Peter Sarlin, Silo AI FIN-FSA's annual conference on 22 November 2017: Financial Services 2022 – How will financial services develop in the next few years?

1. P E T E R @ S I L O . A I | 1 1 / 2 0 1 7
A R T I F I C I A L I N T E L L I G E N C E A S A S E R V I C E
P E T E R S A R LIN
HOW TO BUILD AI FOR THE FINANCIAL SECTOR

2. P E T E R @ S I L O . A I | 1 1 / 2 0 1 7
AI changes finance fundamentally
It's impacting every business process

3. P E T E R @ S I L O . A I | 1 1 / 2 0 1 7
AI changes finance fundamentally
It's impacting every business process
MEET THE SHERLOCKS

4. P E T E R @ S I L O . A I | 1 1 / 2 0 1 7
W H A T I S
A I ?

5. P E T E R @ S I L O . A I | 1 1 / 2 0 1 7
“ A N Y D E V I C E T H A T P E R C E I V E S I T S E N V I R O N M E N T A N D T A K E S
A C T I O N S T H A T M A X I M I Z E I T S C H A N C E O F S U C C E S S A T S O M E G O A L ”

6. P E T E R @ S I L O . A I | 1 1 / 2 0 1 7
“ A N Y D E V I C E T H A T P E R C E I V E S I T S E N V I R O N M E N T A N D T A K E S
A C T I O N S T H A T M A X I M I Z E I T S C H A N C E O F S U C C E S S A T S O M E G O A L ”
A C T S - S E N S E S - R E A C T S

7. P E T E R @ S I L O . A I | 1 1 / 2 0 1 7P E T E R @ S I L O . A I | 1 1 / 2 0 1 7
AI is oftentimes
SensingSensing
M A C H I N E
L E A R N I N G
C O M P U T E R
V I S I O N
N A T U R A L L A N G U A G E
P R O C E S S I N G
P E T E R @ S I L O . A I | 1 1 / 2 0 1 7
and most often not ...

8. P E T E R @ S I L O . A I | 1 1 / 2 0 1 7P E T E R @ S I L O . A I | 1 1 / 2 0 1 7
AI MYTH #1
AI ≠ MACHINES > HUMANS
P E T E R @ S I L O . A I | 1 1 / 2 0 1 7

9. P E T E R @ S I L O . A I | 1 1 / 2 0 1 7P E T E R @ S I L O . A I | 1 1 / 2 0 1 7
AI MYTH #2
BEST AI ≠ BEST ALGORITHM
P E T E R @ S I L O . A I | 1 1 / 2 0 1 7

10. P E T E R @ S I L O . A I | 1 1 / 2 0 1 7P E T E R @ S I L O . A I | 1 1 / 2 0 1 7
AI FACT #1
AI = TD + ML + HITL
P E T E R @ S I L O . A I | 1 1 / 2 0 1 7

11. P E T E R @ S I L O . A I | 1 1 / 2 0 1 7P E T E R @ S I L O . A I | 1 1 / 2 0 1 7
AI FACT #2
BEST AI = BIZ > TECH
P E T E R @ S I L O . A I | 1 1 / 2 0 1 7

12. P E T E R @ S I L O . A I | 1 1 / 2 0 1 7P E T E R @ S I L O . A I | 1 1 / 2 0 1 7
ML AS A PROCESS
FOR AI
1 . B U S I N E S S O B J E C T I V E
2 . D A T A U N D E R S T A N D I N G
3 . D A T A P R E P A R A T I O N
4 . B U I L D M O D E L
5 . E V A L U A T E M O D E L
6 . D E P L O Y M O D E L
P E T E R @ S I L O . A I | 1 1 / 2 0 1 7

13. P E T E R @ S I L O . A I | 1 1 / 2 0 1 7P E T E R @ S I L O . A I | 1 1 / 2 0 1 7
D A T A
F I N D P A T T E R N S
R E C O G N I Z E S P A T T E R N SC O N T A I N S P A T T E R N S
T R A I N A L G O R I T H M
D E P L O Y M O D E L
N E W D A T A
A P P L Y M O D E L
DECISION
SIGNALS
H U M A N I N
T H E L O O P
DATA, THE OIL OF MACHINE LEARNING
… B U T A L W A Y S S T A R T F R O M A C O N C R E T E B U S I N E S S N E E D
P E T E R @ S I L O . A I | 1 1 / 2 0 1 7

