Специалисты представили инновационный подход к обучению нейронных сетей, позволяющий алгоритмам анализировать данные банковских операций на локальном и глобальном уровнях одновременно. Это открытие способно оптимизировать бизнес-процессы, усилить безопасность и повысить качество обслуживания клиентов. Результаты работы, выполненной при поддержке гранта Российского научного фонда (РНФ), уже доступны научному сообществу.
Новый этап в развитии искусственного интеллекта
Современные банки активно внедряют алгоритмы ИИ для анализа данных, прогнозирования рисков и выявления мошеннических операций. Нейросети успешно определяют подозрительные транзакции, такие как нестандартные списания средств или звонки с неизвестных номеров, а также создают персонализированные предложения для клиентов. Однако до недавнего времени существующие решения фокусировались либо на краткосрочных операциях, либо на общей истории транзакций, что ограничивало их эффективность.
Три уровня анализа данных
Команда исследователей из Лаборатории искусственного интеллекта Сбербанка и Сколтеха разработала уникальный метод обработки последовательностей событий. Они классифицировали задачи на три категории: • Глобальные — оценка стабильных характеристик (возраст клиента, уровень дохода); • Локальные — отслеживание изменяющихся параметров (выявление мошенничества в режиме реального времени); • Динамические — адаптация к резким изменениям поведения пользователей.
Инновационный подход с фокусом на контекст
Ученые провели масштабное тестирование передовых моделей, что позволило создать алгоритм с принципиально новой логикой работы. Ключевым нововведением стал учет данных о клиентах со схожими финансовыми паттернами. Такой контекстный анализ глобальных тенденций повысил точность прогнозирования на 20%, открывая новые возможности для персонализации сервисов.
Мнения экспертов
«Мы предвосхитили запросы отрасли, — делится Андрей Савченко, доктор технических наук. — Сегодня большинство задач действительно требуют локального анализа, и наше решение уже демонстрирует впечатляющие результаты. Это редкий случай, когда научная разработка опережает практические потребности рынка».
«Универсальность подхода — наше главное преимущество, — добавляет руководитель проекта Алексей Зайцев. — Модель адаптируется к любым сценариям, включая изменения поведения пользователей. В планах — расширение областей применения и повышение стабильности работы алгоритмов в нестандартных условиях».
Внедрение этой разработки знаменует новый этап цифровой трансформации банковской сферы, обещая клиентам повышенную защиту средств и персонализированный сервис высшего уровня.
Источник: indicator.ru
