金融业已经证明自己人工智能的早期采用者，相较于其他行业。因此，的应用人工智能和机器学习在金融有无数。交易商，财富管理在某种程度上，美国的保险公司和银行家可能都很清楚这一点。
也就是说，尽管他们可能经常在网上、活动中或办公室里听到“人工智能”，但他们不太可能完全理解我们所说的金融领域的人工智能的“能力空间”。这份全面的报告弥补了这一缺陷。
在这份报告中，我们提供了最流行和最突出的AI功能的概述可用银行，保险公司和其他金融机构和业务功能他们是很有用的。
这篇文章是在金融加快速度AI在各自领域获得领导明确写入。组织，如世界银行和联合国在我们打电话解释AI的外交官和政府领导人目前的应用而言每个人都能理解。因此，我们将讨论使用情况，应用程序和企业采用-not代码。
在Emerj，我们还可以得到在对金融机构与AI的研究人员和机器学习的头说我们每周播客，这极大地启发了我们对所覆盖空间的分析。在这篇文章中，我们将引用来自大银行和保险公司的博士和高管的话来进一步详细说明AI在金融领域的应用。
我们将开始我们的AI的概述在金融与AI进行交易，财富管理和投资银行：
交易，财富管理和投资银行业务
财富管理公司交易员,投资银行家可以使用自然语言处理（NLP）软件进行数据类似于银行和保险公司如何利用NLP矿社交媒体数据，承销和信用评分目的的方式开采。
例如，财富经理和交易员可以使用自然语言处理的投资研究目的。一个NLP的软件可以冲刷网页，查找有关并购的消息。他们还可以查找周边的某些公司的情绪得到消费者如何反应，他们的想法。
这可以让交易员、理财经理和投资银行家了解哪些股票可能会上涨或下跌，并让他们对如何处理客户当前的股票做出更明智的决定。
NLP的这种能力被称为情绪分析。情感分析可以为投资者提供见解哪些股票买入和卖出为他们的客户。我们涵盖了NLP金融在我们的报告中更多的使用的情况下，自然语言处理的应用在金融 - 3个电流应用。
此外，交易员，财富管理和投资银行可以使用预测分析软件将基本上预测哪些个股将产生最大的回报。该软件将在其中一次和关联某些数据点，以积极的股票收益数以千计的股票贯穿，从而腾出一个图表制作的时间对更高价值的任务。规定性分析软件将借此更进一步，建议交易者应该在任何特定时间购买或者交易哪只股票。
还有用于评估不同股票风险的机器学习应用程序，这同样可以帮助理财经理和投资银行家根据客户的风险状况为他们建立投资组合。我们将在报告中进一步讨论这些应用AI投资管理和资产管理。
所谓的“ROBO-顾问”（或数码咨询市场）是单向的，消费者可以使股票交易自己使用的机器学习的。大多数的ROBO-顾问应用程序的工作方式如下：
- 用户与应用程序创建一个帐户，并填写有关他们的银行和投资帐户的信息。
- 然后，用户提交有关其财务目标，如货币量的信息，他们希望通过他们达到退休年龄的时间，以节省
- 用户提供有关其风险概况的信息
- 在ROBO-顾问应用提供了一个平衡的股票投资组合，用户根据自己的目标和风险状况
亚历克斯·鲁，谁曾在微软，谷歌，百度，盛大和各种高级技术的角色工作Kavout的CEO表示，这关于机器人，我们的顾问他采访一下AI股票交易：
There’s a very interesting study…all the robotics advisory and financial planning done today is assuming you stick to the strategy for 30 or 35 years, but the study shows most people change their strategy every three to five years, which shows the assumption for all these robo-advisors does not work with all users…so we have to build new technology to take people’s behavior into consideration and come up with a more adaptive asset locator.