14. P E T E R @ S I L O . A I | 1 1 / 2 0 1 7P E T E R @ S I L O . A I | 1 1 / 2 0 1 7
HOW TO CREATE VALUE WITH AI?

15. P E T E R @ S I L O . A I | 1 1 / 2 0 1 7P E T E R @ S I L O . A I | 1 1 / 2 0 1 7
HOW TO CREATE VALUE WITH AI?
1 . O P T I M I Z E E X I S T I N G D A T A - D R I V E N S T R A T E G I E S

16. P E T E R @ S I L O . A I | 1 1 / 2 0 1 7P E T E R @ S I L O . A I | 1 1 / 2 0 1 7
HOW TO CREATE VALUE WITH AI?
1 . O P T I M I Z E E X I S T I N G D A T A - D R I V E N S T R A T E G I E S
2 . U S E N E W , A L T E R N A T I V E D A T A S O U R C E S

17. P E T E R @ S I L O . A I | 1 1 / 2 0 1 7P E T E R @ S I L O . A I | 1 1 / 2 0 1 7
A I R I S K Q U A N T
T O O L F O R M E A S U R I N G
F I N A N C I A L R I S K
A I A N A L Y S T
T O O L T H A T U N D E R S T A N D S
N E W S L I K E A H U M A N A N A L Y S T
S I L O B R A I N
T O O L F O R M L W I T H A
H U M A N I N T H E L O O P
P E T E R @ S I L O . A I | 1 1 / 2 0 1 7

18. P E T E R @ S I L O . A I | 1 1 / 2 0 1 7P E T E R @ S I L O . A I | 1 1 / 2 0 1 7
A I R I S K Q U A N T
T O O L F O R M E A S U R I N G F I N A N C I A L R I S K

19. P E T E R @ S I L O . A I | 1 1 / 2 0 1 7
I N D U S T R Y C O - O P E R A T I O N
A C A D E M I C C O - O P E R A T I O N

20. P E T E R @ S I L O . A I | 1 1 / 2 0 1 7P E T E R @ S I L O . A I | 1 1 / 2 0 1 7
Case:
Identify vulnerable banks
2-class classification:
Vulnerable vs. tranquil
Data
Historical distress events
Hundreds of risk indicators
Measures of interconnectedness
AI for financial risk

21. P E T E R @ S I L O . A I | 1 1 / 2 0 1 7P E T E R @ S I L O . A I | 1 1 / 2 0 1 7
RAW
DATA
RISK
INDICATORS
INDIVIDUAL
RISK
NODE &
SYSTEM RISK
M A C H I N E L E A R N I N G
T O M E A S U R E
I N D I V I D U A L R I S K
E X P E R T S B U I L D &
M A C H I N E S S E L E C T
K E Y I N D I C A T O R S
N E T W O R K S L I N K U P
I N T E R C O N N E C T E D
R I S K
TOOL FOR MEASURING
FINANCIAL RISK

22. P E T E R @ S I L O . A I | 1 1 / 2 0 1 7P E T E R @ S I L O . A I | 1 1 / 2 0 1 7
ECB BANK
ASSESSMENT
EXERCISE
IN 2014
M O D E L V S
7 0 0 0 M A N -
Y E A R S
2 0 M O S T
V U L N E R A B L E
B A N K S I N
2 0 1 4Q 2

23. P E T E R @ S I L O . A I | 1 1 / 2 0 1 7P E T E R @ S I L O . A I | 1 1 / 2 0 1 7
A I A N A L Y S T
T O O L T H A T U N D E R S T A N D S N E W S L I K E A H U M A N A N A L Y S T

24. P E T E R @ S I L O . A I | 1 1 / 2 0 1 7P E T E R @ S I L O . A I | 1 1 / 2 0 1 7
BANK DISTRESS DETECTION IN NEWS
1. CAN WE DETECT EVENTS BASED ON TEXT?
2. CAN WE OBTAIN DESCRIPTIONS OF EVENTS?
STEP 1:
LEARNING SEMANTIC VECTORS,
THROUGH WORD PREDICTION
STEP 2:
LEARNING TO PREDICT EVENTS, WITH
ARTICLES' SEMANTIC VECTORS

25. P E T E R @ S I L O . A I | 1 1 / 2 0 1 7P E T E R @ S I L O . A I | 1 1 / 2 0 1 7
NEWS
NEWS
FACTS
NUMERICAL
INDICATORS
STOCK
IMPACT
TOOL THAT UNDERSTANDS NEWS
LIKE A HUMAN ANALYST
Natural-language processing
Detect events & values that
represent news facts.
Machine learning
Build and select relevant
numerical indicators.
Artificial Intelligence quant
Measure stock impact of events –
the event delta.

