هفته گذشته شرکت تجاری کارت اعتباری بارکلیز برای همکاری در زمینه ارائه خدمات خرید سفارشی و پرداخت آنلاین در آلمان با شرکت آمازون به توافق رسید.

 

اعلام این خبر در میان خبرهای مربوط به انتخابات ایالات متحده آمریکا و فشارهای مربوط به همه‌‌گیری ویروس کرونا و لغو پیشنهاد اولیه ۳۷ میلیارد دلاری گروه مالی Ant، عملا گم شد و توجهات کمی را به خود جلب کرد. اما سرمایه‌‌گذاران و قانون‌‌گذاران باید به این موضوع توجه لازم را داشته باشند که اهمیت این مسئله به دلیل جزئیات این معامله و عواید آن برای آلمان، یا گسترش چشمگیر فعالیت‌‌‌های آمازون یا استراتژی‌‌‌های جدید کمپانی تجاری کارت اعتباری بارکلیز نیست.

در حقیقت، اهمیت اصلی این رویداد به دلیل اتصال یک شرکت سرمایه‌دار آلمانی به عنوان نماینده‌‌ای کوچک از مجموعه نهادهای مالی به مجموعه‌‌ای از تعاملات مبتنی بر سیستم‌های هوشمند است که تاثیر بزرگی بر تعاملات مالی در سطح بین‌الملل دارند. این رویداد همانند یک موفقیت برای هر دو طرف معامله به حساب‌‌ می‌‌آید؛ چرا که همواره میان بانک‌‌‌‌ها و موسسات مالی از یک سو و شرکت‌‌‌های فناوری و هوش مصنوعی از سوی دیگر یک رقابت داغ مبنی بر یافتن راه‌‌‌های تازه استفاده از کلان داده و هوش مصنوعی در امور مالی وجود دارد.

سیستم های هوش مصنوعی در امور مالی

اساساً، بانک بارکلیز و آمازون برای تأیید یا عدم تایید اعتبار داده‌‌‌‌ها با سیستم‌‌‌های تجزیه و تحلیل هوش مصنوعی پیوند دارند. چنین تحلیل‌‌‌های آماری که با سیستم‌های هوش مصنوعی انجام می‌شود، به این موسسات و شرکت‌‌‌‌ها کمک‌‌ می‌‌کند تا اقدامات بعدی مشتریان را در زمینه خدمات سفارشی پیش‌بینی کنند. جس استالی، مدیر اجرایی موسسه مالی بارکلیز، در این باره‌‌ می‌‌گوید: «من شخصاً فکر‌‌ می‌‌کنم که همکاری با آمازون یکی از مهم‌‌‌‌‌‌ترین اتفاقاتی است که در پنج سال گذشته برای بارکلیز رخ داده است.»

درباره این رقابت و نتیجه‌‌ای که مربوط به هوش مصنوعی است،‌‌ می‌‌توان گفت ‌‌‌‌‌‌‌‌آن‌‌چه در آینده رخ‌‌ می‌‌دهد،‌‌ می‌‌تواند بسیار مهم شود، چرا که برندگان آینده این رقابت را از میان فعالان امور مالی و مجموعه‌‌‌های بزرگ تعیین‌‌ می‌‌کند.

سیستم عامل‌‌‌های هوش مصنوعی که اکنون در امور مالی مستقر شده‌‌اند، قدرتمندتر از نسخه‌های گذشته خود هستند. در این زمینه پژوهش جدیدی از موسسه MIT وجود دارد که به ویژه درباره توانایی‌‌‌های به وجود آمده توسط زیرمجموعه‌‌ای از هوش مصنوعی به نام «یادگیری عمیق» هشدار‌‌ می‌‌دهد، این توانایی‌‌‌‌ها انقدر متفاوت از مدل‌های گذشته‌اند که به تعبیر این پژوهش «یک انقطاع اساسی» از گذشته را نشان‌‌ می‌‌دهد.

جک ما، بنیانگذار گروه تجارت الکترونیکی Ant و Alibaba، بدون شک یکی از اولین کسانی است که توانسته توانایی بالقوه‌‌ای را که در این زمینه وجود دارد، پیدا کند. از داده‌‌‌های مربوط به فعالیت دیجیتال مصرف‌کننده و شرکت برای پیش‌‌بینی ریسک اعتبار و ارائه خدمات سفارشی استفاده‌‌ می‌‌کند. این دلایل کلیدی باعث شده است که گروه مالی چین با چنین سرعت گیج‌‌کننده‌‌ای گسترش یابد. اما شرکت‌‌‌های غربی همچنان به رقابت خود با بارکلیز در حوزه خرده‌‌فروشی و هم در حوزه تامین مالی ادامه‌‌ می‌‌دهند تا بتوانند پیشرفت‌‌‌های لازم را به‌دست آورند.

