بلاگ سی کپ کوین همواره در تلاش است تا آگاهی عمومی در حوزه فناوری های مالی را افزایش دهد.
هوش مصنوعی در فینتک
هوش مصنوعی واقعا چیست؟
هوش مصنوعی، artificial intelligence یا به اختصار AI، هوش ماشینهاست. درواقع برنامهنویسها با استفاده از راهحلهای الگوریتمی تلاش میکنند تا تواناییهای انسانی مثل منطق، استدلال و تصمیمگیری را در ماشینها ایجاد کنند. به بیان دیگر آنها ماشین را هوشمند میکنند.
هوش مصنوعی انواع مختلفی دارد:
- هوش مصنوعی محدود یا Narrow AI: که هوش ضعیف هم گفته میشود، و فقط در حیطهای خاص میتواند فعالیت کند. برای مثال میتوان به پروژهی کامپیوتر شطرنجباز اشاره کرد که یکی از فعالیتهای دانشبنیان و قدیمی شرکت IBM در زمینهی ماشینهای متخصص است.
- این پروژه در شروع با عنوان "تفکر عمیق" کار خود را شروع کرد که در نهایت بهدلیل عدم بهرهمندی از شاخصههای تفکر و عقل، به "آبی عمیق" تغییر نام داد. هدف این کامپیوتر شطرنجباز، شکست بزرگترین شطرنجبازان جهان بود. آبی عمیق فقط در انجام یک کار محدود درست عمل میکرد و آن شکستدادن شطرنجبازان بود. خوب است بدانید در حال حاضر ما با ماشینهایی از این نوع محاصره شدهایم و فناوریهای مالی مثالی بارز از این محاصرهی ماشینی هستند.
- هوش مصنوعی عمومی یا General AI: هوش برابر با ذهن! بدون شک ساختن چیزی که بتوانیم چنین نامی برایش بگذاریم بزرگترین دستاورد علوم کامپیوتر است. روزی که به این هدف دست پیدا کنیم همه زوایای دنیایی که میشناسیم تغییر مییابد. البته موانع زیادی بر سر این راه قرار دارد. با وجود شباهتهای بسیار بین نحوه عملکرد مغز ما و کامپیوترها، وقتی نوبت به تفسیر اطلاعات میرسد، ماشینها درگیر جزئیات میشوند. این جزئینگری ماشینی کار دستشان میدهد و موجب عملکردی ضعیف در آنها میشود.
زیرشاخه های علم AI
- یادگیری ماشین ( Machine Learning ) که به تنظیم و اکتشاف شیوهها و الگوریتمها میپردازد.
- شبکهی عصبی مصنوعی ( Neural Networks ) که روشهای محاسباتی نوین را برای یادگیری ماشین ارائه میدهد.
- بینایی ماشین ( Machine Vision ) که با استفاده از حسگرهای بینایی اقدام به تشکیل سیگنالهای تصویرِ دیجیتالیِ اشیا میکند.
- سیستمهای مخصوص ( Expert System ) که یک دستگاه مجهز به هوش ضعیف است و برای انجام یک کار تخصصی و مشخص، با بازدهی بالاتری نسبت به انسان آماده شده و عموما جایگزین متخصصان فعال در آن زمینه شده و تخصصهای وابستهی دیگری را ایجاد میکند.
- پردازش زبان طبیعی ( NLP ) که به تعامل بین کامپیوتر و زبانهای طبیعی یا همان انسانی میپردازد.
- الگوریتم ژنتیک ( Genetic Algorithm ) که راه حل تقریبی برای بهینهسازی مدل ریاضی و مسائل جستجو را مییابد.
- مفاهیم مرتبط با روباتیک ( Robotic ) که نگاهی تخصصی به ساخت و استفاده از رباتهاست. یادگیری ماشین و پردازش زبان طبیعی به نوعی با هوش مصنوعی در فناوریهای مالی در ارتباط هستند.
فناوری مالی، قدرت عمومی
فناوری مالی یا به اصطلاح فینتک، استفاده از فناوری و راهکارهای فناور در جهت توسعه و بهبود خدمات مالی میباشد. فناوری مورد استفاده در صنعت مالی نوعی از کاربردیسازی و تجاریسازی فناوری محسوب میشود.
فینتک در واقع قدرت مردم را در پرداختهای مالی، به عنوان کاربران پرداخت افزایش میدهد. با این اقدام مهم، قدمهای مثبتی در جهت بهبودی و امن تر کردن خدمات مالی برداشته میشود.
