Η τεχνητή νοημοσύνη, ιδιαίτερα η γενετική τεχνητή νοημοσύνη, συνεχίζει να υπόσχεται τεράστια βελτίωση της παραγωγικότητας σε πολλούς κλάδους, συμπεριλαμβανομένων των τραπεζών και των ασφαλίσεων.

Η τεχνητή νοημοσύνη θέτει επίσης πολλές προκλήσεις, όπως εκδηλώνεται στην τάση της να έχει παραισθήσεις. Ένα άλλο είναι το ενδεχόμενο κατάχρησης. Αυτό μπορεί να προέρχεται από ασυνείδητες προκαταλήψεις σε σετ εκπαίδευσης δεδομένων, οι οποίες έχουν ως αποτέλεσμα διακρίσεις για τους έγχρωμους ανθρώπους. Μπορεί επίσης να αντικατοπτρίζει τον τρόπο με τον οποίο προγραμματίζονται τα συστήματα genAI, όπως αποδεικνύεται από την πρόσφατη σύγκρουση με «ξύπνιες» εικόνες παπών ή άλλων ιστορικών προσώπων που εμφανίζονται ως κάθε άλλο παρά λευκοί άντρες.

Στις πιο ακραίες περιπτώσεις, οι διαχειριστές περιουσιακών στοιχείων θα μπορούσαν να στραφούν στην τεχνητή νοημοσύνη για έρευνα ή ακόμη και χαρτοφυλάκια συναλλαγών. Οι ψευδαισθήσεις θα μπορούσαν να καταστρέψουν μια επιχείρηση. όπως θα μπορούσε να προσπαθήσει να εξηγήσει σε μια ρυθμιστική αρχή γιατί ένα bot προκάλεσε συντριβή flash.

Η τεχνητή νοημοσύνη είναι απίθανο να απελευθερωθεί με τόσο δραματικό τρόπο, αλλά μπορεί να λειτουργήσει με πιο λεπτούς τρόπους. Στην πραγματικότητα, είναι ήδη.

Τράπεζες, ασφαλιστές και fintechs χρησιμοποιούν ήδη εργαλεία τεχνητής νοημοσύνης για να βαθμολογήσουν αξιολογήσεις πιστοληπτικής ικανότητας ή να συνάψουν ασφαλιστήρια συμβόλαια. Ο κλάδος κινδυνεύει να μην μπορεί να εξηγήσει σε έναν δυσαρεστημένο πελάτη γιατί του αρνήθηκαν ένα δάνειο, για παράδειγμα.

Το πιο συνηθισμένο ζήτημα είναι πότε μπορεί να εφαρμοστεί η τεχνητή νοημοσύνη. Για παράδειγμα, το λογισμικό μπορεί να χρησιμοποιηθεί για να αναλύσει την έξοδο κάποιου από τα μέσα κοινωνικής δικτύωσης για να κρίνει την ψυχική του κατάσταση, το οποίο θα μπορούσε να χρησιμοποιηθεί για την τιμολόγηση ενός χρηματοοικονομικού προϊόντος. Αυτό εγείρει πολλά ερωτήματα.

Θα πρέπει να επιτρέπεται στις εταιρείες να εξετάζουν τέτοια δεδομένα; Εάν όχι, ποια υποκατάστατα θα εξερευνήσουν για να αποκτήσουν μια άποψη για έναν πιθανό πελάτη; Τι είναι το απόρρητο και πώς επιβάλλεται;

Ρυθμίστε, παρακαλώ

Η φυσική απάντηση σε τέτοια ερωτήματα είναι να έρθουν οι ρυθμιστικές αρχές. Είναι καλύτερο να αναπτύξετε ένα ουδέτερο σύνολο κανόνων για να περιορίσετε τις χειρότερες παρορμήσεις μιας επιχείρησης. Είναι επίσης πιο εύκολο να αφήσετε τους ρυθμιστές να κάνουν τη βαριά άρση – και να διατηρήσετε την ελευθερία να σηκώνετε τους ώμους εάν δεν το κάνουν.

Απαιτείται ρύθμιση, αλλά αρκεί; Ίσως, αλλά μόνο εάν ο χρηματοοικονομικός κλάδος είναι ικανοποιημένος να αφήσει την καινοτομία στη Big Tech και στη νέα φυλή startups AI.

Όταν πρόκειται για την τεχνητή νοημοσύνη, η πραγματικότητα είναι ότι οι ρυθμιστικές αρχές δεν θα μπορέσουν ποτέ να συμβαδίσουν. Αυτό δεν είναι κακό: αναμένουμε την καινοτομία να έρθει από τον ιδιωτικό τομέα. Αλλά η φύση της τεχνητής νοημοσύνης καθιστά δύσκολη τη ρύθμιση.