这似乎是目前ROBO-顾问的一个可能的下行空间。同样，在一般情况下，对投资和贸易AI能力相对较新的空间。外汇交易尤其是关于合法AI厂商荒芜。日经指数是采用能够建立和使用机器学习工作的人一堆的唯一一家公司，他们建立了自己的外汇交易解决方案的较量与帮助，从东京大学博士学位。
投资者和财富管理公司可能需要等待一两年，才能从更有信誉的供应商那里获得更普遍的人工智能解决方案。
数字化文件
也许最大的挑战之一大型银行和保险公司面对时，他们希望采用AI的是，大量的历史数据都保存在纸质文件，而不是数字空间。机器学习模型必然的培训上的数字数据，因此银行和保险企业需要确保他们雇用的数据科学家建立从供应商的解决方案，AI或购买AI软件之前，他们自己的数字化旧文件。
对他们来说幸运的是，有机器视觉软件可以提供帮助数字化文件。银行和保险公司的员工可以将纸质文件扫描成pdf格式，然后上传到文件数字化软件中。然后，机器视觉算法可以遍历PDF文件并“读取”它们所说的内容，将PDF文件中的单词填充到数字版本的文档中。
这种数字化的可用于基于人工智能的搜索功能准备文件，正如我们在下一节审查。
搜索在文档的大型数据库
也许仅次于文件数字化，金融机构经常在其庞大的数字文件存储中搜索，并找到他们正在寻找的信息，自然语言处理可以帮助解决这个问题。
文档搜索和数据挖掘是广泛的功能，可以帮助在银行，保险公司和信用卡公司员工以各种方式。例如，文档搜索功能可以帮助银行分析抵押贷款申请，以查明他们是否错过任何信息，除其它使用情况。这可以让员工在通常会人工审查文件到银行，而不是专注于更复杂的任务。
搜索系统可以在一个方式，让员工在金融机构有机地输入到搜索栏，并找到服务于他们的意图多个文档的一系列段的不同文件还集群段落。从本质上说，NLP可以允许更细致入微的，上下文载货“CTRL F”功能跨越公司的文档整个数据库。
我们采访贾科莫Domeniconi博士，博士后研究员在IBM TJ沃森研究中心和纽约大学的兼职教授，进行了一系列的白皮书对铁山。据Domeniconi：
搜索可以根据上下文检索结构化和非结构化数据的信息可能不是远离现在的工具。这可能尤其是在像银行业在公司有经济资源花费在收集来自结构化和非结构化数据的信息真实。
承销
包销是一个相对新生的使用情况在银行业和保险业的人工智能，但它很可能在未来几年内获得显著的牵引力。银行和保险公司可以使用各种机器学习办法，以评估申请人是否有可能偿还其贷款，或确定其溢价应该是多少。
自然语言处理可以让银行和保险公司挖掘申请人的公共网络活动，比如他们的社交媒体帖子。这将使他们能够确定申请人是否在公共论坛上显示出值得信任的迹象。例如，银行可能不太愿意为那些因为没有钱付房租而不断发帖说要避开房东的人提供贷款。
有些公司还提供机器视觉软件出售财产险保险公司。普分析也许是最引人注目的一群雇用了一支具有实际知道如何建立与机器学习软件工作的高度可能性。（这往往并非如此，和公司应该知道，很多AI厂商实际上小于真实对于自己的要求，以充分利用AI）。
普分析提供机器视觉算法，该公司宣称可以通过一块地产的卫星图像运行，并指出可能会感兴趣的保险公司，该财产的方面，如蹦床，台球，或者可能是容易折断的树木。这将不必送员工出去的财产，以检查其保存的保险公司。
尽管示范视频公司提供其软件在很大程度上是纯粹的市场，但它提供朝端软件的性能分析能力的直观表示：
其他公司则提供预测和规定性分析软件。银行和保险公司将首先把客户的历史数据上传到软件中。这些数据可能包括客户贷款和保险支付，以及他们是否按时支付，以及大量其他数据点。
然后，该软件将利用这一数据来计算的可能性，类似的新客户，以客户过往特点是偿还贷款或进入了车祸，例如。再保险商可能会作出是否同意承保贷款或保险的最终决定。
信用评分
类似地，一些公司将预测分析方法更进一步。该软件可以粗制滥造信用评分，将客户过去的信用记录考虑在内。取而代之的是，这些分数可能会根据公司过去的客户表现出可信赖的特征。
如前所述，更强大的信用评分软件还可以结合自然语言处理和机器视觉来搜索申请人的社交媒体帖子，以寻找值得信任的迹象。
