欺詐管理和安全是維持金融服務信任的兩個關鍵支柱。諸如Nvidia出於這些原因，已經在行業中使用人工智能，但是現在有機會發揮主要作用，幫助客戶在金融服務中的表現優於競爭對手。基於語音的應用程序從身份驗證到會話AI是關鍵的關鍵領域之一。 NVIDIA高管與生物識別更新談論使用AI和生物識別技術提供用於幫助公司獲得金融資產的解決方案。
NVIDIA在金融服務生態系統上具有較長的背景，包括銀行，交易，付款，保險和金融科技公司。最早進入該行業的嘗試使用了NVIDIA GPU的高性能計算功能，用於風險模擬和衍生品定價。 NVIDIA金融服務總監Kevin Levitt表示，在過去的五年中，該公司一直致力於開發AI和機器學習能力。
萊維特說，NVIDIA概述了350個用例AI，以了解該公司應在其發展最快的垂直行業之一中投資於在何處建立AI功能。在該列表上：呼叫中心的對話AI。他指出，聯邦冠狀病毒援助計劃為銀行和其他機構提供了很高的呼叫中心量。為了幫助公司在運營效率下效率，隨著這些計劃的趨勢，NVIDIA在識別系統的應用程序框架上“大量”投資。
另一個應用：推薦引擎圍繞梅林框架。這些應用類似於推薦引擎，例如建議在Netflix上觀看的電影。就銀行和保險公司而言，這將是對信用卡債務首先還清的所有內容的建議或為客戶量身定制的廣告。
根據萊維特（Levitt）的說法，NVIDIA幫助眾多客戶構建了此類應用程序，但是這些應用程序往往被“孤立”使用AI。 Levitt建議，要在任何給定的客戶環境（無論是在本地或云中）將AI應用於數百個用例中，應該有一個企業AI平台。除了提供更快地開發應用程序的能力外，平台策略還將使企業能夠以新的方式和新地方部署AI。
在AI，邊緣計算和生物特徵識別的情況下
預防欺詐是該行業生物識別識別的主要用途。用戶身份驗證在銷售點系統中至關重要，但對於新形式的虛擬商務形式也至關重要，更不用說諸如ATM之類的系統了。在生物特徵識別方面，NVIDIA將語音識別視為增長的感興趣領域。例如，銀行正在將虛擬助手和聊天機器人視為卸載客戶服務功能的關鍵，但他們需要提供類似生活的對話。這些應用程序利用會話AI以深度學習模型為基礎。大型，複雜的模型需要廣泛的培訓，進而需要大量的計算功率。模型培訓的資源往往位於雲提供商中心。當涉及到推理時（例如，使用自然語言模型“理解”語音命令的情況 - 處理能力的進步正在使現在可以運行AI的各種設備。
萊維特說：“無論是通過智能設備和電話，還是通過ATM和其他不傳統上使用AI的交互模型，AI都在邊緣發揮了重要作用。” AI被擴散到邊緣設備；他補充說，智能視頻分析和通過AI進行客戶服務和安全性激活的智能視頻分析只是使用Edge AI的兩個示例。
“如果您正在與ATM前庭進行互動，並且等待10-30秒進行推理，那麼客戶體驗就會崩潰。這就是為什麼虛擬助手，聊天機器人和在邊緣和呼叫中心使用語音識別的原因。這樣做的方法是通過使用加速計算平台（對於NVIDIA）使用GPU。
生物識別技術超越預防欺詐
萊維特指出，匯豐銀行每年都預防數億美元使用語音生物識別技術。
根據萊維特的說法，NVIDIA也對在欺詐預防和身份驗證以外的應用程序中使用語音的興趣越來越大。他指出，情緒檢測是一種用例，聲音可以識別用戶情緒以告知個性化和建議，這將使與客戶更好地互動。
萊維特說：“我們知道銀行會看到很多機會會見他們參與的客戶，而不是要求客戶來銀行擁有的渠道。”他指出，西方國家的需求也很強，但在廣泛人口中智能手機滲透更大的亞太地區也有很大的需求。 “整個非洲的增長率也使銀行從生物識別的角度利用聲音來防止欺詐和驗證客戶，這也使銀行充滿活力和合適的市場。”
萊維特（Levitt）指出：“銀行繼續在我們加速的計算平台上投資和開發各種解決方案和用例，以改善客戶保留率和忠誠度經驗，減少運營費用並跟踪收入。”
文章主題
人工智慧|驗證|生物識別識別|生物識別技術|邊緣生物識別技術|呼叫中心|邊緣AI|金融服務|預防欺詐|Nvidia|個性化|語音生物識別技術
