至顶网CIO与应用频道 06月19日 北京消息:IBM(纽交所:IBM)近日宣布推出首套旨在帮助金融机构专业人员管理监管和信托责任的认知解决方案。这套软件通过Watson驱动,并且可以部署在IBM 云端。它将从三大领域助金融专业人士一臂之力:理解监管要求、提高对潜在金融犯罪的洞察力以及利用全新数据架构方法来管理财务风险。
在位于纽约州约克城高地的IBM T.J. Watson 研究中心,鹏睿金融集团董事总经理Susan Krause Bell、IBM副总裁Marc Andrews及其他团队成员在初期使用6万条美国监管条文对Watson系统进行了训练。IBM推出了首个经过专家训练的Watson解决方案,用于帮助金融机构专业人员管理监管和信托责任。
目前,风险和合规性管理占各大银行营业支出预算的10%至15%,金融服务机构每年的相关支出约为2700亿美元1。 未来几年,预计这一负担还会加重。到2020年,全球金融服务业需要了解约3亿页法规,并且之后每年还会新增成千上万页2。
Watson是IBM的人工智能和认知计算平台,已经帮助多个行业的专业人员管理大量复杂的数据体系。IBM对Watson进行了针对医疗及网络安全等细分行业的训练。
现在,IBM正在针对金融法规领域培训Watson。
鹏睿金融集团(Promontory Financial Group,以下简称鹏睿)是IBM的一家子公司,主要业务是风险管理和法规合规,并且初期已经训练Watson掌握60000条监管条文。Watson也开始审查与潜在金融犯罪相关的交易与案例。此次推出的这套认知解决方案,将帮助专业人员更好、更快地做出风险和合规方面的决策。随着更多数据集不断产生,Watson金融服务中的机器学习和分析功能将进一步提升,为专业人士提供更好的帮助。
IBM行业平台高级副总裁Bridget van Kralingen表示:“数十年前,IBM将第一台计算机引入金融服务行业,大大提升了银行和其他机构的运营效率和准确性,同时提升了市场的信任。今天,为了进一步加强信任,金融机构必须对信息的行业价值作出分析,以协助监测风险和合规性。任何个人或团队都无法独自完成这一工作。因此,IBM再次引入新的计算模式——认知计算——以帮助金融专业人士更有效地完成工作。”
鹏睿金融集团创始人兼首席执行官Gene Ludwig表示:“金融机构需要管理海量的信息令人望而却步,并且这些信息还在以惊人的增速增长。经过鹏睿行业专家训练的认知技术让这一问题迎刃而解。我们把丰富的监管经验输送给Watson,从而让广大金融界专业人员从这些经验中受益,最终帮助相关金融机构更高效地运营。”
该解决方案适用于金融服务行业的客户,其中许多企业已与IBM和鹏睿金展开合作,以满足他们的风险和合规需求。
Intesa Sanpaolo的市场和交易对手风险内部模型负责人Rita Gnutti认为:“监管机构对银行报告的要求日益复杂,银行业因此面临巨大的技术挑战。与IBM的合作,让我们更有信心确保风险建模和报告方法严谨一致,能真正满足《交易账户根本审查》(FRTB)法规的最新监管要求。”
Watson金融服务发布的产品具体包括:
Watson监管合规(Watson Regulatory Compliance)
Watson监管合规将有助于金融机构更好地了解和应对不断变化的监管要求。Watson的自然语言处理能力正在用于训练和理解监管语言,IBM已经开始将200个不同来源的法规输入系统,以识别和标记潜在义务。这将极大简化合规专业人员的日常工作,明确特定公司需要遵守的监管要求。
使用Watson监管合规解决方案的合规专业人员可以访问一个定制化的可搜索法规要求库,以识别与其业务相对应的各种义务和控制措施,并能按地区、业务线、产品、流程和合规领域进行筛选。此外,他们还可以更加轻松地跟踪变更,并订阅直接相关的特定法规内容。
IBM Watson金融犯罪洞察(IBM Financial Crimes Insight with Watson)
