Sztuczna inteligencja w innowacjach fi nansowych – aspekty prawne i regulacyjne

• Authors: Marcin Rojszczak

Abstracts

PL

Celem artykułu jest przeanalizowanie prawnych konsekwencji wdrażania nowoczesnych technik przetwarzania danych, w szczególności uczenia maszynowego oraz analizy dużych zbiorów danych (Big Data) w sektorze innowacji finansowych (fintech). Techniki te stanowią nie tylko tworzą nowe możliwości monetaryzacji danych po stronie podmiotów funkcjonujących w sektorze finansowym, lecz także ujawniają nowe wyzwania regulacyjne i nadzorcze.

Keywords

PL

sztuczna inteligencja; uczenie maszynowe; Big Data; scoring kredytowy; fintech

• Publisher: Uniwersytet Warszawski. Wydział Nauk Ekonomicznych
• Journal: internetowy Kwartalnik Antymonopolowy i Regulacyjny
• Year: 2020
• Volume: 9
• Issue: 2
• Pages: 61-77

Dates

published

2020

Contributors

author

Marcin Rojszczak

• Politechnika Warszawska, Wydział Administracji i Nauk Społecznych

• https://orcid.org/0000000320374301

References

• Aitken, R. (2018). Global Financial Services Bullish On AI, The ‘Disruptive Tech’ Frontrunner. Forbes, 28listopada. Pozyskano z: https://cli.re/gRVrDD (15.01.2020).
• Anderson, C. (2008). The End of Theory: The Data Deluge Makes the Scientifi c Method Obsolete. Wired. Pozyskano z: https://www.wired.com/2008/06/pb-theory/ (15.01.2020).
• Baker, T. i Dellaert, B. (2018). Regulating Robo Advice Across the Financial. Iowa Law Review, 103, 734.
• Chen, Y. (2015). Privacy and Freedom of Information in China. European Data Protection Law Review, (4).
• Chen, Y. i Cheung, A. (2017). The Transparent Self Under Big Data Profi ling: Privacy and Chinese Legislation on the Social Credit System. Journal of Comparative Law, (2). Pozyskano z: http://dx.doi.org/10.2139/ssrn.2992537 (15.01.2020).
• Choi, D. i Le, K. (2018). An Artificial Intelligence Approach to Financial Fraud Detectionunder IoT Environment: A Survey and Implementation. Security and Communication Network. https://doi.org/10.1155/2018/5483472 (15.01.2020).
• Federal Trade Commission. (2015). Data Brokers: A Call for Transparency and Accountability. Pozyskano z: https://goo.gl/ig9tEp (15.01.2020).
• Financial Industry Regulatory Authority. (2016). Report on Digital Investment Advice. Pozyskano z: https://cli.re/GBpoAw (15.01.2020).
• Financial Services User Group. (2016). Assessment of current and future impact of Big Data on Financial Services. Pozyskano z: https://cli.re/gBo3xy (15.01.2020).
• Financial Stability Board. (2017). Artificial intelligence and machine learning in fi nancial services. Market developments and financial stability implications. Pozyskano z: http://www.fsb.org/wp-content/uploads/P011117.pdf, s. 24–28 (15.01.2020).
• Fisch, J., Labour, M. i Turner, J. (2017). The Economics of Complex Decision Making: The Emergence of the Robo Adviser. Pozyskano z: https://cli.re/Gw3Mj1, s. 12 (15.01.2020).
• Hutson, M. (2018). Hackers easily fool artificial intelligences. Science, (6399).
• Information Commissioner’s Office. (2017). Big data, artifcial intelligence, machine learning and data protection. Pozyskano z: https://goo.gl/fSMffi (15.01.2020).
• Joint Committee of the European Supervisory Authorities. (2018). Joint Committee Report on the results of the monitoring exercise on ‘automation in financial advice’. Pozyskano z: https://cli.re/GNj2EA (15.01.2020).