Πρώτον, υπάρχουν λίγοι άνθρωποι που εργάζονται σε ρυθμιστικές αρχές που έχουν βαθιά εξειδίκευση στη μηχανική μάθηση και σε άλλα εργαλεία τεχνητής νοημοσύνης, πόσο μάλλον στο genAI.

Δεύτερον, το να συμβαδίσουμε με αυτόν τον κόσμο απαιτεί τεράστιες σειρές από GPU, μονάδες επεξεργασίας γραφικών, τα τσιπ κορμού που τροφοδοτούν εφαρμογές τεχνητής νοημοσύνης και το υλικό των κέντρων δεδομένων που αποτελούν το σύννεφο.

Ο κλάδος της τεχνητής νοημοσύνης περιλαμβάνει startups όπως το OpenAI, παίκτες Big Tech όπως η Microsoft και η Meta, ειδικούς σε chip όπως η Nvidia και παρόχους cloud όπως το AWS. Αυτοί οι γίγαντες διαθέτουν μοναδικά τεράστιους πόρους που συγκεντρώνουν τα καλύτερα ταλέντα – και αγοράζουν την υπολογιστική ισχύ για να τρέξουν συστήματα AI.

Ούτε οι ρυθμιστικές αρχές ούτε οι επιχειρήσεις μπορούν να καθορίσουν την ατζέντα, εφόσον αυτό παραμένει.

Αγοραστική δύναμη

Οι ρυθμιστικοί φορείς μπορούν να προσπαθήσουν να θέσουν κανόνες –και πρέπει, επειδή μπορούν να διαμορφώσουν τους βασικούς κανόνες– αλλά θα δυσκολευτούν να αντιμετωπίσουν τις αποχρώσεις του πώς να αποτρέψουν τις τράπεζες και άλλους από την κατάχρηση συστημάτων τεχνητής νοημοσύνης.

Υπάρχουν εναλλακτικές, όμως. Το ένα είναι να κοιτάξουμε πίσω στο πώς οι κυβερνήσεις βοήθησαν να στηρίξουν τις οικονομίες καινοτομίας τους τις πρώτες μέρες. Για παράδειγμα, η Silicon Valley οφείλει μεγάλο μέρος της επιτυχίας της στα τεράστια προγράμματα αγορών της NASA και του αμερικανικού στρατού τις δεκαετίες του 1950 και του 1960.

Ομοίως, μόνο οι κυβερνήσεις έχουν τη δυνατότητα να εισέλθουν στην αγορά της υποδομής τεχνητής νοημοσύνης και να αγοράσουν GPU για τα δικά τους ερευνητικά προγράμματα που μπορούν να ταιριάζουν με την κλίμακα της Big Tech. Αυτός είναι ένας τρόπος για να θέσετε πρότυπα, μέσω της συμμετοχής και της ηγεσίας, αντί να προσπαθείτε ατελείωτα να συμβαδίσετε γράφοντας περισσότερους κανόνες.

Τι γίνεται με τις χρηματοοικονομικές υπηρεσίες; Μέχρι στιγμής δεν υπάρχει κανένα σημάδι ότι οι κυβερνήσεις είναι έτοιμες να παίξουν αυτόν τον ρόλο, ο οποίος αφήνει άλλες βιομηχανίες στο έλεος της Big Tech.

Το μάθημα είναι παρόμοιο: η Wall Street πρέπει να γίνει τόσο σημαντικός πελάτης της Big Tech ώστε να μπορεί να θέσει πρότυπα για τον τρόπο με τον οποίο αντιμετωπίζεται η τεχνητή νοημοσύνη.

Το πρόβλημα είναι το μέγεθος. Ούτε μια JP Morgan δεν έχει το βάρος να ανταποκριθεί σε μια Microsoft σε αυτόν τον τομέα. Δεν θα μπορούσε ποτέ να δικαιολογήσει το κόστος.

AI ανοιχτού κώδικα

Τι γίνεται όμως με τη βιομηχανία ως ομάδα; Υπάρχει τρόπος για την Big Finance – σε συνεργασία με τους κορυφαίους fintechs σε όλο τον κόσμο – να συγκεντρώσει πόρους και να γίνει στρατηγικός πελάτης;

Οι τράπεζες δεν συνηθίζουν να παίζουν μαζί. Μια τέτοια προσέγγιση θα ήταν εντελώς ξένη.

Από την άλλη πλευρά, οι τράπεζες σιγά σιγά θερμαίνονται σε ανοιχτό κώδικα για την ανάπτυξη λογισμικού. Αναγνωρίζουν ότι η κοινή χρήση κώδικα για πολλές μη βασικές λειτουργίες – το να είστε παίκτες κοινότητας αντί για ιδιόκτητους κατόχους – μπορεί να δημιουργήσει καλύτερη ποιότητα και πιο ανθεκτικό λογισμικό.