每年,金融机构需要花费180到210亿美元用于反洗钱,160到190亿美元了解客户需求,110到150亿美元开展行为监控3。这些活动基本都需要人工完成,并且通常需要耗费大量时间从各种来源收集信息。而最终的决定却往往十分主观,全凭分析师个人的经验。
IBM Watson金融犯罪洞察解决方案汇集了认知计算、智能机器人过程自动化、身份解析、网络分析、机器学习和其他高级分析功能,能够加快尽职调查,帮助企业更有效地理解和管理现有交易监控系统产生的大批反洗钱警报。结合鹏睿的技术专长,各金融机构可以提高客户认证的速度和准确性,收集负面新闻以了解客户要求,从而减少误报,加快对反洗钱警报审查的调查。
此外,IBM的行为监控解决方案正进一步扩展,以应对更广泛的行为风险,如销售惯例、客户适用性和信托责任。该解决方案超越了传统的基于规则和专业术语的方法,能够识别与不当行为相关的各种活动和行为,提升洞察力。它还能进一步协助不当行为识别负责人,从而推进投诉管理。
IBM Algo One Big Data Foundation
对于很多金融机构来说,升级现有系统无疑是一项挑战,但扩大规模是满足《交易账户根本审查》(FRTB)法规,《估值调整》(XVA)措施和流动性分析的必要条件。
作为一种新型架构方式,IBM Algo One Big Data Foundation可帮助客户实现监管合规性所要求的绩效。
该解决方案将大数据技术与Algo One的核心风险数据管理应用相结合,以帮助金融机构以更加直观的用户界面更快地检查风险。该解决方案利用结构化和非结构化数据发挥自己的最大潜力,旨在鼓励决策者在制定新业务战略时更快提出更加复杂的问题,并获得更好的答案。此举将大数据从试点或银行的小范围应用推广到日常生产中,以帮助银行完成监管和财务规划。作为新架构方法的一部分,首批解决方案侧重于流动性,应用生命周期管理和市场风险。
Watson金融服务的所有新解决方案均已通过IBM云端交付。
好文章,需要你的鼓励
这项研究提出了ORV(占用中心机器人视频生成)框架,利用4D语义占用作为中间表示来生成高质量的机器人操作视频。与传统方法相比,ORV能提供更精确的语义和几何指导,实现更高的时间一致性和控制精度。该框架还支持多视角视频生成(ORV-MV)和模拟到真实的转换(ORV-S2R),有效弥合了虚拟与现实之间的差距。实验结果表明,ORV在多个数据集上的表现始终优于现有方法,为机器人学习和模拟提供了强大工具。
这项研究由Writer公司团队开发的"反思、重试、奖励"机制,通过强化学习教导大型语言模型生成更有效的自我反思内容。当模型回答错误时,它会生成反思并二次尝试,若成功则奖励反思过程。实验表明,该方法在函数调用和数学方程解题上带来显著提升,最高分别改善18.1%和34.7%。令人惊讶的是,经训练的小模型甚至超越了同家族10倍大的模型,且几乎不存在灾难性遗忘问题。这种自我改进技术为资源受限环境下的AI应用开辟了新方向。
FuseLIP是一项突破性研究,提出了通过早期融合离散标记实现多模态嵌入的新方法。与传统CLIP模型使用独立编码器不同,FuseLIP采用单一编码器同时处理图像和文本标记,实现了更自然的模态交互。研究证明,这种早期融合方法在多种多模态任务上表现优异,特别是在需要理解图像结构而非仅语义内容的任务上。研究还开发了创新的数据集和评估任务,为多模态嵌入研究提供了宝贵资源。
ByteDance与浙江大学合作开发的MERIT是首个专为多语言多条件语义检索设计的基准数据集,包含320,000条跨5种语言的查询和135,000个产品。研究发现现有模型在处理多条件查询时过度关注全局语义而忽略特定条件元素,为此提出CORAL框架,通过嵌入重建和对比学习相结合的方式,使检索性能提升45.9%。这项研究不仅识别了现有方法的关键局限性,还为多条件交错语义检索领域的未来研究奠定了基础。