Pentru profani poate sa para Sci-Fi, si chiar infricosator, dar invatarea unui calculator sa gandeasca ca un om este poate cea mai mare provocare intelectuala a unui programator, acest domeniu de studiu incredibil de captivant avand in acelasi timp aplicabilitate in aproape orice domeniu, inclusiv in industria bancara si in finante.

De ce este insa asa de provocatoare tehnologia machine learning? Sa luam exemplul unui copil, care, in baza unui joc foarte simplu de invatare, poate sa recunoasca imaginea unui caine din mai multe imagini relativ asemanatoare, dar care nu reprezinta indragitul patruped.

Prin observatii repetate, confirmate de parinte, un copil va recunoaste cu usurinta in care imagine este animalul de companie, insa un calculator nu va face o astfel de operatiune fara un algoritm care sa ii spuna cum sa o faca. Insa, pentru ca un calculator fara un model de machine learning in spate sa recunoasca un caine intr-o imagine ar insemna sa aiba acces la o baza de date cu toate imaginile cu patrupede din aceasta lume.

Ei bine, prin machine learning, un calculator "invata singur" sa recunoasca un element din mai multe imagini si sa faca predictii pe baza unor date, in baza unui algoritm care mimeaza modul in care si creierul uman ia decizii, adica prin asa numitele retele neuronale.

Frumusetea acestei tehnologii este ca tinteste perfectiunea, pentru ca masinile de calcul pot recunoaste cu o precizie ce depaseste in prezent 90% limbajul uman, imaginile, diferitele limbi straine pe care apoi sa le traduca sau chiar sa raspunda automat la email-urile primite, intelegand modul si cuvintele pe care insusi userul le-ar fi folosit.

Robert Saxby, specialist in Big Data si Machine Learning la Google, a vorbit intr-un interviu acordat wall-street.ro si la prezentarea sustinuta in Romania la INGLovesIT despre cele mai populare aplicatii care utilizeaza tehnologia de machine learning si care sunt ingredientele pentru evolutiile spectaculoase din acest domeniu.

El a precizat ca, desi informaticienii lucreaza pe acest concept din anii '60, o evolutie spectaculoasa a avut loc in ultimii ani, bazata mult de tot si pe cresterea cloud-ului. Un proces de machine learning bun are la baza: seturi mari de date, modele bune pe baza carora sa interpreteze datele si multa putere de calcul, pentru ca "daca nu ai calculatoare imense in spate nu vei putea sa faci toata aceasta munca".

Este evident ca tehnologia de machine learning este facuta pentru cloud, pentru ca putem sa aducem toate aceste ingediente impreuna - Robert Saxby

In prezent, una dintre cele mai folosite aplicatii ce implica machine learning in industria financiara este OCR-izarea datelor, cand prin scanarea unei imagini sau a carti de identitate a clientului, calculatorul intelege despre ce client este vorba si poate sa ii transforme imaginea si datele de pe un buletin in informatii stocate in format electronic.

Alte aplicatii la fel de populare in aria machine learning si sustinute de Google sunt convertirea speech-lui in text sau traducerea limbilor straine, cele mai avansate astfel de proiecte fiind atat de precise in ceea ce priveste calitata traducerii incat studentii au avut dificultati sa recunoasca texele traduse de computere, a spus Robert la INGLovesIT.

Cum schimba machine learning lumea financiara

De exemplu, clientii Google folosesc machine learning in analiza datelor din serii cronologice si, pe masura ce aceste tipuri de date devin tot mai dense si incep sa se suprapuna, tehnologia machine learning ofera o solutie pentru a separa semalele de zgomotul de fundal. Echipe mici pot agrega si rula proiecte de machine learning pe seturi de date imense din lumea reala pentru a realiza analize predictive in ceea ce priveste fraudele si detectia unor anomalii in acest domeniu specific.

"Este aproape imposibil sa estimez cum va arata viitorul. Lucram cu provocari mari in acest domeniu, cum ar fi intelegerea limbajului si vizualurilor, dar vedem progrese importante care se reflecta in produsele noastre", a subliniat Robert.

Intrebat despre riscurile ca evolutiile in domeniul machine learning sa reduca nevoie de profesionisti din industria financiara, specialistul Google sustine ca, la fel ca in cazul altor tehnologii, societatea trebuie sa se adapteze la noile realitati, dar aceste evolutii au dus in general la o tranzitie catre slujbe mult mai bune, mai sigure si mai satisfacatoare.

In plus, orice evolutie tehnologica adreseaza in cele din urma fericirea oamenilor, raportandu-ne la nevoile primare pentru locuinta, securitate si sanatate. "Este important sa avem un job satisfacator, dar asta nu inseamna ca trebuie sa muncim mai mult".

Totusi, Robert spune ca este inca devreme sa ne gandim ca un calculator ar putea oferi sfaturi financiare mai bune decat un specialist, dar retelele neuronale aplicate in sfera finantelor au reusit sa creeze procese mai bune pentru cunoasterea clientilor, analiza sentimentelor consumatorilor sau procedurile de preventie a spalarii banilor.