基于AI-信用评分软件这对那些没有信用记录的贷款申请人是有帮助的，但他们的行为方式表明他们很有可能按时偿还贷款或还清信用卡。
信用风险管理在整个投资组合
此外，根据Sanmay达斯博士和计算机科学与工程系副教授在圣路易斯的华盛顿大学，银行可能能够使用机器学习，以减少他们在他们的信贷组合进行风险。这可以帮助他们规避贷款人谁更有可能拖欠贷款。中我们对Das的采访他谈到了自己在2008年金融危机后被监管机构和银行引入时的发现:
在预测中加入一些宏观因素，往往会提高可预测性(关于某人是否会拖欠贷款)。例如，如果你将特定地区的房价指数考虑在内，这可能有助于(银行)预测(银行)可能出现的违约水平
发现欺诈和反洗钱
机器学习已被用来在很大的影响网络安全对于许多年了，它在空间能力可能会继续增长。在金融领域，机器学习软件可以帮助银行，保险公司，信用卡公司，和支付处理有这样的问题欺诈识别以及反洗钱(AML)。
两种机器学习方法尤其是已发现的欺诈检测和AML广泛使用：异常检测和规范分析。首先是目前的标准，但也有许多公司提供的欺诈检测和反洗钱规定的分析。
为了充分利用异常检测软件，金融机构往往需要将软件放到他们使用现场交易的任何系统进行集成。然后，该软件将发展正常的交易活动的基准，“学习”的数据点关联到一个合法的交易。当交易进入系统，是远远不够离基线，系统将然后标记事务，潜在的欺诈或潜在的洗钱活动。
预测分析可能潜在提供更多现成的检测系统，可以减少误报。欺诈检测供应商提供规范的分析很可能第一列火车上大量欺诈付款，债权大量合理的付款或要求的他们的算法。然后，算法将“学习”哪些数据点相关诈骗或洗钱和其关联到合法付款或索赔。
因此，可以说，银行或保险公司可以使用“开箱即用”的软件。这与异常检测不同，异常检测要求银行或保险公司让安装在其系统中的软件运行一个月或更长时间，然后根据公司每天看到的交易数量建立基线。
保险理赔
AI软件也有其用途处理索赔并优化索赔流程。还有在更广泛的权利雨伞机器学习软件两个关键领域可以与帮助：自动化理赔流程，减少超额付款和要求泄漏。
索赔自动化
尽管索赔自动化总体上是人工智能(如承保)一个相对新生的用例，但索赔过程很可能在未来两三年内变得越来越自动化。
我们无法找到一个方式，让客户得到他们的要求没有与一家保险公司人员工互动提供支付索赔自动化软件的任何公司;然而，一个保险公司，柠檬汽水说他们的聊天机器人允许客户在某些情况下做到这一点。
该公司提供了一个市场营销的视频显示客户如何键入一个聊天机器人提出索赔并得到它支付：
柠檬水声称用户可以描述他们的受损财产柠檬水的聊天机器人，吉姆，系统将首先运行通过欺诈检测算法的信息。如果它认为的要求合法，如果是简单的充足，聊天机器人会通知他们的要求已支付的用户，系统将支付要求。对于更复杂的索赔，聊天机器人就会将用户引导到一个人的客户支持代表。
Lemonade声称他们的软件能够支付用户费用在3秒钟内批准他的要求，但用户的要求是为$ 900的外套。这是不可能的，这样的自动化系统将工作更复杂的情况，如健康保险索赔，在这个时候。
减少多付和权利要求漏
有些厂商提供的软件降低超额付款，并要求泄漏预测分析，并在某些情况下，机器视觉。这些软件可以据称确定保险公司是否是打算做一个支付这比什么其他客户在历史上一直支付类似的情况。
这可能会涉及从任一客户端保险机构，或最好的培训历史的客户数据的语料库软件背后的机器学习算法，从不同的保险企业。该算法将有关情况向支付他们最经常导致相关的某些数据点。其结果是，保险公司可以上传新的索赔数据的软件，该软件将能够确定保险人将要付出的客户太多了。
听话的要求提供一个版本的这种软件的;它的软件，但是，采用机器视觉的方法。下面，听话的联合创始人演示软件：
保险代理人声称可以上传一个客户的受损车辆的图像，以易于处理的软件。然后，该软件将能够提供对保险公司多少应该根据自己车子的损伤的严重程度支付客户的估计。这种功能可能意味着易于处理的算法上伴随保险索赔，最终允许软件相关联的损伤程度派彩的图像训练。