26. P E T E R @ S I L O . A I | 1 1 / 2 0 1 7P E T E R @ S I L O . A I | 1 1 / 2 0 1 7
S I L O B R A I N P L A T F O R M
T O O L F O R M L W I T H A H U M A N I N T H E L O O P

27. P E T E R @ S I L O . A I | 1 1 / 2 0 1 7
D A T A I N P U T M O D E L I N G O U T P U T
OP E N A I D E P LOY MENT P LAT FORM
A P I : S
R E P O R T S
T O O L K I T S
D A S H B O A R D S
P E T E R @ S I L O . A I | 1 1 / 2 0 1 7
NLP / Text processing Computer Vision Complex risk modelling
Reinforcement
learning
General ML
E X A M P L E S O F S I L O B R A I N M O D U L E S
Active learning
C L I E N T -
S P E C I F I C
F O R M A T

28. P E T E R @ S I L O . A I | 1 1 / 2 0 1 7
S O U R C E & S H A R E
I N T E L L I G E N C E
A N N O T A T E & L A B E L F O R
M A C H I N E L E A R N I N G
V I S U A L I Z E D A T A
& M L O U T P U T
F I N A N C I A L I N T E R C O N N E C T E D N E S S
C O L L A B O R A T I V E M A C H I N E L E A R N I N G W I T H A H U M A N I N T H E L O O P
R I S K I N T E L L I G E N C E
C A S E S T U D Y:
P E T E R @ S I L O . A I | 1 1 / 2 0 1 7

29. P E T E R @ S I L O . A I | 1 1 / 2 0 1 7P E T E R @ S I L O . A I | 1 1 / 2 0 1 7
AI HOW- TO
3 , 0 7 3 E X E C U T I V E S
1 6 0 C A S E S T U D I E S
1 4 S E C T O R S
1 0 C O U N T R I E S
H O W B U S I N E S S E S S U C C E E D W I T H A I
H B R ‘ 1 7

30. P E T E R @ S I L O . A I | 1 1 / 2 0 1 7P E T E R @ S I L O . A I | 1 1 / 2 0 1 7
AI HOW- TO
1 . D O N ’ T B E L I E V E T H E H Y P E
2 . B E L I E V E T H E H Y P E
3 . W I T H O U T S U P P O R T F R O M L E A D E R S H I P …
4 . Y O U D O N ’ T H A V E T O G O I T A L O N E O N A I
5 . D O N ’ T P U T T E C H N O L O G Y T E A M S S O L E L Y I N C H A R G E
6 . T A K E A P O R T F O L I O A P P R O A C H
7 . D E E P L E A R N I N G I S N O T R I G H T F O R E V E R Y T H I N G
8 . D I G I T A L C A P A B I L I T I E S C O M E B E F O R E A I
9 . B I G G E S T C H A L L E N G E S A R E P E O P L E & P R O C E S S E S
1 0 . B E B O L D
H B R ‘ 1 7

31. P E T E R @ S I L O . A I | 1 1 / 2 0 1 7P E T E R @ S I L O . A I | 1 1 / 2 0 1 7
AI HOW- TO
1 . D O N ’ T B E L I E V E T H E H Y P E
2 . B E L I E V E T H E H Y P E
3 . W I T H O U T S U P P O R T F R O M L E A D E R S H I P …
4 . Y O U D O N ’ T H A V E T O G O I T A L O N E O N A I
5 . D O N ’ T P U T T E C H N O L O G Y T E A M S S O L E L Y I N C H A R G E
6 . T A K E A P O R T F O L I O A P P R O A C H
7 . D E E P L E A R N I N G I S N O T R I G H T F O R E V E R Y T H I N G
8 . D I G I T A L C A P A B I L I T I E S C O M E B E F O R E A I
9 . B I G G E S T C H A L L E N G E S A R E P E O P L E & P R O C E S S E S
1 0 . B E B O L D
H B R ‘ 1 7

