«ابر دراک» زیرساخت توسعه هوش مصنوعی برای بانکداری دیجیتال ارائه کرد

این محصول زیرساختی، یک ترکیب از شیوه‌های DevOps و یادگیری ماشین برای توسعه و بهره‌برداری مدل‌های یادگیری ماشین است که می‌تواند در مسیر بانکداری دیجیتال به توسعه سریع‌تر برنامه‌های هوش مصنوعی و کاهش هزینه‌ها، منجر شود.

هم‌بنیان‌گذار این شرکت، سارا راد، با اشاره به چالش‌های بانکداری دیجیتال گفت: با وجود اینکه استفاده از هوش مصنوعی در بانکداری دیجیتال به ارتقای سرویس‌ها، بهبود امنیت، تجربه کاربری بهتر و مدیریت هوشمند داده‌ها منجر می‌شود، با این حال نمی‌توان از مشکلات زیرساختی که توسعه‌دهندگان هوش مصنوعی در عملیاتی کردن برنامه‌های هوشمند با آن مواجه می‌شوند، چشم پوشی کرد. ما در این مسیر می‌توانیم به سازمان‌ها کمک کنیم تا با سرعت بیشتری در این حوزه حرکت کنند و به شکل آسان‌تری، این پروژه‌ها را به بهره‌برداری برسانند.

هم‌بنیان‌گذار ابر دراک با اشاره به توانایی ابر دراک در ارائه زیرساخت مورد نیاز برای بانکداری هوشمند گفت: هوش‌ مصنوعی به عنوان یکی از فناوری‌های پیشرفته در سطح جهانی، و همچنین به عنوان یک ابزار قدرتمند و حیاتی در صنایع مختلف مطرح شده است و پیاده‌سازی آن در بانکداری دیجیتال علاوه‌بر افزایش کارایی و سرعت در فرآیندهای بانکی، باعث هموار شدن مسیر ابداعات و پیشرفت‌ها در این حوزه خواهد شد.

راد، در مورد محصول «یادگیری خودکار ماشین در محیط توسعه و عملیات (MLOps)» گفت: ابر دراک، با هدف رفع چالش‌های تست و اجرای الگوریتم‌های هوش مصنوعی در محیط‌های عملیاتی، این محصول را برای توسعه‌دهندگان الگوریتم‌های هوش مصنوعی، مهندسان یادگیری ماشین و افراد تیم‌های عملیات در طیف وسیعی از کاربردها توسعه داده است تا دغدغه‌‌ از دسترس خارج شدن سرویس زمان تغییر در داده‌های ورودی و نیاز به تکرار مجدد فرآیند یادگیری را حذف کرده و امکان استفاده از پایپلاین به‌صورت سرویس و  مانیتورینگ مدل در مرحله بهره‌برداری را فراهم کند. به همین ترتیب هوش مصنوعی و MLOps نقش مهمی در بهبود عملکرد بانکداری دیجیتال دارند و با افزایش توانمندی‌ها و بهبود مدل‌ها، این صنعت را به سمت آینده‌ای نوین هدایت خواهد کرد.

بانکداری دیجیتال در سال‌های گذشته با هدف خودکارسازی فرآیند‌های سنتی، بهبود تجربه مشتریان، بهینه‌سازی و کاهش هزینه‌ها، به توسعه خود ادامه داده است. با این حال معرفی هوش مصنوعی نشان داد این تکنولوژی می‌تواند کاربردهای مختلفی از جمله تشخیص کلاهبرداری، اعتبارسنجی  یا توسعه چت‌بات‌های هوشمند برای پاسخگویی به مشتریان را داشته باشد. کاربردهایی که پیاده‌سازی آن‌ها در بانکداری هوشمند، می‌تواند  فرآیندها را ساده‌تر و علاوه‌بر افزایش امنیت به کاهش هزینه‌ها منجر شود.

پیاده‌سازی این کاربردها در کنار اتوماسیون توسعه و استقرار، نیازمند منابع پردازشی و ذخیره‌سازی و زیرساخت  عملیاتی در جهت اجرای الگوریتم‌های هوش مصنوعی است و به همین دلیل، دستیابی به زیرساخت لازم برای تولید برنامه‌های کاربردی هوش مصنوعی به کمک شرکت‌های ابری مانند ابر دراک ممکن می‌شود تا عملیات آزمایش، یادگیری، توسعه و اجرا را به صورت پیوسته برای الگوریتم‌های هوش مصنوعی، تسهیل کنند. همچنین این زیرساخت عملیاتی، چرخه لازم برای بهبود سریع‌تر مدل‌های یادگیری ماشین (یادگیری براساس بازخوردها)، را فراهم می‌کند.