Uczenie maszynowe / ML

Michał Nowakowski, Head of NewTech w NGL Advisory oraz Counsel w NGL Legal, założyciel www.finregtech.pl, wykładowca studiów podyplomowych SGH: FinTech ‒ nowe zjawiska i technologie na rynku finansowym.
Komentarze ekspertów

Przed wdrożeniem rozwiązań opartych o nowe technologie warto zadawać właściwe pytania dostawcy

Wdrażanie rozwiązań opartych o rozwiązania techniczne, do których zaliczyć możemy m.in. uczenie maszynowe i głębokie, technologię rozproszonego rejestru i łańcucha bloków, czy też wykorzystanie chmury obliczeniowej, może być sporym wyzwaniem dla instytucji podlegającej specyficznym wymogom prawnym i regulacyjnym związanym z działalnością w określonym obszarze czy sektorze, podkreśla Michał Nowakowski.

sztuczna inteligencja, człowiek trzymający w dłoniach wirtualny mózg
Komentarze ekspertów

Systemy zarządzania ryzykiem w kontekście wykorzystania uczenia maszynowego ‒ ryzykowna akcja z użyciem AI?

Każda działalność dotykająca człowieka i jego otoczenie może generować określone ryzyka. Ryzyka te mogą mieć bardziej lub mniej widoczny charakter, a także wpływać mniej lub bardziej na osobę dotkniętą tymi ryzykami, rozumianymi jako prawdopodobieństwo zmaterializowania się określonych zdarzeń, które mogą mieć negatywne konsekwencje dla szerokiego kręgu „aktorów”, nie tylko samego podmiotu, który naraża się na to ryzyko. Ryzyka mogą mieć charakter zarówno wewnętrzny, jak i zewnętrzny, jak również poddawać się lub nie zarządzaniu, a więc swoistemu przeciwdziałaniu takiej negatywnej materializacji, pisze Michał Nowakowski.

Michał Nowakowski, Head of NewTech w NGL Advisory oraz Counsel w NGL Legal, założyciel www.finregtech.pl, wykładowca studiów podyplomowych SGH: FinTech ‒ nowe zjawiska i technologie na rynku finansowym.
Komentarze ekspertów

Kultura data-driven w praktyce: budowanie organizacji opartej o (dobre) dane

Nie ma wątpliwości, że rozwiązania oparte o analitykę danych i automatyzację procesów z nimi związanych pozostaną z nami na dłużej, a za kilka lat staną jest czymś zupełnie naturalnym, jak dzisiaj np. smartfony. Coraz częściej wykorzystujemy uczenie maszynowe czy głębokie, a także przetwarzanie języka naturalnego, rozpoznawanie mowy i obrazów, a pole do wykorzystania nowych rozwiązań stale się poszerza. Niektóre źródła podają, że do 2027 r. rynek dla uczenia maszynowego urośnie do 117 mld dolarów, choć wydaje się, że to dane mocno niedoszacowane, pisze Michał Nowakowski.

Michał Nowakowski, Head of NewTech w NGL Advisory oraz Counsel w NGL Legal, założyciel www.finregtech.pl, wykładowca studiów podyplomowych SGH: FinTech ‒ nowe zjawiska i technologie na rynku finansowym.
Komentarze ekspertów

„Czarne łabędzie” z perspektywy algorytmów i modeli uczenia maszynowego

Ostatnio poproszony zostałem o komentarz dotyczący zderzenia systemów sztucznej inteligencji z nieprzewidywalnymi (nieprzewidzianymi?) wydarzeniami, które Nicholas Taleb określił czarnymi łabędziami. To temat niezwykle ciekawy, bo w dzisiejszych czasach zdajemy się bardzo (nad)polegać na nowych technologiach, a w szczególności rozwiązaniach, które tak szumnie nazywamy sztuczną inteligencją, pisze Michał Nowakowski.

Michał Nowakowski, Head of NewTech w NGL Advisory oraz Counsel w NGL Legal, założyciel www.finregtech.pl, wykładowca studiów podyplomowych SGH: FinTech ‒ nowe zjawiska i technologie na rynku finansowym.
Komentarze ekspertów

Jakość czy ilość danych dla modeli uczenia maszynowego – co jest ważniejsze?

