تجربه هوش مصنوعی
هرروز شرکت‌های بیشتری هوش مصنوعی را تجربه می کنند
هوش مصنوعی پیشرفت بسیاری داشته و در حوزه‌های مختلف نیز ورود کرده‌است؛ شاخه‌ای از هوش مصنوعی که «یادگیریِ ماشینی» نام دارد به تازگی به ابزاری پرکاربرد در امور مالی و سرمایه‌گذاری تبدیل شده‌است؛ در این گزارش بیشتر در این زمینه آگاه خواهید شد.
یادگیریِ ماشینی به پایه و اساسِ امور مالی تبدیل شده‌است. یکی از شاخه‌های هوش مصنوعی در زمینه یافتن الگوها برای پیش‌بینی کردن در آینده به کار می‌رود؛ این شاخه می‌تواند باعث در امان ماندنِ شرکت‌های تکنولوژی بشود. حالا صنعت مالی وارد این شاخه شده‌است. برای نمونه بسیاری از کسانی که در حوزه «یادگیری ماشینی» فعالیت دارند در حال حاضر در بانک‌هایی نظیر جی‌پی مورگان چیس یا برخی شرکت‌های معروف، ریاست می‌کنند و به عنوان مدیر مشغول به کار هستند. از سال 2019 به بعد، هرکسی که بخواهد به عنوان تحلیل‌گر در بازار فعالیت کند و در بخش‌های صنعتی مشغول باشد، حتماً باید در زمینه هوش مصنوعی تخصص داشته‌باشد و دوره‌هایی را در این زمینه بگذراند.
در گذشته تردیدهای بسیاری نسبت به معامله بر پایه الگوریتم وجود داشت اما اکنون یادگیریِ ماشینی تأثیر بسیاری در دنیا دارد. شرکت‌هایی که در زمینه فناوری به صورت خلاقانه مشغول به کار هستند و همچنین برخی شرکت‌ها که مدتی بود فعالیت نمی‌کردند اکنون به دنبال استفاده از تکنولوژی‌های جدیدی هستند که با هر ترفندی از استراتژی‌های جدید در معامله بهره می‌گیرد.
تاکنون از یادگیریِ ماشینی در بخش‌هایی مانند مدیریتِ بحران استفاده می‌شد و هدف از آن نیز جلوگیری از کلاه‌برداری و فریب‌کاری بود. در بریتانیا شرکتی آغاز به کار کرده که اینتلیجنت‌وویس نام دارد؛ این شرکت ابزاری را در اختیار بانک‌های بزرگ گذاشته که می‌توانند به کمک آن تماس‌های مشتریان خود را رصد کنند و در صورت مشاهده تماسی که ممکن است خلاف به نظر برسد، به آنها هشدار داده می‌شود تا اقدامات لازم را انجام بدهند. شرکت‌های دیگری نیز وجود دارند که به بانک‌ها و شرکت‌های سرمایه‌گذاری در مورد خطراتِ محتمل در آینده هشدار می‌دهند. آنها نیز ابزارهایی را ابداع کرده‌اند که به موقع به آنها هشدار می‌دهد.
به این ترتیب، یادگیریِ ماشینی در بخش‌هایی که به کنترل کلاه‌برداری‌ها و فریب‌کاری‌ها مربوط می‌شود و شناساییِ زودهنگامِ آنها، پیشرفت بسیاری داشته‌است. در حال حاضر استارت‌آپ‌های بسیاری نیز وجود دارند که در این زمینه فعالیت می‌کنند برای مثال استارت‌آپِ فیدزای (Feedzai) در زمینه کلاه‌برداری‌ها و فریب‌کاری‌ها در پرداخت فعالیت می‌کنند. استارت‌آپ دیگری به نام شیفت‌تکنولوژی در زمینه کلاه‌برداری‌ها در بیمه فعالیت می‌کند و آنها را شناسایی می‌کند. برخی از این شرکت‌ها نیز غول‌هایی هستند که مهارت‌های خود را توسعه می‌بخشند تا در همه زمینه‌ها خدمات خود را ارائه بدهند.
هم‌زمان با پیشرفت هوش مصنوعی، تأثیر آن در اسناد مالی نیز قابل مشاهده است. برای مثال جی‌پی‌مورگان، نرم‌افزاری را ایجاد کرده که می‌تواند قراردادهای وام‌ها را در کسری از ثانیه بیرون بکشد. برای مثال 12هزار قرارداد وام به کمک یک نرم‌افزار در کسری از ثانیه به دست می‌آید در حالی‌که وام‌دهندگان و ارائه‌دهندگانِ خدمات بیش از 360هزار ساعت وقت صرف کرده‌اند تا پس از انجامِ مصاحبه‌ها این قراردادها را تنظیم کنند.
یادگیریِ ماشینی در زمینه خودکار کردنِ تصمیماتِ مالی نیز بسیار موثر است. برای مثال یک ماشین می‌تواند تصمیم بگیرد که کاری ارزش سرمایه‌گذاری دارد یا خیر. شرکت زست‌فاینانس از سال 2009 تا کنون در این زمینه فعالیت می‌کند و در هر کسب‌وکاری مسائل مختلف را بررسی می‌کند تا فرآیندهای بعدی به صورت ماشینی انجام شود. این شرکت آن‌قدر پیشرفت کرده که حتی اگر اطلاعات کافی نیز در اختیار نباشد باز هم می‌تواند پیش‌بینی کند که در آینده چه اتفاقی می‌افتد. در واقع تاریخی که این شرکت پشت سر گذاشته به آن کمک می‌کند که همه‌چیز را خیلی زود دریابد.
احتمالاً استفاده از یادگیریِ ماشینی در تجارت، جدیدترین جبهه است که در آن هم از داده‌های بازار استفاده می‌شود و هم مباحث امنیتی در تجارت به میان می‌آید. اخیراً گلدمن‌ساکس از استراتژی‌هایی استفاده می‌کند که همگی از یادگیریِ ماشینی وام گرفته شده‌است. این بانک حتی از استارت‌آپی در کار خود استفاده می‌کند که به کمک یادگیریِ ماشینی، رخدادهای آینده را پیش‌بینی می‌کند. برای مثال استارت‌آپِ کنشو (Kensho) به دنبال پیش‌بینیِ فجایع طبیعی است؛ اما نه هر نوع بلای طبیعی، بلکه آن دسته از بلایای طبیعی که روی بازار تأثیر می‌گذارد. همه این کارها نیز به کمک داده‌ها از رخدادهای مختلف انجام می‌شود.
منبع: مجله آینده نگر
مرکز توسعه و انتقال فناوری سورنا