Машинное обучение и искусственный интеллект – самые яркие и значимые технологические тренды сегодняшнего дня. Есть и другие – контекстная торговля, распознавание устной речи, цифровые помощники, но машинное обучение и искусственный интеллект – безусловные лидеры.

По мнению одного моего знакомого IT-директора, машинное обучение в приоритете, поскольку может помочь оптимизировать производственные и бизнес-процессы. Сам по себе искусственный интеллект – давно не новость, Спилберг снял одноименный фильм еще в 2001 году. Новизна заключается именно в тех разработках, которыми занимаются Google и IBM.

Watson от IBM – самый известный широкой публике суперкомпьютер, оснащенный вопросно-ответной системой искусственного интеллекта. Еще в 2011 году он победил в американской телевикторине Jeopardy! Watson, названная в честь основателя IBM Томаса Дж. Уотсона, – это когнитивная технология, ее задача – понимать вопросы, сформулированные на естественном языке, и находить ответы в базе данных. Она обрабатывает информацию скорее как человек, а не компьютер.

Суперкомпьютер Watson работает со скоростью 80 терафлопс (триллион операций над числами с плавающей точкой) в секунду. Стремясь воспроизвести (а то и превзойти) нашу способность отвечать на вопросы, Watson обращается к 90 серверам, где хранится 200 миллионов страниц, а за обработку информации отвечают шесть миллионов логических правил. Суперкомпьютер и хранилище данных занимают пространство, где могло бы уместиться десять холодильников.

Тем временем в начале 2014 года Google в рамках разработки искусственного интеллекта приобрел лондонскую компанию DeepMind. Теперь DeepMind пишет программы, способные обыгрывать людей в видеоиграх и даже побеждать чемпиона мира по игре го, самой сложной логической игре на планете.

Этим разработки в области искусственного интеллекта не исчерпываются. Microsoft занимается проектом ADAM (ключевая служба каталогов, облегчающая доступ к каталогам Windows Server). Facebook предоставляет в свободное использование свои инструменты глубокого обучения, действует сервис для построения моделей машинного обучения и создания прогнозов от компании Amazon, а Apple продолжает развивать цифрового помощника Siri и совершенствовать распознавание в iOS. Подобные разработки ведут не только лидеры рынка, но и множество более мелких компаний.

А зачем вообще развивать искусственный интеллект?

Банкам определенно нужен искусственный интеллект. Технологические гиганты обучают машины распознавать лица на фотографиях, понимать устную речь и мгновенно переводить ее с одного языка на другой. Благодаря этому люди могут говорить со своим банком, а банковская система мгновенно выявлять мошеннические транзакции.

PayPal использует глубокое обучение для отслеживания мошеннических операций, и это не единственный способ применения искусственного интеллекта в банкинге. Например, некоторые компании, специализирующиеся на микрофинансировании и микрокредитовании в режиме реального времени, используют аналитические программы для оценки кредитоспособности заявителя. Быстро развивается глубокий анализ данных в маркетинге (эффективность рекламных кампаний), торговле (построение прогностических моделей цен, волатильности и т. д.), в управлении инвестиционными портфелями (расчет эффективности) и управлении рисками в целом (попытки точнее их оценить).

Компания UBS использует глубокий анализ данных в сочетании с машинным обучением для перманентного изучения инвестиционных портфелей своих клиентов, чтобы каждого из них максимально точно проконсультировать, предоставляя персонализированные услуги каждый день, – меня это весьма впечатлило. Я также был заинтригован, услышав, что в DBS обсуждается использование суперкомпьютера Watson от IBM. DBS, подобно UBS, использует глубокий анализ данных для оптимизации консультирования и обслуживания клиентов. Менеджеры DBS по работе с клиентами не тратят время на просмотр отчетов по рынку – они используют эти часы для встреч с клиентами, а всю необходимую информацию им предоставляет Watson.

Нет сомнений, что будущее за искусственным интеллектом: разработка пользовательских интерфейсов, повышение удобства взаимодействия с пользователем, автоматическое обнаружение мошенничества и создания высоко персонализированных прогностических сервисов. Банки давно стремятся заменить сотрудников-трейдеров машинами. Сейчас на рынке сосуществуют активные (в них действует человек) и пассивные (в них действует машина) трейдинговые системы. Если перестроить высокочастотный трейдинг на базе машинного обучения и искусственного интеллекта, без трейдеров-людей вполне можно обойтись.

В 2016 году в Financial Times вышла статья, обрисовавшая проблемы, которые вскоре встанут перед энергичными менеджерами инвестиционных фондов (активы под их управлением должны демонстрировать более высокую доходность, чем среднерыночный индекс). Большинству не удается идти с опережением рынка (особенно на длинной дистанции), а те, кому это под силу, в конце концов обнаруживают, что динамика идет на спад. Зато их новые конкуренты полны оптимизма, ведь всю информацию и все необходимые выводы им предоставляет компьютер. Клиенты массово переходят к индексным фондам. К маю 2016 года активные трейдеры лишились активов на $213 млрд, тогда как пассивные фонды пополнились $240 млрд. Под угрозой оказалась норма прибыли – традиционно одна из самых высоких в финансовом мире, и кажется, что вот-вот доходы трейдеров-людей начнут падать, ведь только 15 % из них стабильно удается превышать среднерыночные показатели.

Все это серьезные доводы, чтобы заменить трейдеров машинами. Согласно недавнему отчету Tabb Group, компьютеры рано или поздно полностью вытеснят людей из трейдинга, поскольку люди обходятся довольно дорого, к тому же они допускают ошибки. Финансовые учреждения тратят на персонал примерно втрое больше, чем на оборудование, программы и данные. Это не означает, что в трейдинге вообще не останется людей – новые рабочие места займут те, кто способен создавать технологии и управлять ими.

Согласно отчету Aite Group, составленному в 2014 году, на форекс-трейдинг приходилось 20 % рынка в 2001 году, 66 % рынка в 2013 году, а к 2018 году эта доля должна вырасти до 76 %. К 2018 году примерно 81 % спотовых торгов станут электронными. Весь финансовый сектор – от валютного рынка до торговли ценными бумагами – электронифицируется, чтобы структурировать продукты, управление частным капиталом, консультирование, услуги и пр. Правда, при всех этих изменениях для людей-трейдеров, которые смогут побеждать машины, видимо, останется место. Однако это будет совсем другая игра.