Machinaal leren

Machinaal leren veranderde beeldherkenning en vertaling. In de financiële wereld zijn de successen ongelijker dan men denkt.

Er zijn vier terreinen. Prijzen voorspellen, orders uitvoeren, fraude opsporen, en beslissen in de plaats van een mens.

Eerste terrein, prijzen voorspellen. Dat is de droom. En het is het meest teleurstellende terrein.

Een foto van een kat blijft een foto van een kat. Een markt verandert zodra je haar regel vindt, want anderen benutten die meteen.

Het signaal is zwak, de geschiedenis kort, en het verleden herhaalt zich niet. Een krachtig model leert er vooral ruis.

Tweede terrein, het uitvoeren van orders. Minder schitterend, maar veel winstgevender.

Een miljoen aandelen in één keer kopen, duwt de prijs tegen je in. Je moet het order opdelen, in het goede ritme.

Als voorbeeld: op een order van honderd miljoen euro een tiende procent kosten winnen, is honderdduizend euro bespaard.

Elke dag herhaald op duizenden orders, is dat een fortuin. En hier heeft het model miljoenen voorbeelden om van te leren.

In de app is dit hoofdstuk geanimeerd en verteld, kaart na kaart. Gratis proefperiode starten.

Download in deApp Store

Derde terrein, fraudedetectie. Daar werkt het echt.

Elke kaartbetaling krijgt in een fractie van een seconde een score. Plaats, bedrag, uur, gewoontes: alles wordt vergeleken.

Klassieke val: zeg één fraude op duizend betalingen. Een model dat altijd « geen fraude » antwoordt, heeft negenennegentig komma negen procent van de tijd gelijk.

En het is nutteloos. Wat telt, is hoeveel fraudes het vangt, en hoeveel eerlijke klanten het blokkeert.

Als voorbeeld: een miljoen betalingen, duizend fraudes. Het model vangt er negenhonderd, en vergist zich bij nul komma vijf procent van de eerlijke betalingen.

Dat zijn vierduizend negenhonderdvijfennegentig valse alarmen. Amper één alarm op zes is een echte fraude.

Vierde terrein, de zwarte doos. Een model weigert een krediet. Waarom? Vaak kunnen zelfs de makers het niet eenvoudig zeggen.

Maar in veel landen eist de wet dat een kredietweigering kan worden uitgelegd. En een toezichthouder wil een beslissing begrijpen voor hij ze aanvaardt.

Een model kan ook de biases van zijn gegevens herhalen. Leert het op onrechtvaardige beslissingen, dan herhaalt het die, razendsnel.

Dus maken banken een afweging: een iets minder precies model dat je kunt uitleggen, liever dan een stom orakel.

Onthoud: de machine blinkt uit waar voorbeelden talrijk zijn en regels stabiel. Ze stelt teleur waar de toekomst niet op het verleden lijkt.

Wees dus op uw hoede voor elke artificiële intelligentie die belooft de beurs te voorspellen. Dat is precies het terrein waar ze het minst schittert.