定制保险政策
一些著名保险公司开始看到在物联网的潜在价值（IOT）。例如，Progressive公司为司机提供了在智能手机上下载应用程序的能力，并允许他们在应用程序通过他们的手机打开时四处开车快照程序。该应用程序收集司机停车和转弯的类型的遥测数据。
下面是一段来自Progressive公司的营销视频，我们觉得它用非技术术语很好地解释了他们的快照计划:
虽然该公司并不能使它完全清楚，它好像是我公司采用这些数据来训练机器学习模型，也许会让客户的风险预测。这可能是什么让进到据称报价司机安全驾驶习惯较低的保费。
Progressive公司的数据分析业务主管帕万•迪瓦卡拉(Pawan Divakarla)在谈到公司在人工智能方面的举措时说了这番话对于H2O.ai一个告别赛，人工智能供应商这有助于制定快照计划：
我们正在收集更多的数据，它正以更快的速度向我们袭来。我们看到的一个痛点是我们的时间去洞察，我们决定使用机器学习算法作为一种更好地理解数据的方法，这样我们就可以对保险市场上正在发生的事情做出预测。
这是一个历史上的瓶颈，我们不能考虑其他的业务线，我们现在可以解决他们的数据科学和预测建模需求，因为我们有一个更快的模型吞吐量和我们能够产生的业务价值。
定制的保单很可能成为保险业的标准作为保险企业继续利用那现在可以给他们的数据。
感兴趣的是他们最大的竞争对手的AI应用保险的领导人可能需要阅读我们的报告AI在美国的前四大保险公司。
文档摘要
一些公司提供NLP软件，文献综述，以银行和其他金融机构。相反，通过文件数据库中搜索，通过个人文件和提取部分本软件的搜索，一个员工可能希望看到的。
当我们采访NISHANT钱德拉博士和首席数据科学官在AIG，约人工智能的文本摘要他简洁地解释基于自然语言处理文档文摘的可能值：
随着基于自然语言的处理文档文摘，用户可以找到关键字和总结吧。这种分层方法是采取该文件，并创建上下文。的法律文件可能从财务数据和医疗数据的法律环境。
如果有人想要总结文档的财务部分，他们应该能够做到这一点。它为团队提供了只读取财务数据的粒度。它还创建了对数据的用户级访问。可能没有被授权阅读财务交易的技术团队可以对数据进行粒度访问。
合规
基于自然语言处理文档文摘可以证明，在金融机构的合规小组特别有用。
我们发现大多数公司的文档文摘提供NLP和合同抽象没有采用人们在C-套房，人工智能或计算机科学背景。一个公司，但是，并站出来给我们：基拉系统。总部位于多伦多的公司提供了它声称可以从大合同提取信息，其同名的基拉软件。
德勤据称使用的基拉软件检查他们的租约是符合国际财务报告准则16规定。他们有他们的团队的律师审查基拉从他们的租赁提取的信息，以确定租赁是否是兼容的。
我们采访理查德·道恩博士和数据科学总监的Loblaw，进行了一系列的白皮书对铁山。他向我们介绍一下基于NLP的搜索功能如何帮助法律团队确保合同合规性。“例如，”他说，“如果用户键入‘显而易见，’人工智能搜索可能强调的结果是相关的这个词在法律的特定子域，如专利法的含义。”
金融机构的员工也可以使用NLP软件来总结大型报告，以便在与高管和其他决策者的会议上呈现，从而节省时间。
客户服务
聊天机器人是整个金融领域最突出的NLP功能。在银行，美国富国银行和银行都利用聊天机器人自动化更简单客户服务任务。史蒂夫·埃利斯在富国银行的创新集团的负责人说，这对他的公司的聊天机器人主动与接受采访夏洛特商业杂志：
人工智能技术使我们能够这样做需要我们的客户能够通过浏览我们的网站上几页的经验，并把它变成一个聊天环境中简单的对话。这对于繁忙的客户谁已经使者的频繁用户一个巨大的省时方便。
许多在美国最大的银行高管都表示各地特别是聊天机器人乐观。对于许多银行，他们很可能的AI功能的挂最低的水果。
在保险，进，Allstate公司和Geico的都有他们自己的聊天机器人尽管Geico看起来更像是一个专业系统而不是机器学习算法。许多保险聊天机器人允许客户查看他们的下一次付款何时到期，甚至可以得到报价。