• Komisja Nadzoru Finansowego. (2012). Stanowisko KNF z 21.03.2012 r. w sprawie świadczenia przez firmy inwestycyjne usług doradztwa inwestycyjnego. Pozyskano z: https://cli.re/6zy5AK (15.01.2020).
• Komisja Nadzoru Finansowego. (2013). Stanowisko KNF z 3.09.2013. Pozyskano z: https://cli.re/gqjv3D (15.01.2020).
• Komisja Nadzoru Finansowego. (2018). Rekomendacje Zespołu roboczego ds. rozwoju innowacji finansowych (FinTech) w odniesieniu do listy określonych barier zawartych w Raporcie końcowym – statusy realizacji prac. Pozyskano z: https://cli.re/GXaomA (15.01.2020).
• Komisja Nadzoru Finansowego. (2018b). Urząd KNF uruchamia Piaskownicę regulacyjną KNF. KNF, 25 października. Pozyskano z: https://cli.re/GYqYZ2 (15.01.2020).
• Maletic, J. i Marcus, A. (2019). Data Cleansing: A Prelude to Knowledge Discovery. W: O. Maimon, L. Rokach (red.), Data Mining and Knowledge Discovery Handbook. Boston: Springer.
• McGinnis, J. (2009–2010). Accelerating AI. Northwestern University Law Review Colloquy, 368–372.
• Ministerstwo Cyfryzacji. (2018). Założenia do strategii AI w Polsce. Pozyskano z: https://cli.re/LKxvM8 (15.01.2020).
• Piesko, M. (2002). O subtelnej różnicy między słabą a mocną wersją sztucznej inteligencji na przykładzie tekstu Turinga. Zagadnienia Filozofi czne w Nauce, 93–102.
• Rojszczak M. (2019a). Definicja i granice prawnej ochrony prywatności w epoce analityki big data. RPEiS, (1).
• Rojszczak, M. (2019b). Ochrona prywatności w cyberprzestrzeni z uwzględnieniem zagrożeń wynikających z nowych technik przetwarzania informacji. Warszawa: Wolters Kluwer.
• Rojszczak, M. (2019c). Wpływ robotyzacji na rynek pracy i sektor ubezpieczeń społecznych. Prawo i Zabezpieczenie Społeczne, (7).
• Różanowski, K. (2017). Sztuczna inteligencja: rozwój, szanse i zagrożenia. Zeszyty Naukowe Warszawskiej Wyższej Szkoły Informatyki, 2.
• Ruiz, S., Gomes, P., Rodrigues, L. i Gama, J. (2017). Credit Scoring in Microfi nance Using Non-traditional Data. EPIA Conference on Artifi cial Intelligence. http://dx.doi.org/10.1007/978-3-319-65340-2_37 (15.01.2020).
• Selde, E. (2013). Study of credit scorecard using only Facebook data. Big Data Scoring, 12 lipca. Pozyskano z: https://cli.re/g9rrKx (15.01.2020).
• Sikorski, G. (2015). Prawo Bankowe. Komentarz. Warszawa: Wydawnictwo C.H. Beck.
• Síthigh, D. i Siems, M. (2019). The Chinese social credit system: A model for other countries? European University Institute Working Paper LAW, 01. Pozyskano z: https://cli.re/GoWeBd (15.01.2020)
• Stangret-Smoczyńska, A. (2016). Obowiązek oceny zdolności kredytowej. W: A. Stangret-Smoczyńska, Zdolność kredytowa w ujęciu prawnym prawa polskiego. Warszawa: Wydawnictwo C.H. Beck.
• Strzelczyk, B. (2017). Rise of the Machines: The Legal Implications for Investor Protection with the Rise of Robo-Advisors. DePaul Business and Commercial Law Journal, 1.
• Tan, T. i Phan, T. (2016). Social Media-Driven Credit Scoring: the Predictive Value of Social Structures. Thirty Seventh International Conference on Information Systems. Pozyskano z: https://cli.re/LWM3vB (15.01.2020).
• Turing, A. (1950). Computing Machinery and Intelligence. Mind, 433–460.
• Williams, A. (2016). How Facebook can affect your credit score, Financial Times, 25 sierpnia. Pozyskano z: https://cli.re/GAYWzz (15.01.2020).

Identifiers

DOI

10.7172/2299-5749.IKAR.2.9.5

Biblioteka Nauki

2171480