W kontekście danych wykorzystywanych na potrzeby trenowania i stosowania algorytmów i modeli uczenia maszynowego czy głębokiego powiedziano i napisano wiele. Mimo to dość często pokutuje przekonanie, że im więcej danych na potrzeby trenowania, walidacji i testowania – tym lepiej. I częściowo to prawda, bo im więcej dobrych jakościowo danych, tym lepiej dla trenowanego modelu. Sama ilość danych nie będzie jednak samoistnym wyznacznikiem skuteczności czy dokładności danego modelu, a już na pewno znacząca ilość danych o złej jakości nie przyczyni się do poprawy tych wskaźników. Ważniejsza, szczególnie w tych obszarach, które „dotykają” różnych sfer człowieka, jest ich jakość, która jednak jest trudna do jednoznacznego zdefiniowania, bowiem JAKOŚĆ zależy od tego do czego chcemy wykorzystać mechanizmy uczenia maszynowego czy głębokie, a nawet „zwykłą” statystykę, pisze Michał Nowakowski.

Maksymilian Paczyński, laureat w globalnym konkursie AI Global Impact Festival
Multimedia

Aplikacja stworzona przez licealistę z Polski pomaga zapobiegać wypadkom drogowym

– Sam system jazdy autonomicznej od strony technologicznej będzie gotowy pewnie w perspektywie najbliższych dwóch lat – prognozuje dr Maciej Kawecki, Digital EU Ambassador i prezes Instytutu Lema. Znacznie dłużej zajmie nam jednak dopuszczenie autonomii pod względem legislacyjnym. Już dziś jednak sztuczna inteligencja, której rozwój jest warunkiem wprowadzenia pojazdów autonomicznych, znajduje w motoryzacji coraz więcej zastosowań. Pomaga m.in. monitorować poziom zmęczenia kierowcy i zapobiegać rozproszeniu jego uwagi, które może skutkować wypadkiem na drodze. Aplikacja stworzona w tym celu przez licealistę z Polski została niedawno wyróżniona w globalnym konkursie AI Global Impact Festival, organizowanym przez Intela.

Piotr Jaworski, członek Zarządu Orange Polska ds. Sieci i Technologii.
Cyberbezpieczeństwo

335 mln incydentów phishingowych zablokował CERT Orange Polska w 2021 roku

Rośnie skala, ale też skuteczność ochrony przed internetowymi zagrożeniami. CyberTarcza, która broni przed nimi użytkowników sieci mobilnej i stacjonarnej Orange, w 2021 roku ochroniła 4,5 mln osób przed utratą danych i pieniędzy – wynika z nowej edycji raportu CERT Orange Polska. Skala cyberprzestępczości szybko rośnie, bo już w I kwartale 2022 roku liczba klientów sieci Orange, ochronionych przed skutkami ataków, sięgnęła 2,25 mln. – W walce z cyberzagrożeniami pomagają rozwiązania oparte na uczeniu maszynowym i sztucznej inteligencji. Kluczowa jest też konsekwentna edukacja internautów – mówi Piotr Jaworski, członek Zarządu Orange Polska ds. Sieci i Technologii.

Michał Nowakowski, Head of NewTech w NGL Advisory oraz Counsel w NGL Legal, założyciel www.finregtech.pl, wykładowca studiów podyplomowych SGH: FinTech ‒ nowe zjawiska i technologie na rynku finansowym.
Komentarze ekspertów

Proces AI & Data Governance z perspektywy instytucji ‒ czy uczenie maszynowe potrzebuje własnego ładu?

Rozwój uczenia maszynowego i głębokiego, zaawansowanej analityki danych, a także mniej wyrafinowane metody statystyczne stają się coraz bardziej powszechne, a wielu z nas ma z nimi styczność, nawet o tym nie wiedząc. Ludzie coraz chętniej dzielą się swoimi danymi, niejako wzmacniając skuteczność algorytmów, zarówno względem nich samych, jak i pozostałych użytkowników, pisze Michał Nowakowski.

Michał Nowakowski, Head of NewTech w NGL Advisory oraz Counsel w NGL Legal, założyciel www.finregtech.pl, wykładowca studiów podyplomowych SGH: FinTech ‒ nowe zjawiska i technologie na rynku finansowym.
Komentarze ekspertów

Jak wiele tracimy zyskując na rozwoju chmury obliczeniowej i sztucznej inteligencji?