一般来说，聊天机器人只适用于处理简单的客户问题，但是聊天机器人可能会联系客户支持代理，为客户申请抵押贷款。
聊天机器人通常必须接受历史客户支持交互的培训，这些交互发生在希望构建或购买它们的公司。很少有聊天机器人已经准备好使用“开箱即用”，尽管一些专注于特定领域的供应商可能接近于构建一个。这是因为聊天机器人背后的自然语言处理算法需要查看许多特定客户问题的实例，以便正确响应客户。
通常情况下，即使在银行或保险公司集成了聊天机器人为他们的客户支持流程，人力客户支持代理将需要监控的聊天机器人，以进一步训练它。
他们通过指示它的接口它是否被正确的回答了客户的支持票上做到这一点。此外，代理将需要处理的票的聊天机器人并不“知道”如何应对正确。
内部客户服务
也有内部客户服务使用情况在金融机器学习。金融机构通常采用忙碌的IT工作人员度过他们的日子在公司电脑问题帮助其他员工。
金融企业对他们的球队数据的科学的人才可能可以建立一个内部客户服务聊天机器人，使员工在公司解决IT自己的问题。这将节省IT人员的时间和公司的钱。
ATM维护
预测性和规范性的分析也是他们打破之前返修机有用。在金融领域，银行可以使用预测维护软件知道什么时候派维修人员出来自动取款机在它们不能使用之前。这可以防止银行从自动提款机收费中损失收入，并让他们在银行的自动提款机坏掉的时候还能维持寻找其他自动提款机的客户。
预测性维护能力利用物联网传感器。在这种情况下，银行可以连接物联网传感器，其自动取款机的各个部分。例如，他们可能将下面的ATM按键感应器追踪按钮是否被损坏或需要修理他们打破之前。
NCR，是世界上最大的ATM制造商之一，提供NCR SmartServe预测，预测维护软件，为购买他们的自动取款机的银行。他们提供了一个视频，说明如何自己软件的工作原理，我们相信作为如何预测性维护在一般的自动取款机工作的良好表现：
IBM提供了一个名为技术支持服务，或TSS类似的软件。该公司声称已经帮助两个未命名的拉美银行在英国的一位不愿透露姓名的银行在他们的机器出故障之前，为他们提供维修服务。我们提到这一点是因为IBM在他们的AI解决方案方面通常是有信誉的，尽管他们的TSS客户的名字是可疑的。
感兴趣的是IBM沃森提供的预测分析方式的读者可能要听我们的与IBM沃森的CTO和执行总建筑师采访，斯瓦米Chandrasekaran。
这就是说，在许多情况下，预测维护软件需要用户培训软件本身背后的机器学习算法。银行首先需要对功能的自动取款机上安装的传感器和允许算法他们收集到这些自动取款机的功能和不正常的状态遥测数据相关联。
只有这样，该软件能够预测何时ATM可能很快打破。这需要时间，所以银行应该购买他们的软件后，期待与在相对长的时期预测性维护供应商的工作。
身份验证自动取款机
银行可以安装面部识别软件到他们的自动取款机允许身份验证。这种特殊的功能在过去的几年中取得了相当的影响力，在中国和中国企业代表规模最大，资金最充足的公司在ATM上提供ID验证。SenseTime，例如，已经筹集了超过$ 2.6十亿。
另外，中国政府似乎对人脸识别特别感兴趣社会工程的目的。什么时候我们从花上校的问题和一般的国防大学，很明显，在他们心中的顶部是美国与中国的动态，因为它们与AI。这就是说，当我们在谈到联合国活动在上海AI和国家安全令人鼓舞的是，美中两国在考虑人工智能的安全问题方面有着共同的热情。
但是，应该指出的是，面部识别软件供应商往往会提供面部识别软件，适用于各种使用情况。事实上，这是罕见的面部识别公司为特定行业。
面部识别软件需要人们的脸上贴上自己的名字和任何其他信息构建感觉球队相关的身份证明的数据库。该软件背后的机器视觉算法将这些数据进行训练，并且算法将“学习”，一个人的脸，以他们的身份相关数据点，包括他们的借记卡号码。
其结果是，摄像头安装在自动取款机验证站在它前面的人是借记卡的拥有者，他们只是插入ATM。然后，ATM屏幕将允许用户访问他们的账户和取款。
这种功能可以通过防止借记卡所有者及其授权的人从账户中取款来帮助防止身份盗窃。
标题图片来源：蒂姆和朱莉·哈里斯
