼は機械学習のトップカンファレンスのプログラム委員会に積極的に参加しています。
おもしろい事実：デバンジャンは子供の頃に世界最古のポロクラブであるカルカッタポロクラブでサイクルポロをプレーしました。
ムーディーズ・アナリティクス：クライアントの成長、効率、リスク管理の目標を支援する金融情報と分析ツールを提供しています。
1. 機械学習が金融に与えたポジティブな影響は何ですか？
機械学習（ML）は、金融業界においてさまざまな方法で重要なポジティブな影響を与えています。例えば、金融犯罪の撲滅や不正取引の特定に役立っています。機械学習は、顧客の知識（KYC）スクリーニングやマネーロンダリング防止（AML）などのアプリケーションにおいて重要なツールとなっています。AMLによる金融機関の罰金の増加、制裁の領域の変化、マネーロンダリングの複雑さが増す中、銀行はKYCやAMLの技術への投資を増やしており、その多くは機械学習によって支えられています。機械学習は、特にさまざまなプロセスを自動化し、アナリストがより効率的かつ正確に仕事をするのを支援することで、このセクターの複数の側面を革新しています。
MLの最も有用な特徴の1つは、大量のデータから学習し、隠れたパターンを見つけることができることです。デジタル化に重点を置いた金融セクターは、これまで以上にデジタルデータを生成しており、人間が理解し、処理し、意思決定することが困難になっています。MLは、データを理解し、情報を抽出し、適切な意思決定をするための人間を支援しています。ムーディーズ・アナリティクスでは、MLを活用してクライアントのリスクをより良く管理し、ビジネスや業界の要求に応えています。
2. 金融業界における最大の機械学習の課題は何ですか？
-
True Positivesに影響を与えずにFalse Positivesを減らすこと – レグテック領域で機械学習を使用する多くのアプリケーションはアラートに依存しています。厳しい規制措置と誤った意思決定の大きな財務的影響のため、人間の調査は時間と労力を要します。機械学習は、人間のアナリストが正しい意思決定にたどり着くのを支援するため、これらのシナリオで役立ちます。しかし、MLシステムが多くのFalse Positivesを引き起こす場合、アナリストの仕事がより困難になります。金融業界におけるMLの重要な課題は、適切なバランスを見つけることです。
-
基礎研究と教育におけるMLと金融業界におけるMLのギャップ – 金融業界の規制の性質から、MLの基礎研究と金融業界との間でアイデア、データ、リソースの交換が制限されていることがあります。もちろん、いくつかの例外もあります。これにより、金融業界のニーズに対応するML研究の開発が不足しています。このギャップを減らすために、さらなる努力が必要です。さもないと、金融業界が最新のMLの進歩を活用することはますます困難になるでしょう。
-
レガシーなインフラストラクチャとデータベース – 多くの金融機関はまだレガシーなインフラストラクチャを持ち続けており、これが現代のML技術を適用するのを困難にしています。金融業界は、新しいインフラストラクチャの開発やMLの専門家が革新し、より大きな影響を与えるための技術業界のベストプラクティスを借りることから利益を得るでしょう。業界全体でMLを実施する際には、さまざまな課題が存在します。
-
データと
3. 金融アプリケーションに機械学習を統合しようとする際、よく見られる間違いは何ですか？
- データを十分に理解せず、それらに基づいて訓練された機械学習モデルによる生の予測を理解しないこと。
- 失敗した試みを分析せず、それから学ぶこと。
- 最終的なアプリケーションとその使用方法を理解しないこと。
- 簡単な解決策で十分な場合でも、複雑な技術を試すこと。
4. 機械学習の将来について、最もワクワクすることは何ですか？
現代の機械学習モデルが、大量のデータに対して自己教師あり学習を使用して、テキスト、音声、画像、動画、コードなどの豊かな表現を学ぶ様子には本当に驚かされます。将来は確かにマルチモーダルとなり、機械学習の視点からマルチモーダルなコンテンツの理解においても一貫した進歩がありました。私はこれが近い将来で重要な役割を果たすと考えており、それに興奮し、その進歩の一部になることを楽しみにしています。
Soumitri Kolavennu – アメリカ合衆国銀行の人工知能リーダー – エンタープライズアナリティクス＆AI
経歴： Soumitri Kolavennuは、アメリカ合衆国銀行のエンタープライズアナリティクス＆AI組織のAI研究担当シニアバイスプレジデント兼リーダーです。現在、彼はディープラーニングベースのNLP、ビジョン＆オーディオ解析、グラフニューラルネットワーク、センサー/知識融合、時系列データを使った自動化、情報抽出、不正検出、マネーロンダリングなどの金融システムにおけるアプリケーションに重点を置いています。