استفاده از سیستم های هوش مصنوعی در امور مالی چه مزایا و معایبی دارد؟

مارک کارنی، رئیس سابق بانک انگلیس، طبق مشاهدات خود معتقد است که این تغییرات از نظر تئوریک‌‌ می‌‌تواند به عنوان راهی برای «دموکراتیزه کردن امور مالی» مفید باشد. مخصوصا این نوآوری‌‌‌‌ها باید شرکت‌‌‌های مالی را قادر سازد تا «امکان انتخاب بیشتر، خدمات هدفمندتر و قیمت‌گذاری دقیق‌تر» را به مصرف‌کنندگان یا مشتریان خود ارائه دهند.

آن‌‌‌‌ها همچنین باید هزینه‌‌‌های استقراض شرکت‌‌‌‌ها را کاهش دهند. شرکت Ant از داده‌‌‌های گسترده و هوش مصنوعی خود برای تجزیه و تحلیل ریسک‌‌‌های اعتباری استفاده کرده است؛ به گونه‌‌ای که این شرکت را قادر به ارائه وام‌‌‌های ارزان‌تر‌‌ می‌‌کند. هوش مصنوعی در امور مالی همچنین‌‌ می‌‌تواند به تنظیم‌کننده‌‌‌‌ها و کنترل‌کننده‌‌‌های ریسک کمک کند تا به راحتی کلاهبرداری‌‌‌های آنلاین در زمینه مالی را تشخیص دهند و تست استرس بانک‌‌‌‌ها را بهبود ببخشند.

اما در کنار همه ویژگی‌‌‌های مثبت استفاده از این راهکارهای هوشمند، هزینه‌‌‌های بالقوه زیادی نیز وجود دارد. یکی از این موارد، تمایل برنامه‌‌‌های هوش مصنوعی به سوگیری تعصبات قومی یا نژادی در تصمیم‌گیری است. مورد دیگری که‌‌ می‌‌توان به آن اشاره کرد، درباره خطرات مربوط به حفظ حریم خصوصی است.

سومین مسئله‌‌ای که وجود دارد، قانون ضد قیومیت (ضد تراست) است: از آن‌جا که داشتن یک پایگاه داده عظیم، یک مزیت قابل توجه در هوش مصنوعی است، شرکت‌‌‌های غالب عموما تمایل بیشتری دارند که بر بقیه شرکت‌‌‌‌ها تسلط داشته باشند. چهارمین مسئله مرتبط، موضوع گردآوری است: از آن‌جا که برنامه‌‌‌های هوش مصنوعی غالباً روی خطوط مشابه ساخته‌‌ می‌‌شوند، استفاده از آن‌‌‌‌ها می‌‌تواند تنوع نهادی را کاهش داده و انعطاف‌‌پذیری مالی را تضعیف کند.

با این حال، بزرگ‌‌‌‌‌‌ترین مشکل موجود، عدم شفافیت است. مقاله جدیدی که از سوی متخصصان ثبات مالی منتشر شده است، خاطرنشان‌‌ می‌‌کند: «عدم تفسیرپذیری» یا «قابلیت کنترل» روش‌‌‌های هوش مصنوعی و یادگیری ماشین‌‌ می‌‌تواند به یک خطر در سطح کلان تبدیل شود. اما ‌‌‌‌‌‌‌‌آن‌‌چه واضح است این است که استفاده از هوش مصنوعی و یادگیری ماشینی‌‌ می‌‌تواند منجر به شکل‌‌‌های جدید و غیرمنتظره‌‌ای از ارتباط بین بازارهای مالی و موسسات شود.

راهکار بهینه برای استفاده از هوش مصنوعی در امور مالی چیست؟

با این توضیحات، سوالی که به ذهن‌‌ می‌‌رسد این است که: پس واقعا چه باید کرد؟ یک ایده آشکار و وسوسه‌انگیز ممکن است این باشد که سیاستمداران دکمه «مکث» را فشار دهند و کمی از سرعت تصمیم‌گیری‌‌‌های خود بکاهند. در واقع، این همان چیزی است که به نظر‌‌ می‌‌رسد پکن در تلاش است تا با شرکت Ant  به مرحله عمل درآورد.

با این وجود، محدودکردن توانایی‌‌‌های هوش مصنوعی در امور مالی کار آسانی نخواهد بود. با توجه به مزایای بالقوه این فناوری، این‌که بیاییم و قابلیت‌‌‌های این فناوری را محدود کنیم، لزوماً ایده خوبی نیست. به نظر‌‌ می‌‌رسد بهتر است سیاست‌‌گذاران و قانون‌‌گذاران از چهار ایده برای رسیدن به اهداف خود استفاده کنند.

