Математика, финансы и антифрод: о чем была пятая лекция ФКН в «Ровеснике»
22 августа факультет компьютерных наук и бар «Ровесник» провели пятую встречу научно-популярного лектория. В этот раз участники поговорили про математику, финансы и антифрод.
Эльдар Валитов, преподаватель базовой кафедры Яндекса, рассказал, что такое антифрод и как он связан с наукой о данных.
Эльдар Валитов
Простыми словами, фрод — это любое мошенничество. Антифрод же — это защита от различных мошеннических действий. Базовые примеры таких механизмов защит — ограничение числа попыток при вводе пароля, определение портрета вводящего, условия на сложность пароля при его создании. Все это — антифрод, основанный на правилах.
Еще один базовый пример проверки — это расшифровка капчи. Когда мы вводим набор букв и цифр с нее или отмечаем нужные изображения, то проверяется не только корректность ввода, но и его скорость, клики, характер допущенных ошибок.
Постепенно фрод усложняется: мошенники придумывают и учатся применять все новые схемы обмана, которые не всегда можно распознать так просто. Более того, фрод происходит не только на уровне обычных пользователей, но и на уровне компаний. А нейросети сейчас помогают распознать мошеннические действия, например, нарушение авторского права.
Пётр Лукьянченко, заведующий проектно-учебной лабораторией «Искусственный интеллект в математических финансах» и старший преподаватель ФКН, выступил с темой об ИИ-советниках в финансах.
Пётр Лукьянченко
Сегодня искусственный интеллект активно трансформирует финансовую индустрию. Так, банки автоматизируют принятие решений о выдаче кредита с помощью ИИ, сокращая за счет этого операционные расходы.
Традиционные данные для кредитного скоринга, такие как кредитная история и уровень дохода, часто недостаточны; ИИ позволяет использовать альтернативные данные для более глубокого анализа. Среди таких данных история онлайн-платежей и мобильной активности, поведенческие паттерны, активность в социальных сетях и другие цифровые следы.
Интересно, что ИИ не просто автоматизирует операции, но и создает уникальный пользовательский опыт и высокую эффективность, которые невозможны без такого инструмента. ИИ позволяет создавать совершенно новые бизнес-модели. При этом обеспечивается высокая скорость и прозрачность, а также снижается уровень мошенничества.
Но у искусственного интеллекта тоже есть свои минусы, и нам предстоит еще много работать над тем, чтобы качественнее обучать модели.
Гордей Зуев, преподаватель Лицея Вышки, студент третьего курса (на момент проведения мероприятия — ред.) бакалавриата «Компьютерные науки и анализ данных» и ассистент ФКН, поделился историей про парадокс Монти Холла.
Гордей Зуев
Давайте представим, что мы принимаем участие в игре. Перед нами три двери: за двумя скрываются дикие огурцы, а за третьей — обычные. Мы не знаем, что где находится. Мы выбираем одну дверь. Вероятность, что именно за ней находится обычный огурец, составляет 0,33.
После того, как мы сделали выбор, ведущий, который знает, где что находится, открывает одну из двух оставшихся дверей, и за ней всегда оказывается дикий огурец. Теперь нам дают принять решение: оставить или изменить свой выбор. И здесь люди часто совершают логическую ошибку, считая, что теперь вероятность появления обычного огурца одинаковая у обеих дверей, 0,5 и 0,5.
Однако на самом деле вероятность того, что мы угадали с первого раза, по-прежнему составляет 0,33, а вероятность того, что мы выбрали не ту дверь, соответственно, равна 0,66. Действие ведущего не меняет эту исходную вероятность, а лишь дает нам дополнительную информацию: он вскрыл одну из «проигрышных» дверей. Следовательно, вся вероятность в 0,66 теперь концентрируется на той из дверей, которую мы не выбрали, а ведущий не открыл. Таким образом, если мы изменим свой выбор, вероятность нашего выигрыша составит 0,66.
Следующая встреча барного лектория состоится в конце осени — следите за анонсами в социальных сетях факультета.