Trí tuệ nhân tạo (AI) là khả năng máy học cách hoàn thành nhiệm vụ mà không cần con người hướng dẫn rõ ràng. Nhà toán học người Anh Alan Turing thường được ghi nhận là người phát triển ý tưởng về trí thông minh nhân tạo, mặc dù ông không đồng ý với thuật ngữ này. Ông tin rằng những cỗ máy tư duy thực sự cần thiết để giải quyết vấn đề cũng như con người được coi là tự chủ, một tiêu chuẩn được gọi là “Phép thử Turing”.
Bài viết này sẽ cung cấp tổng quan về trí tuệ nhân tạo, nó là gì, và các ví dụ về việc sử dụng trí tuệ nhân tạo trong tài chính.
Không có định nghĩa tiêu chuẩn hoặc được chấp nhận rộng rãi về trí tuệ nhân tạo, nhưng một Định nghĩa được chấp nhận phổ biến mô tả nó là “máy móc phản ứng lại sự kích thích phù hợp với phản ứng truyền thống của con người, do con người có khả năng suy ngẫm, phán đoán và có ý định.”
Giáo sư John McCarthy tại Stanford là người đầu tiên sử dụng thuật ngữ "trí thông minh nhân tạo" và mô tả nó là "khiến một cỗ máy hoạt động theo những cách được gọi là thông minh nếu con người hành xử như vậy." Hành vi của AI có thể liên quan đến việc giải quyết vấn đề, học tập dựa trên dữ liệu trong quá khứ và hiện tại và lập kế hoạch cho các hành động trong tương lai dựa trên những gì đã học được.
Trí tuệ nhân tạo có nhiều dạng khác nhau, nhưng AI là một khả năng chung để sử dụng dữ liệu thời gian thực để đưa ra quyết định. Máy hoặc chương trình có thể nhận dữ liệu đó thông qua cảm biến, đầu vào từ xa hoặc kỹ thuật số. Sau đó, AI phải phân tích dữ liệu trước khi đưa ra quyết định, đây là đặc điểm phân biệt nó với một máy được lập trình sẵn.
Trong lĩnh vực tài chính, trí tuệ nhân tạo có thể được sử dụng trong quá trình bảo lãnh phát hành để trợ giúp người cho vay đưa ra quyết định tốt hơn về các đơn xin vay. Thay vì dựa vào các phân tích dự đoán do các nhà thống kê quy định, một thuật toán máy tính có thể đọc dữ liệu về các khoản vay trước đó và tự xác định mô hình dự đoán tốt nhất để đánh giá mức độ tín nhiệm của người nộp đơn.
Lender Upstart sử dụng AI để xác định rủi ro của người đi vay và cung cấp vốn trong các tình huống mà những người cho vay khác có thể không.
Robo-Cố vấn là một cách sử dụng phổ biến khác của trí tuệ nhân tạo trong lĩnh vực tài chính. Cố vấn rô-bốt sử dụng thông tin khách hàng về mục tiêu tài chính, khả năng chấp nhận rủi ro và cơ hội đầu tư để xác định phân bổ tài sản đầu tư. Sau đó, cố vấn robot sẽ cân bằng lại danh mục đầu tư khi cần thiết, thực hiện các giao dịch và thậm chí xử lý các công việc như thu thuế thất thu.
Nói chung, có bốn danh mục lớn của trí tuệ nhân tạo:phản ứng, trí nhớ hạn chế, lý thuyết về tâm trí, và nhận thức về bản thân. Hãy coi những loại này như một phổ tiến bộ; mỗi loại được xây dựng dựa trên mức độ phức tạp của loại trước nó.
Đây là loại AI cơ bản nhất. Trí tuệ nhân tạo phản ứng hoàn toàn có thể hoạt động dựa trên đánh giá về tình hình hiện tại nhưng không thể xây dựng kho ký ức để rút ra trong tương lai.
Xây dựng dựa trên danh mục phản ứng, AI bộ nhớ giới hạn có thể “ghi nhớ” những trải nghiệm trong quá khứ dưới dạng đại diện được lập trình trước về môi trường của nó. AI có bộ nhớ hạn chế sau đó sẽ kết hợp những ký ức này vào các quyết định trong tương lai.
Loại AI này thậm chí còn tiên tiến hơn so với bộ nhớ hạn chế. Lấy tên của nó từ thuật ngữ tâm lý, lý thuyết về trí tuệ AI có thể gán các trạng thái tinh thần như niềm tin, ý định, mong muốn, cảm xúc và kiến thức cho người khác. Nếu điều đó nghe có vẻ viễn vông, thì đó là bởi vì nó là như vậy. Loại trí tuệ nhân tạo này vẫn chưa được phát triển.
Vượt xa AI về mặt lý thuyết, AI tự nhận thức có khả năng hình thành các đại diện về chính nó — do đó có ý thức.
Do thiếu định nghĩa chuẩn hóa và thực tế là có rất nhiều thuật ngữ liên quan, có thể khó phân biệt giữa trí tuệ nhân tạo và học máy.
Trí tuệ nhân tạo là một thuật ngữ rộng và được định nghĩa lỏng lẻo. Máy học là một ứng dụng cụ thể của trí tuệ nhân tạo trong đó máy học từ dữ liệu và thay đổi theo thời gian để đưa ra quyết định tốt hơn về dữ liệu đó. Công dụng chính của học máy là xử lý một lượng lớn thông tin trong một khoảng thời gian ngắn.
Một ví dụ về máy học là cách các nền tảng truyền thông xã hội tìm hiểu loại nội dung — bài đăng và quảng cáo — mà bạn sẽ thích hơn dựa trên cách bạn đã tương tác với nội dung trên nền tảng.