ایده‌هایی که در این زمینه‌‌ می‌‌تواند راهگشا باشد، این موارد است:

اول، شرکت‌‌‌‌‌‌‌‌هایی که به فعالیت‌‌‌های مالی مجهز به هوش مصنوعی مشغول هستند باید در چارچوب مالی مشخص فینتک‌‌‌‌ها تنظیم شوند. این به معنای انتقال تمام قوانین بانکی قدیمی به صنعت فینتک نیست. همانطور که جک ما گفته است، همه این قوانین لزوما برای هوش مصنوعی مناسب نیستند. اما بانکداران و ناظران مرکزی باید نظارت بر فینتک را در برنامه خود داشته باشند و قوانین و شرایط تعاملات را حفظ و رعایت کنند. حتی اگر برای عملی کردن این کار نیاز باشد تا نظارت خود را در زمینه‌‌‌های جدید مانند داده‌‌‌‌‌‌‌‌هایی که در سیستم عامل‌‌‌های هوش مصنوعی قرار دارند، گسترش دهند.

دوم، تنظیم‌‌کنندگان و مدیران ریسک باید سیلوهای اطلاعاتی را پر کنند. تعداد بسیار کمی از افراد هستند که هم در زمینه هوش مصنوعی تخصص لازم را داشته باشند و هم امور مالی را بدانند. در عوض، افرادی که این مهارت‌‌‌‌ها را دارند معمولاً در نهادها و بخش‌‌‌های مختلفی مشغول به فعالیت‌‌اند که بی ارتباط به حوزه تخصصشان است و این موضوع بسیار نگران‌‌کننده است.

سوم، ما‌‌‌‌‌‌‌‌ نمی‌‌توانیم همه بار مسئولیتی ایجاد و کنترل سیستم‌‌‌های مجهز به هوش مصنوعی را همراه با بودجه کافی و سنگین این پروژه‌‌‌‌ها به عهده افرادی بگذاریم که دید محدودی دارند و از جنبه‌‌‌های اخلاقی لزوما سنجیده عمل‌‌‌‌‌‌‌‌ نمی‌‌کنند. در مقابل، استراتژی که افراد برای ایجاد یا توسعه سامانه‌‌‌های جدید به کار می‌‌گیرند باید بر مبنای دید جامع و کل‌نگر باشد و تأثیرات اجتماعی که هر تصمیم آن‌‌‌‌ها می‌‌تواند بر کل اکوسیستم داشته باشد را مورد ملاحظه قرار دهد.

اما برای این که چنین اتفاقی به واقعیت درآید؛ نیاز به تحول چهارم است: سیاستمداران و عموم مردم باید توجه داشته باشند که روند کلی جریانات به چه صورت است و فعالان این حوزه چه عملکردی دارند. در این موارد عموما ادعایی که وجود دارد این است که این وظیفه نهادهای قانونی و دولت است. اما موضوع مهم این است که عموم مردم به جای این‌‌که این وظیفه را به متخصصان فنی واگذار کنند، باید به ‌‌‌‌‌‌‌‌آن‌‌چه در حال انجام است، توجه داشته باشند.

درک فرایندهای فناوری هوش مصنوعی در امور مالی سخت است و شناخت سیستم‌‌‌های هوشمند نیز کار آسانی نخواهد بود. اما دهه ۲۰۰۰ میلادی نشان داد که چه اتفاقی‌‌ می‌‌تواند بیفتد وقتی متخصصان شبکه به طور غیرقانونی در امور مالی ورود کنند و در این زمینه دست به اقدامات دیوانه‌کننده بزنند و سیاستمداران و قانون‌‌گذاران نیز از اقدامات آن‌‌‌‌ها چشم‌پوشی کنند. ما دیگر‌‌‌‌‌‌‌‌ نمی‌‌توانیم شاهد وقوع چنین رویدادهایی باشیم. اگر معتقدید که بحران مالی سال ۲۰۰۸ وضعیت بدی بوده است، تصور کنید یک بار دیگر چنین بحرانی ایجاد شود، اما از آن نوع پیشرفته‌تری که وابسته به یک هوش مصنوعی است و با سرعت بیشتری سیستم‌‌‌های مالی را دچار تغییرات‌‌ می‌‌کند. همین مسئله باید ما آنقدر بترساند که خود را برای ورود به یک بحث نتیجه بخش آماده کنیم.

جدیدترین اخبار هوش مصنوعی ایران و جهان را با هوشیو دنبال کنید.

منبع: hooshio.com