32. P E T E R @ S I L O . A I | 1 1 / 2 0 1 7P E T E R @ S I L O . A I | 1 1 / 2 0 1 7
AI HOW- TO
1 . D O N ’ T B E L I E V E T H E H Y P E
2 . B E L I E V E T H E H Y P E
3 . W I T H O U T S U P P O R T F R O M L E A D E R S H I P …
4 . Y O U D O N ’ T H A V E T O G O I T A L O N E O N A I
5 . D O N ’ T P U T T E C H N O L O G Y T E A M S S O L E L Y I N C H A R G E
6 . T A K E A P O R T F O L I O A P P R O A C H
7 . D E E P L E A R N I N G I S N O T R I G H T F O R E V E R Y T H I N G
8 . D I G I T A L C A P A B I L I T I E S C O M E B E F O R E A I
9 . B I G G E S T C H A L L E N G E S A R E P E O P L E & P R O C E S S E S
1 0 . B E B O L D
H B R ‘ 1 7

33. P E T E R @ S I L O . A I | 1 1 / 2 0 1 7P E T E R @ S I L O . A I | 1 1 / 2 0 1 7P E T E R @ S I L O . A I | 1 0 / 2 0 1 7
AI HOW- TO
1 . D O N ’ T B E L I E V E T H E H Y P E
2 . B E L I E V E T H E H Y P E
3 . W I T H O U T S U P P O R T F R O M L E A D E R S H I P …
4 . Y O U D O N ’ T H A V E T O G O I T A L O N E O N A I
5 . D O N ’ T P U T T E C H N O L O G Y T E A M S S O L E L Y I N C H A R G E
6 . T A K E A P O R T F O L I O A P P R O A C H
7 . D E E P L E A R N I N G I S N O T R I G H T F O R E V E R Y T H I N G
8 . D I G I T A L C A P A B I L I T I E S C O M E B E F O R E A I
9 . B I G G E S T C H A L L E N G E S A R E P E O P L E & P R O C E S S E S
1 0 . B E B O L D
H B R ‘ 1 7

34. P E T E R @ S I L O . A I | 1 1 / 2 0 1 7P E T E R @ S I L O . A I | 1 1 / 2 0 1 7
AI HOW- TO
1 . D O N ’ T B E L I E V E T H E H Y P E
2 . B E L I E V E T H E H Y P E
3 . W I T H O U T S U P P O R T F R O M L E A D E R S H I P …
4 . Y O U D O N ’ T H A V E T O G O I T A L O N E O N A I
5 . D O N ’ T P U T T E C H N O L O G Y T E A M S S O L E L Y I N C H A R G E
6 . T A K E A P O R T F O L I O A P P R O A C H
7 . D E E P L E A R N I N G I S N O T R I G H T F O R E V E R Y T H I N G
8 . D I G I T A L C A P A B I L I T I E S C O M E B E F O R E A I
9 . B I G G E S T C H A L L E N G E S A R E P E O P L E & P R O C E S S E S
1 0 . B E B O L D
H B R ‘ 1 7

35. P E T E R @ S I L O . A I | 1 1 / 2 0 1 7P E T E R @ S I L O . A I | 1 1 / 2 0 1 7
AI HOW- TO
1 . D O N ’ T B E L I E V E T H E H Y P E
2 . B E L I E V E T H E H Y P E
3 . W I T H O U T S U P P O R T F R O M L E A D E R S H I P …
4 . Y O U D O N ’ T H A V E T O G O I T A L O N E O N A I
5 . D O N ’ T P U T T E C H N O L O G Y T E A M S S O L E L Y I N C H A R G E
6 . T A K E A P O R T F O L I O A P P R O A C H
7 . D E E P L E A R N I N G I S N O T R I G H T F O R E V E R Y T H I N G
8 . D I G I T A L C A P A B I L I T I E S C O M E B E F O R E A I
9 . B I G G E S T C H A L L E N G E S A R E P E O P L E & P R O C E S S E S
1 0 . B E B O L D
H B R ‘ 1 7