Rozwój nowych technologii ‒ niekoniecznie przełomowych ‒ powoduje, że stykamy się z coraz nowymi zagrożeniami, o których nawet nie mamy pojęcia, lub których skalę bagatelizujemy. Rozwój takich obszarów jak uczenie maszynowe i głębokie przetwarzanie danych biometrycznych, w tym behawioralnych, czy też popularyzacja finansów zdecentralizowanych, opartych o technologię rozproszonego rejestru i łańcucha bloków, ma jednak dla nas ‒ poszczególnych jednostek i całego społeczeństwa ‒ olbrzymie znaczenie. Bowiem z jednej strony daje szansę na lepsze życie, a z drugiej, być może bardziej prawdopodobne ‒ może wpędzić nas w prawdziwe tarapaty. Czy zastanawialiście się chociażby jak wiele tracimy zyskując na rozwoju chmury obliczeniowej i tzw. sztucznej inteligencji? Czy zastanawialiście jakie są koszty takiego rozwoju? I przede wszystkim: kto za tym wszystkim stoi? ‒ komentarz Michała Nowakowskiego.

Claudiu Constantinescu, Endava, dyrektor regionalny w Europie Środkowo-Wschodniej.
Technologie i innowacje

Endava redefiniuje relacje między ludźmi a technologią w bankowości i na rynkach kapitałowych

Endava ‒ firma IT rozpoczynająca właśnie działalność na polskim rynku – należy do światowych liderów w dostarczaniu najnowocześniejszych usług technologicznych. Jej celem jest wspieranie klientów w rozwoju ich własnych organizacji poprzez wykorzystanie skalowalnych rozwiązań Agile Distributed Enterprise. Firma współpracuje z klientami, łatwo integrując się z ich zespołami, katalizując pomysły i dostarczając solidne rozwiązania. Od ponad 20 lat Firma jest obecna w tym sektorze, współpracując z czołowymi graczami na rynku.

sztuczna inteligencja, avatar
Artykuły

Pięć pytań ‒ zanim zaczniesz wdrażać machine learning

Dzień pracy zaczynasz jak zawsze – kawa lub herbata, przegląd zaległych e-maili, sprawdzenie kalendarza i już biegniesz na pierwsze spotkanie. Tym razem Twój przełożony chce się spotkać, aby omówić strategię wdrożenia machine learningu w organizacji. Zapewne na ostatniej konferencji o innowacjach w branży usłyszał, jakie korzyści może przynieść jego zastosowanie. Do tej pory nie wykorzystywano w Twojej firmie zaawansowanej analityki, nikt nie bardzo wiedział, gdzie i jak jej użyć. Jednak w IT coraz częściej pojawiają się głosy, że warto zainwestować w te technologie, więc i Wy chcecie skorzystać z jej dobrodziejstwa. Tylko jak to wszystko poukładać, skoro nikt wcześniej się tym nie zajmował? ‒ analiza ekspertów Britenet.

prof. Jan Kreft z Katedry Zarządzania Politechniki Gdańskiej.
Technologie i innowacje

IT@BANK 2021: czy zagraża nam algokracja?

Trzecie i ostatnie webinarium, zorganizowane w ramach tegorocznego IT@BANK, zapoczątkowało wystąpienie prezesa Związku Banków Polskich, Krzysztofa Pietraszkiewicza. Wyraził on nadzieję, że kolejne spotkanie za rok odbędzie się już w formule tradycyjnej, gdyż, jak zapewnił, wymiana poglądów, dyskusje w kuluarach a także nawiązanie nowych kontaktów stanowią wartość niemożliwą do osiągnięcia w sieci.

Rekomendacje EBA ws. ML
Komentarze ekspertów

Model nie zawsze musi być wyjaśnialny: EBA o uczeniu maszynowym na potrzeby modeli IRB

Europejski Urząd Nadzoru Bankowego opublikował ważny dokument dotyczący wykorzystywania uczenia maszynowego do modeli wewnętrznych (IRB) stosowanych przez banki, do którego można zgłaszać również uwagi do 11 lutego 2022 roku. Ciekawe jest to, że już na początku EBA wskazuje, że sposób wyliczania wymogów kapitałowych dla ryzyka kredytowego nie różni się od tego, jak wyglądało to 15 czy 20 lat temu, choć zaczynają się pojawiać nowe rozwiązania oparte przykładowo o uczenie maszynowe, które coraz szerzej są implementowane również przez banki, pisze Michał Nowakowski.

BANK 2021/09

Raport specjalny | SZTUCZNA INTELIGENCJA W FINANSACH | Strażnik bankowego skarbca

Niższe koszty, rosnąca wydajność, a do tego oferta lepiej dopasowana do potrzeb klientów. Śledząc tempo rozwoju technologii, trudno hamować oczekiwania związane z rozwiązaniami określanymi ogólnie mianem sztucznej inteligencji. Warto jednak zadać sobie pytanie, w jaki sposób maszyny „myślą”, czym konkretnie jest AI, i jakie zmiany przyniesie wzrost jej popularności.

STRONA 4 Z 6