آموزش chatgpt و LLM ها
آموزش chatgpt و LLM ها
خواندن ۷ دقیقه·۳ ماه پیش

هوش مصنوعی در امور مالی: شمشیر دولبه بازتعریف خدمات مالی

امروزه تنها افراد تنبل در مورد هوش مصنوعی (AI) و پتانسیل آن برای متحول کردن تقریباً هر جنبه از زندگی ما، از جمله امور مالی، بحث نمی کنند. در واقع، رشد شگفت انگیزی در بازار هوش مصنوعی وجود دارد – این بازار در سال 2024 از ۱۸۴ میلیارد دلار گذشت، ۵۰ میلیارد دلار بیشتر از سال ۲۰۲۳. علاوه بر این، انتظار می رود این شکوفایی ادامه یابد و تا سال ۲۰۳۰ بازار از ۸۲۶ میلیارد دلار فراتر رود.

اما این فقط یک طرف است. از سوی دیگر، تحقیقات مشکلات فزاینده ای را در پیاده سازی هوش مصنوعی به ویژه در امور مالی نشان می دهد. در سال ۲۰۲۴، به طور فزاینده ای با مسائل مربوط به حریم خصوصی و حفاظت از داده های شخصی، تعصب الگوریتم و اخلاق شفافیت مواجه خواهد شد . مسئله اجتماعی-اقتصادی از دست دادن شغل بالقوه نیز در دستور کار قرار دارد.

آیا همه چیز مربوط به هوش مصنوعی مشکل ساز است؟ بیایید چالش‌های واقعی برای پیاده‌سازی همه‌جانبه هوش مصنوعی در امور مالی و مشکلاتی را که اکنون باید حل کنیم تا هوش مصنوعی همچنان بتواند به توده‌ها دسترسی پیدا کند، در نظر بگیریم.

📷

چالش های واقعی برای یکپارچه سازی عظیم هوش مصنوعی

در ابتدا، هدف ایجاد هوش مصنوعی در سطح آگاهی انسان – به اصطلاح AI قوی – هوش عمومی مصنوعی (AGI) بود. با این حال، ما هنوز به این هدف دست نیافته ایم. علاوه بر این، ما به آن نزدیک نیستیم. اگرچه به نظر می رسد که ما در آستانه معرفی AGI واقعی هستیم، اما هنوز بیش از پنج تا هفت سال برای انجام این کار باقی مانده است.

مشکل اصلی این است که انتظارات فعلی از هوش مصنوعی به شدت اغراق شده است. در حالی که فناوری‌های ما امروزه چشمگیر هستند، آنها فقط سیستم‌های هوش مصنوعی باریک و تخصصی هستند که وظایف فردی را در زمینه‌های خاص حل می‌کنند. آنها خودآگاهی ندارند، نمی توانند مانند انسان فکر کنند و همچنان در توانایی های خود محدود هستند. با توجه به این موضوع، مقیاس‌بندی هوش مصنوعی به چالشی برای گسترش هوش مصنوعی تبدیل می‌شود. از آنجایی که هوش مصنوعی زمانی که در مقیاس مورد استفاده قرار می‌گیرد ارزشمندتر است، کسب‌وکارها هنوز باید بیاموزند که چگونه هوش مصنوعی را به طور مؤثر در همه فرآیندها ادغام کنند، اما توانایی آن را برای تنظیم و سفارشی‌سازی حفظ کنند .

علاوه بر این، نگرانی در مورد حفظ حریم خصوصی داده ها مشکل اصلی هوش مصنوعی نیست، همانطور که بسیاری ممکن است فکر کنند. ما در دنیایی زندگی می کنیم که داده ها برای مدت طولانی محرمانه نبوده اند. اگر کسی بخواهد در مورد شما اطلاعاتی به دست آورد، می تواند بدون کمک هوش مصنوعی این کار را انجام دهد. چالش واقعی ادغام هوش مصنوعی این است که اطمینان حاصل شود که از آن استفاده نادرست و مسئولانه و بدون عواقب ناخواسته استفاده نمی شود.

قبل از اینکه هوش مصنوعی به انتشار انبوه برسد، اخلاق استفاده از هوش مصنوعی سؤال دیگری است.

مشکل اصلی در سیستم‌های موجود سانسور است: وقتی شبکه‌های عصبی را از اشتراک‌گذاری دستور بمب و پاسخ‌های سانسور از نقطه نظر صحت سیاسی و غیره منع می‌کنیم کجاست؟ مخصوصاً از آنجایی که «افراد بد» همیشه به شبکه‌ها دسترسی خواهند داشت بدون اینکه محدودیتی برای آنها اعمال شود. آیا ما با استفاده از شبکه های محدود به پای خودمان شلیک می کنیم در حالی که رقبای ما اینطور نیستند؟

با این حال، معضل اصلی اخلاقی، موضوع هدف گذاری دوربرد است. هنگامی که ما یک هوش مصنوعی قوی ایجاد می کنیم، با این سوال روبرو می شویم: آیا می توانیم از یک سیستم معقول برای انجام کارهای روتین استفاده کنیم و آن را به نوعی برده تبدیل کنیم؟ این گفتمان که اغلب در داستان های علمی تخیلی مورد بحث قرار می گیرد، می تواند در دهه های آینده به یک مشکل واقعی تبدیل شود.