36. P E T E R @ S I L O . A I | 1 1 / 2 0 1 7P E T E R @ S I L O . A I | 1 1 / 2 0 1 7
AI HOW- TO
1 . D O N ’ T B E L I E V E T H E H Y P E
2 . B E L I E V E T H E H Y P E
3 . W I T H O U T S U P P O R T F R O M L E A D E R S H I P …
4 . Y O U D O N ’ T H A V E T O G O I T A L O N E O N A I
5 . D O N ’ T P U T T E C H N O L O G Y T E A M S S O L E L Y I N C H A R G E
6 . T A K E A P O R T F O L I O A P P R O A C H
7 . D E E P L E A R N I N G I S N O T R I G H T F O R E V E R Y T H I N G
8 . D I G I T A L C A P A B I L I T I E S C O M E B E F O R E A I
9 . B I G G E S T C H A L L E N G E S A R E P E O P L E & P R O C E S S E S
1 0 . B E B O L D
H B R ‘ 1 7

37. P E T E R @ S I L O . A I | 1 1 / 2 0 1 7P E T E R @ S I L O . A I | 1 1 / 2 0 1 7
AI HOW- TO
1 . D O N ’ T B E L I E V E T H E H Y P E
2 . B E L I E V E T H E H Y P E
3 . W I T H O U T S U P P O R T F R O M L E A D E R S H I P …
4 . Y O U D O N ’ T H A V E T O G O I T A L O N E O N A I
5 . D O N ’ T P U T T E C H N O L O G Y T E A M S S O L E L Y I N C H A R G E
6 . T A K E A P O R T F O L I O A P P R O A C H
7 . D E E P L E A R N I N G I S N O T R I G H T F O R E V E R Y T H I N G
8 . D I G I T A L C A P A B I L I T I E S C O M E B E F O R E A I
9 . B I G G E S T C H A L L E N G E S A R E P E O P L E & P R O C E S S E S
1 0 . B E B O L D
H B R ‘ 1 7

38. P E T E R @ S I L O . A I | 1 1 / 2 0 1 7P E T E R @ S I L O . A I | 1 1 / 2 0 1 7
AI HOW- TO
1 . D O N ’ T B E L I E V E T H E H Y P E
2 . B E L I E V E T H E H Y P E
3 . W I T H O U T S U P P O R T F R O M L E A D E R S H I P …
4 . Y O U D O N ’ T H A V E T O G O I T A L O N E O N A I
5 . D O N ’ T P U T T E C H N O L O G Y T E A M S S O L E L Y I N C H A R G E
6 . T A K E A P O R T F O L I O A P P R O A C H
7 . D E E P L E A R N I N G I S N O T R I G H T F O R E V E R Y T H I N G
8 . D I G I T A L C A P A B I L I T I E S C O M E B E F O R E A I
9 . B I G G E S T C H A L L E N G E S A R E P E O P L E & P R O C E S S E S
1 0 . B E B O L D
H B R ‘ 1 7

39. P E T E R @ S I L O . A I | 1 1 / 2 0 1 7P E T E R @ S I L O . A I | 1 1 / 2 0 1 7
AI HOW- TO
1 . D O N ’ T B E L I E V E T H E H Y P E
2 . B E L I E V E T H E H Y P E
3 . W I T H O U T S U P P O R T F R O M L E A D E R S H I P …
4 . Y O U D O N ’ T H A V E T O G O I T A L O N E O N A I
5 . D O N ’ T P U T T E C H N O L O G Y T E A M S S O L E L Y I N C H A R G E
6 . T A K E A P O R T F O L I O A P P R O A C H
7 . D E E P L E A R N I N G I S N O T R I G H T F O R E V E R Y T H I N G
8 . D I G I T A L C A P A B I L I T I E S C O M E B E F O R E A I
9 . B I G G E S T C H A L L E N G E S A R E P E O P L E & P R O C E S S E S
1 0 . B E B O L D
H B R ‘ 1 7

40. P E T E R @ S I L O . A I | 1 1 / 2 0 1 7P E T E R @ S I L O . A I | 1 1 / 2 0 1 7P E T E R @ S I L O . A I | 1 1 / 2 0 1 7
A R T I F I C I A L I N T E L L I G E N C E A S A S E R V I C E
THANKS!
PETER SARLIN
CO-FOUNDER
PETER@SILO.AI
@PETERSARLIN
@SILO_AI