Avec Vector, BMO forme un nouveau modèle d'apprentissage profond de pointe pour la finance - et veut l'utiliser là où cela compte le plus.

17 juin 2020

17 juin 2020

Une maxime simple guide le travail de l'équipe des capacités d'IA de BMO : l'augmentation de la performance des modèles est directement liée à l'augmentation des revenus, à la réduction des coûts et à l'amélioration de l'expérience des clients en matière de services bancaires. Bienvenue dans la culture de BMO, où l'équipe des capacités d'IA occupe une place de choix à la table des négociations et est autorisée à présenter des applications d'IA pour les principaux moteurs de valeur de la banque.

"Le fait que nous soyons en partenariat avec les équipes commerciales montre que BMO lie directement l'IA aux revenus et aux économies de coûts ", a déclaré Yevgeniy Vahlis, responsable des capacités d'intelligence artificielle à BMO Groupe financier.

Cette possibilité d'améliorer les performances incite la banque à se tenir au courant des avancées techniques en matière de précision des modèles.

"Généralement, la façon dont on parle de l'IA est assez binaire : faites-vous de l'IA ou non ? Mais il y a en fait une grande différence entre un modèle qui vous donne une précision de 30 % et un modèle qui vous donne une précision de 80 %. C'est une différence énorme, et c'est quelque chose dont on ne parle pas beaucoup lorsque les entreprises décident de se doter d'une solution d'IA", a déclaré M. Vahlis. "C'est l'avantage d'utiliser la recherche de pointe pour les solutions d'IA industrielles : si vous disposez de l'expertise nécessaire, vos modèles peuvent être nettement plus performants ou plus précis."

La commandite platine de BMO à l'égard de l'Institut Vector offre des occasions d'expérimenter la recherche de pointe en matière d'IA dans le cadre de projets organisés par les chercheurs et l'équipe d'innovation industrielle de Vector. "Ces projets complètent les capacités internes de BMO, en nous aidant à convertir plus rapidement les recherches universitaires de pointe sur l'IA en nouveaux modèles que nous pouvons utiliser pour soutenir des propositions de valeur stratégique avec un groupe diversifié de parties prenantes au sein de la banque ", a fait remarquer Sami Ahmed, chef de la direction numérique, des données et de l'analytique de la Gestion de patrimoine. "Nous avons constaté une traction positive sur la base de notre participation à un certain nombre de projets Vector et c'est une occasion de contribuer à l'écosystème de l'IA au Canada".

L'un de ces projets est le projet de traitement du langage naturel (NLP) de Vector, qui comprend plusieurs volets de travail axés sur la reproduction de modèles de traitement du langage naturel (NLP) de pointe et sur leur formation à l'exécution de tâches spécifiques à un domaine en rapport avec les objectifs commerciaux des participants.

Dans le cadre du projet NLP, Stella Wu, chercheuse en apprentissage automatique appliqué à BMO Groupe financier, a proposé et développé une version financière de BERT - l'un des modèles de représentation du langage les plus avancés qui soient. BERT fait référence aux "représentations d'encodeurs bidirectionnels à partir de transformateurs", une technique de NLP publiée par Google en 2018, qui a constitué une percée non seulement pour sa capacité à comprendre le sens des mots, mais aussi leurs contextes.

Les chercheurs Wu et Vector ont utilisé plusieurs sources d'informations financières en ligne pour ajouter à l'ensemble de données plus de 182 millions de termes liés à la finance et aux marchés, ainsi que leurs contextes. Ils ont ensuite pré-entraîné le modèle avec cet ensemble de données enrichi, préparant ainsi le terrain pour l'affiner afin de réaliser des tâches spécifiques pour BMO en matière d'analyse des sentiments du marché.

Les conversations en face à face, les cours avancés et les commentaires hebdomadaires que les participants au projet ont reçus de la part des chercheurs de Vector et des conférenciers invités ont étayé ce travail. "Je n'avais aucune expérience de la PNL auparavant", note Wu. "C'était presque comme une conférence marathon qui vous donne toutes les dernières informations. J'ai l'impression que lorsque vous êtes dans Vector en train de faire de la recherche, vous êtes plus en contact avec l'état de l'art.

"L'accès aux chercheurs de Vector accélère considérablement nos progrès", a déclaré M. Vahlis. "Le fait de pouvoir compter sur les meilleurs chercheurs du Canada ou de l'Ontario augmente à la fois nos chances de réussite et la rapidité avec laquelle nous pouvons mener à bien ce projet."

En plus de compléter les efforts internes, la relation avec Vector offre un autre avantage à BMO : la fidélisation.

"Il est très difficile de trouver des personnes qui ont des compétences en recherche, une compréhension approfondie de la science et la capacité de l'appliquer directement à l'entreprise", a observé M. Vahlis. "Ils choisissent de rester à BMO. Le maintien de l'effectif n'est pas une mince affaire, et le fait de travailler avec Vector y contribue.

L'expérience de Wu le confirme. "J'étais fasciné par l'Institut Vecteur. Avant d'entrer dans l'industrie, je voulais y travailler. Pour moi, c'est un endroit très inspirant".

En fin de compte, la valeur principale de cette inspiration et de cette exposition à la recherche vient des résultats concrets qu'ils créent. "Bien que l'expérience ait été très académique, le résultat a été un avantage pratique pour l'entreprise", conclut M. Wu.

En rapport :

Des protocoles normalisés sont essentiels pour un déploiement responsable des modèles linguistiques

Les inconnues connues : Geoff Pleiss, chercheur chez Vector, se penche sur l'incertitude pour rendre les modèles de ML plus précis.

Un homme regarde un tableau blanc sur lequel sont inscrites des formules en rouge.
Perspectives
Une IA digne de confiance

Comment mettre en œuvre des systèmes d'IA en toute sécurité