شرکت‌ها برای یکپارچه‌سازی هوش مصنوعی چه کاری باید انجام دهند؟

در واقع، مسئولیت حل مشکلات هوش مصنوعی بر عهده شرکت هایی نیست که هوش مصنوعی را ادغام می کنند، بلکه برعکس، بر عهده شرکت هایی است که آن را توسعه می دهند. فناوری ها به محض در دسترس قرار گرفتن بی سر و صدا در حال اجرا هستند. نیازی به انجام کار خاصی نیست – این روند طبیعی است.

هوش مصنوعی در طاقچه های باریکی که می تواند جایگزین افراد در ارتباطات شود، مانند اتاق های گفتگو، به خوبی کار می کند. بله، این برای برخی آزاردهنده است، اما این روند با گذشت زمان قابل دسترسی تر و دلپذیرتر می شود. بالاخره یک روز هوش مصنوعی با سبک ارتباطی انسانی سازگار می شود و بسیار مفیدتر می شود و این فناوری به طور فزاینده ای در خدمات مشتری دخالت می کند.

هوش مصنوعی همچنین در پیش تجزیه و تحلیل زمانی که مقادیر زیادی از اطلاعات ناهمگن باید پردازش شوند، موثر است. این امر به ویژه برای امور مالی مرتبط است، زیرا همیشه بخش‌هایی از تحلیلگران وجود داشته‌اند که در کار غیرخلاقانه اما ضروری هستند. اکنون که سعی می شود هوش مصنوعی برای تجزیه و تحلیل پیاده سازی شود، کارایی در این زمینه افزایش می یابد. در وال استریت، آنها حتی بر این باورند که این حرفه ناپدید خواهد شد – نرم افزار هوش مصنوعی می تواند کار تحلیلگران را بسیار سریعتر و ارزان تر انجام دهد.

برای دستیابی به یکپارچگی یکپارچه هوش مصنوعی، شرکت ها باید رویکردی استراتژیک فراتر از پذیرش فناوری داشته باشند. آنها باید بر آماده سازی نیروی کار خود برای تغییر، آموزش آنها در مورد ابزارهای هوش مصنوعی و پرورش فرهنگ سازگاری تمرکز کنند. به این ترتیب، همه چیز مربوط به کاهش بار روی یک فرد در کارهای روتین به تکامل خود ادامه می دهد. تا زمانی که پیاده‌سازی هوش مصنوعی به شرکت‌ها مزیت‌های رقابتی می‌دهد، آن‌ها فناوری‌های جدید را به محض در دسترس شدن معرفی خواهند کرد.

نکته کلیدی ایجاد تعادل بین کارایی هوش مصنوعی و چالش هایی است که ممکن است ایجاد کند.

پتانسیل هوش مصنوعی در ایجاد انقلاب در امور مالی

هوش مصنوعی در قالب رویکردهای سنتی تر و روش های دیگر برای مدت طولانی در بازار مالی، بسیار قبل از دهه های گذشته، مورد استفاده قرار گرفته است. به عنوان مثال، چند سال پیش، مبحث معاملات با فرکانس بالا (HFT) اهمیت ویژه ای پیدا کرد. در اینجا از هوش مصنوعی و شبکه های عصبی برای پیش بینی ریزساختار بازار استفاده می شود که برای معاملات سریع در این زمینه مهم است. و پتانسیل توسعه هوش مصنوعی در این زمینه بسیار زیاد است.

وقتی صحبت از مدیریت پورتفولیو می شود، ریاضیات کلاسیک و آمار بیشتر مورد استفاده قرار می گیرند و نیازی به هوش مصنوعی وجود ندارد. با این حال، می توان از آن استفاده کرد، به عنوان مثال، برای یافتن یک روش کمی و سیستماتیک برای ساخت یک پورتفولیوی بهینه و سفارشی. بنابراین، علیرغم محبوبیت کم آن در مدیریت پورتفولیو، هوش مصنوعی فرصت های توسعه در آنجا دارد. این فناوری می تواند تعداد افراد مورد نیاز برای کار در مراکز تماس و خدمات مشتریان را به میزان قابل توجهی کاهش دهد، که به ویژه برای کارگزاران و بانک ها که تعامل با مشتریان خرده فروشی نقش کلیدی دارد، بسیار مهم است.

علاوه بر این، هوش مصنوعی می تواند وظایف تحلیلگران سطح پایین را انجام دهد، به ویژه در شرکت هایی که طیف وسیعی از ابزارها را معامله می کنند. برای مثال، ممکن است برای کار با بخش ها یا محصولات مختلف به تحلیلگران نیاز داشته باشید. با این حال، می‌توانید جمع‌آوری و پردازش اولیه داده‌ها را به هوش مصنوعی بسپارید و تنها بخش پایانی تجزیه و تحلیل را به متخصصان بسپارید. در این مورد، مدل های زبانی سودمند هستند.

با این حال، بسیاری از قابلیت‌های هوش مصنوعی در این بازار قبلاً مورد استفاده قرار گرفته‌اند و تنها پیشرفت‌های کوچکی باید انجام شود. در آینده، زمانی که هوش عمومی مصنوعی (AGI) ظاهر شود، ممکن است تحولی جهانی در تمام صنایع، از جمله امور مالی رخ دهد. با این حال، این رویداد ممکن است تنها در چند سال آینده رخ دهد و توسعه آن در گرو حل مسائل اخلاقی و سایر مشکلات ذکر شده در بالا خواهد بود.

اینجا جدیدترین تکنیک های مربوط به آموزش chatgpt و LLM ها بهت یاد می دم https://aliayoubi.com
شاید از این پست‌ها خوشتان بیاید