Новости

25 февраля, 2021 15:54

Профессор ИТМО Александр Бухановский ― о том, как искусственный интеллект может помочь экономике в условиях кризиса

Недавно проект директора мегафакультета трансляционных информационных технологий Александра Бухановского, посвященный предсказательному моделированию в экономике, вновь получил финансирование РНФ. ITMO.NEWS поговорил с ученым об исследовании и роли ИИ в экономике.
Руководитель проекта Президентской программы РНФ для лабораторий мирового уровня Александр Бухановский. Источник: Университет ИТМО

Недавно вашему проекту продлили финансирования по программе грантов РНФ, расскажите пожалуйста о том, когда был получен изначальный грант? И каковы условия продления?

Грант был получен в 2017 году, когда конкурс таких лабораторий по Президентской программе РНФ проводился впервые. Тогда победителями в секции «Математика, информатика, наука о системах» были признаны всего два проекта ― по моделированию динамики сплошных сред в задачах нефтегазодобычи и наш проект, посвященный моделированию процессов поведенческой экономики.

Продление проекта РНФ ― это не автоматический процесс, а тоже конкурс. Обычно это решается на заседании профильной экспертной секции. Принимаются во внимание рекомендации независимых экспертов, качество отчета на предыдущих этапах проекта, а также интенсивность обнародования результатов проекта, то есть публикации в высокорейтинговых журналах.

Единственное формальное условие ― это наличие индустриального партнера, готового софинансировать эти исследования. Нашим бессменным и надежным партнером в обеих частях проекта выступает ПАО «Банк Санкт-Петербург».

Расскажите, пожалуйста, о самом проекте. Какова его цель?

В самом начале проекта, в 2017 году, мы ставили своей целью попробовать устранить методический разрыв между двумя парадигмами моделирования финансовых процессов.

С одной стороны, существуют классические исследования в области финансовой математики с солидным формальным аппаратом. Они гораздо больше соответствуют слову «математика», чем слову «финансы». Однако присущий этому направлению идеализм далеко не всегда может удовлетворить ожидания реальных потребителей.

С другой стороны, практическое продвижение конгломерата знаний, именуемого Data Science, порождает иной подход, когда модели строятся исключительно на данных... и при этом теряют саму «физику» мира финансов.

Мы же попробовали системно скрестить «ежа с ужом», ориентируясь на гибридные финансовые модели, в которых с помощью методов машинного обучения описываются процессы, связанные с основным источником неопределенности ― поведением человека. И, полагаю, нам это удалось.

Каким образом?

Мы разработали семейство методов многомасштабного моделирования различных процессов поведенческой экономики, связанных с банковской деятельностью и ретейлом, и воплотили их в цифровой платформе в облачной среде. Эта платформа позволяет эффективно решать различные прикладные задачи, связанные с задачами финансового скоринга, оптимизации бизнес-процессов банка, политики эквайринга, формирования программ лояльности и проектирования новых финансовых продуктов.

Какие исследования вы вели в прошлом году?

В 2020 году мы продолжили основное направление, связанное с развитием гибридных моделей финансовых процессов и поведенческой экономики в целом, однако фокусируемся на ситуациях, в которых возникают нестационарные и переходные процессы.

Например, на различных кризисных явлениях, причем не только финансовых. Нестационарность поведенческой экономики очень ярко проявилась в связи с пандемией COVID-19. Поскольку методы машинного обучения работают с уже накопленными данными, можно сказать, предсказывают свершившуюся историю, то, само собой, в кризисных ситуациях использовать их сложно: данные меняются быстрее, чем обучаются модели. Как «обхитрить» модели, чтобы они работали и в кризисных ситуациях ― вот цель нашего проекта сейчас.

Почему это важно?

В финансах следует исходить из логики «предупрежден ― значит вооружен». Особенно это касается кризисных ситуаций, когда никто не знает, что будет дальше. Люди боятся проявлять активность, а существующие инструменты мотивации, программы лояльности, бонусы и скидки, просто не действуют ― так как они проектировались в условиях «спокойной жизни».

Потому задача понимания общего состояния поведенческой экономики, его краткосрочное прогнозирование и адаптация под него собственных бизнес-процессов важна для любой финансовой организации. На основе результатов проекта могут создаваться системы поддержки принятия решений разного уровня ― как рекомендательные, так и генеративные, то есть помогающие спроектировать тот или иной финансовый продукт в конкретных условиях, используя методы ИИ.

Есть ли уже какие-то примеры внедрения полученных результатов?

Все прикладные решения проекта внедрены в деятельность нашего партнера ― «Банка Санкт-Петербург», в том числе некоторые используются в режиме 24х7. Это условие обусловлено софинансированием проекта, и мы об этом не жалеем: процесс внедрения трудоемок, но он же и формирует новые постановки научных задач.

Что запланировано на ближайшее время в рамках продления финансирования?

Мы сосредоточились на пяти основных направлениях, важных для работы с нестационарными финансовыми процессами в кризисных ситуациях.

Во-первых, мы строим модели для предсказания предельных состояний поведенческой экономики, чтобы понять, как разные факторы влияют на финансовые процессы в глобальном масштабе.

Во-вторых, мы разрабатываем методы обучения моделей в предположении о нестационарности данных, когда они изменяются быстрее, чем модель достигнет требуемой точности.

В-третьих, мы работаем с методами краткосрочного прогнозирования таких процессов.

В-четвертых, мы развиваем подходы генеративного дизайна, позволяющие, например, синтезировать финансовый продукт, который будет эффективен именно в условиях кризиса, пусть даже короткое время.

В-пятых, мы развиваем средства для экспериментальных исследований в данной области. Поскольку каждый кризис индивидуален, а данные 2020 года, связанные с пандемией COVID-19, явно недостаточны для глобальных выводов, мы создаем специальный экспериментальный стенд на основе технологии цифровых аватаров ― персональных виртуальных ассистентов, в котором можно проводить эксперименты по оценке факторов финансового поведения реальных людей, но ― в форме многопользовательской компьютерной игры в виртуальном мире, без угрозы их кошельку.

По-видимому, это единственный способ получить непротиворечивые данные по разнообразию кризисных ситуаций, и мы считаем это принципиально важным для валидации всех решений проекта.

Какова конечная цель проекта?

Цель любого проекта РНФ проста ― создать и обнародовать новые знания, определяющие пути решения конкретной актуальной задачи, важной или для развития самой предметной области, или для получения новых результатов в других областях.

Однако в данном случае мы преследуем и собственную цель ― создание устойчивой научной школы в области математических методов поведенческой экономики и финансов в Университете ИТМО. За четыре года можно говорить о том, что школа сложилась. Однако теперь для нее нужен импульс, который позволит обеспечить ее конкурентоспособность как минимум на десятилетие. И этот импульс мы заложим в продлении проекта РНФ в 2021-2023 годы.

18 марта, 2024
Химики заставили палладий светиться
Ученые разработали подход, позволяющий создавать новые светоизлучающие материалы на основе органичес...
15 марта, 2024
Российские ученые выяснили, что лечение рака кожи зависит от бактерий в кишечнике
Российские ученые выяснили, что в зависимости от того, какие бактерии населяют кишечник человека, ...