هدف اصلی فینتک حذف روشهای قدیمی و سنتی پرداخت و جابجایی پول است. برای مثال Big data RPA و Blockchain نمونههایی از فناوری هستند که کاربردهای فراوانی در فرایندهای مالی دارند.
مزایای فینتک:
1- کاهش هزینهها: فناوریهای مالی بسیاری از هزینههای جاری در جابجایی پول را حذف میکنند، چون تکیه بر فناوری و اینترنت دارند. برای مثال میتوان به استفاده از نیروی کار زیاد و اجاره مکانهای مورد نیاز برای ذخیره سازی پول اشاره کرد.
2- افزایش سرعت و بازدهی: در روشهای سنتی همواره نیاز به مراجعه به بانک وجود دارد. ممکن است مجبور شویم برای انجام یک کار کوچک بارها به بانک مراجعه کنیم.
طبیعتا فینتک این مشکلات را ندارد و کمک میکند تا حد زیادی در زمان صرفهجویی کنیم. نهایتا بازدهی دریافت خدمات بطور چشمگیری افزایش پیدا میکند.
3- کنارزدن محدودیت زمانی و مکانی: در فناوریهای مالی امکان ارائهی خدمات از راه دور وجود دارد، چون مبتنی بر بستر اینترنت است. در نتیجه محدودیت زمانی و مکانی وجود ندارد.
4- دریافت بازخورد دقیق: چون این فناوری با استفاده از دستگاههای هوشمند ارائه میشود، بازخورد دقیقی از کاربران دریافت میکند. این بازخورد در جهت توسعه خدمات بسیار مفید و موثر واقع میشود.
حال به بررسی نقطه همپوشانی این دو تکنولوژی، یعنی هوش مصنوعی در فینتک میپردازیم
صنعت فینتک با توجه به حجم بزرگ و طیف گسترده خدماتش، به میزان قابل توجهی از هوش مصنوعی برای افزایش کیفیت و دقت خدماتش استفاده میکند. درنتیجه تکنولوژی باعث افزایش بهرهوری بازارهای مالی میشود؛ چراکه فناوریها عموما عامل بهینهسازی هستند.
هوش ماشینی در کنار بانکداری
از هوش مصنوعی به منظور شناسایی فعالیتهای بانکداری و تامین مالی (برای نمونه تشخیص کارکرد غیرعادی کارتهای اعتباری و حسابهای سپرده بلندمدت) استفاده میشود.
این امر از تقلب و کلاهبرداری جلوگیری میکند. همچنین موجب سادهسازی معاملات در بازارهای مالی توسعه یافته میشود و تمام جنبههای بانکداری را متحول میکند.
تکنولوژیهای هوش مصنوعی روند فرایندهای بانکی را سریع تر، تراکنشهای مالی را امنتر و عملیاتهای درونبانکی را دقیقتر کردهاند. این تکنولوژی برای بانکها و کسانی که به دنبال مدیریت پول خود هستند ابزاری کاربردی برای تعامل و یادگیری است.
هوش مصنوعی تنها یک نمونه از تکنولوژیهای مورد استفاده در صنعت بانکداری و مالی است.
چالش و راهکار
یکی از چالشهای مهم بانکها و موسسههای مالی، تشخیص تقلب و رفتارهای غیرمجاز است. تشخیص تقلبهای کوچک مانند هکهای پیش پاافتاده به تکنولوژی خاصی نیاز ندارد. در عوض تشخیص رفتارهایی مانند پولشویی، تکنولوژیهای قدرتمندی مثل هوش مصنوعی را میطلبد.
الگوریتمهای مبتنی بر هوش مصنوعی درهر لحظه همه فعالیتهای مشتریان و کاربران را زیرنظر میگیرد. در صورت مشاهده تخلف به مسئولان مربوطه اطلاعرسانی میکند تا بررسیهای بیشتر انجام شود. این الگوریتمها همچنین میتوانند بصورت خودکار مانع از انجام تخلف شوند.
با توجه به اینکه رفتارهای غیرقانونی خلافکاران بهطور قطع با گذرزمان تغییر میکند، الگوریتم تشخیص تقلب باید بتواند خودش را با رفتارهای جدید به روزرسانی کند.
هوش ماشینی، تحلیلگر بورس
یکی دیگر از کاربردهای هوش مصنوعی در فینتک میتواند در بازار بورس باشد. از روشهایی که در بازار بورس مورد استقبال قرار گرفتهاست، خرید و فروش خودکار سهام با ابزارهای هوشمند است.
