Computer Vision i den finansielle sektor
Artificial Intelligence (AI) bliver smartere og smartere for hver dag, der går.
De sofistikerede algoritmer er gået fra at bruge kæmpe computere til at genkende billeder af katte, til at man nu kan bruge sit ansigt som kodeord til sin telefon. Samtidig er supercomputerne kun blevet mere sofistikerede; de kan nu animere malerier og generere fotorealistiske billeder helt af sig selv!
Selvom der er meget at tabe kæben over, kan det dog være svært at se, hvordan man kan omsætte denne fantastiske teknologi til forretningsværdi. Her er det vigtigt at have for øje, hvad det helt konkret er, Computer Vision gør. Helt generelt kan man sige, at Computer Vision gør tre ting:
- Computer Vision trækker viden ud af billeder: Umiddelbart forstår computere billeder som en serie af farveværdier, der ikke i sig selv giver mening. Men ved at bruge sofistikerede algoritmer kan computeren se, at billedet faktisk forestiller en parkeringsplads med ni parkerede biler og fem ledige pladser. På den måde får computeren en meget mere brugbar repræsentation af billedet.
- Computer Vision giver ny data til videre analyser: Den viden, vi har fået ud af billederne, kan vi bruge til at lave yderligere værdiskabende analyser. Med parkeringseksemplet kunne man f.eks. bruge vores viden om, hvor mange biler der er parkeret på et givet tidspunkt til at lave en real-time guide til ledige pladser eller analysere, hvornår og hvor ofte parkeringspladsen er fyldt.
- Computer Vision automatiserer tilegnelsen af nyt data: Ved at outsource udtrækningen af viden til algoritmer kan man øge raten af ny information markant. I stedet for at have en medarbejder til at tælle biler på parkeringspladsen en time om ugen, kan man nu få en opdatering i realtime 24/7.
Med udgangspunkt i grundegenskaberne er der et væld af applikationer inden for den finansielle sektor med stort potentiale. Her er to konkrete eksempler:
Satellitbilleder
Hver dag producerer jordens satellitter over 150 terabytes data. Det er langt mere, end noget menneske kan overskue. Dataen indeholder næsten uendeligt potentiale med information om både temperatur, vejr og stråling, men først og fremmest billeder. Heldigvis er det lige en opgave for Computer Vision. Med hjælp fra Computer Vision kunne man f.eks. bruge billederne til at analysere containertrafikken fra de største havne i Danmark (punkt 1) og bruge disse data til at bygge forecasting-modeller over den forventede handel (punkt 2). Man kunne også bruge satellitdata til at analysere fremgangen i forskellige byggeprojekter og bruge det som et mål for udviklingen i området eller som input til trafikmodeller. Det er kun fantasien (og dygtige data scientists), der sætter grænser!
Digitalisér dit papir!
Mange virksomheder har stadig forretningskritisk information i papir-form. Dette gør det sværere tilgængeligt for både mennesker og analyser. Her kommer Computer Vision også til undsætning. Ved at bruge tekstgenkendelse og avanceret sprogteknologi (NLP), kan man digitalisere dokumenterne, så de både er nemmere at finde for dine medarbejdere, men også kan indgå mere aktivt i jeres analyser. For så snart dokumenterne er digitale, åbner det op for den næsten magiske NLP-værktøjskasse, som du kan læse mere om i dette blogindlæg.
Der er ikke nogen tvivl om, at vi endnu kun har set begyndelsen på, hvad Computer Vision kan. Og jo før du får øjnene op for teknologien, og hvad den kan bidrage med i din virksomhed, jo bedre er du stillet til at få fuldt udbytte af Computer Vision i fremtiden.