Λειτουργεί ο ανοιχτός κώδικας για το genAI;

Η απάντηση είναι ασαφής. Ορισμένοι Big Techs σε αυτόν τον χώρο ήταν ανοιχτοί με την ανάπτυξή τους, όπως το Meta, το οποίο επιτρέπει στις νεοσύστατες εταιρείες τεχνητής νοημοσύνης να κατεβάσουν και να προσαρμόσουν ορισμένα από τα μοντέλα του.

Τα βιομηχανικά πρότυπα για ανοιχτό κώδικα απαιτούν να επιτρέπονται όλες οι περιπτώσεις χρήσης, αλλά λίγες νεοφυείς επιχειρήσεις genAI πληρούν πραγματικά αυτά τα κριτήρια. Οι περισσότεροι, συμπεριλαμβανομένου του παράλογου ονόματος OpenAI, λειτουργούν ένα κλειστό κατάστημα.

Αυτό συμβαίνει επειδή το genAI δεν είναι σαν άλλες κατηγορίες λογισμικού. Ο πηγαίος κώδικας είναι μόνο ένα στοιχείο. Εξίσου σημαντικά είναι τα δεδομένα εκπαίδευσης και ο τρόπος κατηγοριοποίησης αυτών των δεδομένων. Σήμερα δεν υπάρχει συναίνεση στον κλάδο της τεχνητής νοημοσύνης ως προς το τι σημαίνει ακόμη «ανοιχτός κώδικας».

Εδώ είναι το άνοιγμα για τα χρηματοπιστωτικά ιδρύματα. Οι τράπεζες, τα χρηματιστήρια και οι πωλητές δεδομένων κατέχουν συλλογικά μια κρίσιμη μάζα δεδομένων, μεγάλο μέρος των οποίων είναι ειδικά για τις κεφαλαιαγορές και τις χρηματοοικονομικές υπηρεσίες. Θεωρητικά, εάν υπήρχε ένας μηχανισμός για τη συγκέντρωση αυτών των πληροφοριών, θα μπορούσε να υπάρξει μια βάση για την από κοινού ανάπτυξη κώδικα και των προτύπων που τον συνοδεύουν.

Οι πωλητές θα αντιστέκονταν σε οποιαδήποτε κίνηση που καταστρέφει την επιχείρησή τους. οι τράπεζες και οι ασφαλιστές δεν επιθυμούν να συνεργαστούν σε οτιδήποτε μπορεί να θεωρηθεί βασικό. Από την άλλη πλευρά, θα μπορούσαν να υπάρχουν τομείς εντός των χρηματοπιστωτικών υπηρεσιών που, για τους περισσότερους παίκτες, δεν είναι βασικοί και στους οποίους μια βιομηχανική λύση θα μπορούσε να είναι επιθυμητή. Η ψηφιακή ταυτότητα, η συμμόρφωση, η αναφορά και οι πτυχές της διαχείρισης κινδύνου έρχονται στο μυαλό.

DigFin γνωρίζει ότι αυτή είναι μια πολύ κερδοσκοπική ιδέα, που μπορεί να μην δικαιολογήσει ποτέ την τεράστια προσπάθεια που θα απαιτούνταν για να πραγματοποιηθεί. Από την άλλη πλευρά, πόσο σημαντικό είναι για τον χρηματοπιστωτικό κλάδο να διαμορφώσει το μέλλον του αντί να περιμένει παθητικά τη Silicon Valley να το κάνει στη θέση της; Εδώ ίσως επιστρέψουμε στην ιδέα της κυβέρνησης ως μεγάλου πελάτη της τεχνητής νοημοσύνης. Για να δράσει η κυβέρνηση με αυτή την ιδιότητα, χρειάζεται δικά της προγράμματα. Η ρύθμιση των χρηματοοικονομικών υπηρεσιών στην εποχή της τεχνητής νοημοσύνης φαίνεται σαν ένα καλό μέρος για να ξεκινήσετε.

• SEO Powered Content & PR Distribution. Ενισχύστε σήμερα.
• PlatoData.Network Vertical Generative Ai. Ενδυναμώστε τον εαυτό σας. Πρόσβαση εδώ.
• PlatoAiStream. Web3 Intelligence. Ενισχύθηκε η γνώση. Πρόσβαση εδώ.
• PlatoESG. Ανθρακας, Cleantech, Ενέργεια, Περιβάλλον, Ηλιακός, Διαχείριση των αποβλήτων. Πρόσβαση εδώ.
• PlatoHealth. Ευφυΐα βιοτεχνολογίας και κλινικών δοκιμών. Πρόσβαση εδώ.
• πηγή: https://www.digfingroup.com/influence-ai/