以前は、彼はハネウェルインターナショナル株式会社でフェローズリーダー兼シニアフェローのポジションを務め、スマートホーム、スマートシティ、産業および自動車システムに応用されるIoTおよび制御システムに取り組んでいました。
おもしろい事実： Soumitriは、制御システム、IoT、無線ネットワーキング、最適化、ターボチャージング、音声認識、機械学習、AIなど、さまざまな分野で100以上の米国特許を取得しています。また、30以上の出版物、書籍、書籍の章、NISTのスマートグリッド委員会の選出委員としても活動しています。
アメリカ合衆国銀行：アメリカ合衆国最大の地方銀行であり、関係チーム、支店、ATMネットワークとデジタルツールを組み合わせて、顧客が好きなとき、好きな場所、好きな方法で銀行取引を行えるようにしています。
1. 機械学習が金融に与えたポジティブな影響は何ですか？
機械学習と人工知能は、金融全般および特に銀行業界において深いかつポジティブな影響を与えています。銀行業界には、意思決定の際に多くの要素（特徴）を考慮する必要がある多くのアプリケーションがあり、機械学習はこれらの面で伝統的に役立っています。たとえば、私たちが普遍的に頼りにしている信用スコアは、機械学習アルゴリズムによって導出されています。
さらに、機械学習は年々人間の偏見を排除し、一貫したアルゴリズム的なアプローチを提供してきました。たとえば、クレジットカード/ローンの審査や住宅ローンでは、現代のAI技術は、より多くの要素（自由形式のテキスト、行動トレンド、社会的および財務的な相互作用）を考慮しながら、詐欺も検出することができます。
2. 金融業界における最大の機械学習の課題は何ですか？
金融および銀行業界では、その業界の性質により多くの課題があります。まず第一に、金融業界は多くの点で政府の監督下にある高度に規制された業界です。通常使用されるデータは非常に個人的で識別可能なデータ（社会保障番号、銀行取引明細書、税務記録など）です。そのため、プライバシーを保護し、偏りのない機械学習モデルを作成するために多くの注意が払われています。多くの政府の規制は、どのような理由でローンが否認されたのかを説明することを求めています。
一方、金融業界では他の業界では不足しているデータが豊富です（たとえば、住宅ローンの記録は30年間保持する必要があります）。データのデジタル化の現在のトレンドとより洗練されたAI/機械学習技術の急速な発展により、これらの進歩の適用にはユニークな機会が生まれました。
3. 金融アプリケーションに機械学習を統合しようとする際、人々がよく見る間違いは何ですか？
最も一般的な間違いは、モデルやテクニックを理解せずに使用することです。モデルの基本的な動作原理、利点、欠点を理解することは重要です。人々はAI/MLモデルを「ブラックボックス」と考えがちです。金融分野では、モデルを理解し、その出力を説明できることが特に重要です。また、代表的な入力空間でモデルを包括的にテストしないことも間違いです。モデルのパフォーマンス、検証、推論能力、モデルのモニタリング（再学習間隔）は、モデルを選ぶ際に考慮する必要があります。
4. 機械学習の未来について、何が最もワクワクしていますか？
現在は、応用機械学習とAIの分野で活躍する絶好の時期です。AI/MLの技術は、多くの科学分野を改良または再定義しています。現在進行中のすべての開発が将来の姿を変えることに非常に興奮しています。
NLPで働き始めた当初、ニューラルネットワーク/言語モデルが単語、文法に関連する文、さらには段落を表す数値やベクトル（現在は埋め込みと呼んでいます）を生成する能力に感動しました。私たちはますます適切で文脈に沿った埋め込みを求めています。
「単純な」テキストの埋め込みから「マルチモーダル」の埋め込みに進化し、私にとってさらに感銘を受けるものとなりました。これらの新しい埋め込みを生成し、それらを使ってよりエキサイティングなアプリケーションを実現することに最もワクワクしています。
🤗 ML Director Insights の第3弾にご参加いただきありがとうございます。MLディレクターからのさらなる洞察をお楽しみに。
素晴らしい洞察と参加に感謝します、Soumitri Kolavennu、Debanjan Mahata、Ioannis Bakagiannisさん。これからもご成功を見守り、応援しています。🎉
Hugging Face Expertsを活用してMLのロードマップを加速させたい場合は、hf.co/supportをご覧ください。
We will continue to update VoAGI; if you have any questions or suggestions, please contact us!
Was this article helpful?
93 out of 132 found this helpful
Related articles