در این روش اطلاعات سهامهای مختلف و تغییر قیمت آنها به مرور زمان به الگوریتم داده میشود. الگوریتم با استفاده از هوش مصنوعی تشخیص میدهد که چه زمانی برای خرید و فروش سهام مناسب است.
اهمیت خودکارسازی در بورس
اهمیت این روش در امکان تحلیل دادهها در حجم بالاست؛ در حالیکه حجم دادهی قابل پردازش توسط انسان محدود است.
اثری که این تکنولوژی تحول آفرین بر سرمایهگذاران بورس گذاشته، چیزی شبیه تاثیر آتش بر غارنشینان است! با اینکه نقش نیروی انسانی همچنان در معاملات پررنگ است، نقش هوش ماشینی در فناوریهای مالی روز به روز پررنگتر میشود.
یک شرکت تحقیقاتی در انگلستان اخیرا مطالعه ای انجام دادهاست. بر اساس این مطالعه، معاملات انجام شده بر بستر الکترونیک 45 درصد کل معاملات مالی را شامل میشود.
گرچه بسیاری از صندقهای سرمایهگذاری انگیزهای جهت خودکارسازی خدماتشان ندارند، ولی نسبت به استفاده از هوش مصنوعی غفلت نکردهاند.این صندقهای سرمایهگذاری از این تکنولوژی برای شناسایی فرصتهای سرمایهگذاری و به حداکثر رساندن سودشان استفاده میکنند.
هوش مصنوعی، یاریرسان مدیریت ریسک
مدیریت ریسک، هم در حفاظت از ارزش کسب و کار و هم در افزایش بازگشت سرمایه بسیار مهم و حیاتی عمل میکند. تعجبی ندارد که بانکها بزرگترین گامها را در این زمینه برداشتهاند.
در هوش مصنوعی واحدهای ریسک با دیگر واحدها مثل بازاریابی و امور مالی مشارکت میکنند. این واحدهای ریسک میتوانند با قیمت گذاری شخصیسازی شده، تعداد مشتریان خود را افزایش دهند. همچنین با انتشار هشدارهای اولیه در مورد مشتریان بد حساب، بدهیهای هنگفت را کاهش میدهند.
یادگیری ماشینی میتواند رویدادها را در زمینههای رشد اقتصادی، قیمتهای کالا، تورم و نرخ ارز دنبال کند. همچنین هزینههای ورودی، موقعیت رقابتی یک شرکت نسبت به رقبا، تقاضای مشتری، سلامت کانالهای توضیع و تاثیرپذیری عملکرد شرکتها از عوامل بیرونی را پیشبینی میکند.
چتباتها
از ابتداییترین کاربردهای هوش ماشینی، خودکارسازی فرایندهای تکراری و نسبتا ساده است. الگوریتمهای ساده هوش مصنوعی فرایندهای تکراری را شناسایی میکنند و میتوانند به تکرار این رفتارها بپردازند. چتباتها سامانههایی هستند که بصورت خودکار به سوالهای تکراری پاسخ متناسب میدهند.
با استفاده این چتباتها در زمان نیروی انسانی به میزان قابل توجهی صرفه جویی میشود. احتمال وقوع خطاهای متداول انسانی نیز بهطور چشمگیری کاهش پیدا میکند.
سخن پایانی
در آخر گفتنی است که همراه شدن با هوش مصنوعی سرمایهگذاری هنگفت و قابل توجهی نمیخواهد . شرکتهای قدیمی و بزرگ مدل ها، ابزارها و دادههای ماشینی بسیاری تولید میکنند که به صورت عمومی در دسترس است.
فقط کافیست مدیران کسب و کار نیازهای خود را شناسایی کنند و این نکته را بدانند که هوش مصنوعی در فینتک کجا و چگونه میتواند به آنها کمک کند. این مدیران میتوانند بسته به نیازهای خود از این دو تکنولوژی، یعنی هوش ماشینی و فناوری های مالی بهره ببرند.
چنانچه علاقهمند به مطالعه در زمینهی هوش مصنوعی هستید، ما را دنبال کنید.
- هوش مصنوعی در پزشکی نقطه اتصال تکنولوژی و بیولوژی
- هوش مصنوعی در جلوگیری از کلاهبرداری نقطه اتصال تکنولوژی و امنیت
مطلبی دیگر از این انتشارات
مقدمه ای بر نظریه اطلاعات (قسمت دوم)
مطلبی دیگر از این انتشارات
Cognitive Computing - محاسبات شناختی
مطلبی دیگر از این انتشارات
آشنایی مقدماتی با کتابخانه پایتونی Matplotlib