هوش مصنوعی، به ویژه هوش مصنوعی مولد، همچنان نویدبخش افزایش بهره وری گسترده برای بسیاری از صنایع، از جمله بانکداری و بیمه است.

هوش مصنوعی چالش‌های زیادی را نیز به همراه دارد که در تمایل آن به توهم آشکار می‌شود. مورد دیگر احتمال سوء استفاده است. این می تواند ناشی از تعصبات ناخودآگاه در مجموعه های آموزشی داده ها باشد که منجر به نتایج تبعیض آمیز برای افراد رنگین پوست می شود. همچنین می‌تواند منعکس‌کننده نحوه برنامه‌ریزی سیستم‌های genAI باشد، همان‌طور که اخیراً بر روی تصاویر «بیدار» پاپ‌ها یا دیگر شخصیت‌های تاریخی که به‌عنوان هر چیزی جز مردان سفیدپوست ظاهر می‌شوند، مشهود است.

در شدیدترین موارد، مدیران دارایی می‌توانند برای تحقیق یا حتی معاملات پرتفوی به هوش مصنوعی روی آورند. توهمات می تواند یک شرکت را خراب کند. همانطور که می توان تلاش کرد تا به یک تنظیم کننده توضیح دهد که چرا یک ربات باعث خرابی فلش شده است.

بعید است که هوش مصنوعی به این شکل چشمگیر رها شود، اما می توان آن را به روش های ظریف تری به کار گرفت. در واقع، در حال حاضر است.

بانک‌ها، بیمه‌گران و فین‌تک‌ها در حال حاضر از ابزارهای هوش مصنوعی برای امتیازدهی به رتبه‌بندی اعتباری یا پذیرش سیاست‌ها استفاده می‌کنند. این صنعت در خطر است که نتواند به مشتری ناراضی توضیح دهد که چرا به عنوان مثال از دریافت وام محروم شده است.

مسئله دنیوی تر این است که چه زمانی می توان از هوش مصنوعی استفاده کرد. به عنوان مثال، نرم‌افزاری می‌تواند برای تجزیه خروجی رسانه‌های اجتماعی افراد برای قضاوت در مورد وضعیت روانی آنها استفاده شود، که می‌تواند برای قیمت‌گذاری یک محصول مالی استفاده شود. این سؤالات زیادی را ایجاد می کند.

آیا شرکت ها باید اجازه داشته باشند که چنین داده هایی را در نظر بگیرند؟ اگر نه، چه جایگزین هایی را برای به دست آوردن دیدگاه مشتری بالقوه بررسی خواهند کرد؟ حریم خصوصی چیست و چگونه اعمال می شود؟

تنظیم کنید لطفا

پاسخ طبیعی به چنین سؤالاتی، آوردن نهادهای نظارتی است. بهتر است مجموعه‌ای از قوانین خنثی ایجاد کنید تا بدترین انگیزه‌های یک شرکت را مهار کنید. همچنین آسان‌تر است که به تنظیم‌کننده‌ها اجازه دهید کارهای سنگین را انجام دهند - و اگر این کار را نکردند، آزادی شانه بالا انداختن را حفظ کنید.

مقررات لازم است، اما آیا کافی است؟ شاید، اما به شرطی که صنعت مالی راضی باشد که نوآوری را به Big Tech و نسل جدید استارت آپ های هوش مصنوعی بسپارد.

وقتی صحبت از هوش مصنوعی به میان می‌آید، واقعیت این است که تنظیم‌کننده‌ها هرگز نمی‌توانند همگام باشند. این چیز بدی نیست: ما انتظار داریم که نوآوری از بخش خصوصی بیاید. اما ماهیت هوش مصنوعی تنظیم را دشوار می کند.

اولاً، تعداد کمی از افرادی هستند که در تنظیم‌کننده‌ها کار می‌کنند که تخصص عمیقی در یادگیری ماشین و سایر ابزارهای هوش مصنوعی داشته باشند، چه رسد به genAI.

دوم، ادامه دادن به این دنیا مستلزم فرماندهی آرایه‌های عظیمی از پردازنده‌های گرافیکی، واحدهای پردازش گرافیکی، تراشه‌های ستون فقرات که برنامه‌های کاربردی هوش مصنوعی را تامین می‌کنند، و سخت‌افزار مراکز داده‌ای که ابر را تشکیل می‌دهند.

صنعت هوش مصنوعی شامل استارت آپ هایی مانند OpenAI، بازیگران فناوری بزرگ مانند مایکروسافت و متا، متخصصان تراشه مانند Nvidia و ارائه دهندگان ابری مانند AWS است. این غول‌ها منابع منحصربه‌فردی دارند که بهترین استعدادها را جذب می‌کنند - و قدرت محاسباتی برای اجرای سیستم‌های هوش مصنوعی را خریداری می‌کنند.

نه تنظیم کننده ها و نه شرکت ها نمی توانند دستور کار را تعیین کنند تا زمانی که این وضعیت ادامه دارد.

قدرت خرید

نهادهای نظارتی می‌توانند سعی کنند قوانینی را وضع کنند – و باید، زیرا می‌توانند هنجارهای اساسی را شکل دهند – اما برای مقابله با تفاوت‌های ظریف نحوه جلوگیری از سوء استفاده بانک‌ها و سایرین از سیستم‌های هوش مصنوعی مبارزه خواهند کرد.

اگرچه جایگزین هایی وجود دارد. یکی این است که به گذشته نگاه کنیم که چگونه دولت ها در روزهای اولیه به حمایت از اقتصادهای نوآورانه خود کمک کرده اند. به عنوان مثال، دره سیلیکون بیشتر موفقیت خود را مدیون برنامه های خرید گسترده ناسا و ارتش ایالات متحده در دهه های 1950 و 1960 است.

به طور مشابه، تنها دولت‌ها پتانسیل ورود به بازار زیرساخت‌های هوش مصنوعی و خرید پردازنده‌های گرافیکی برای برنامه‌های تحقیقاتی خود را دارند که می‌توانند با مقیاس فناوری بزرگ مطابقت داشته باشند. این یکی از راه‌های تعیین استانداردها، از طریق مشارکت و رهبری است، به جای تلاش بی‌پایان با نوشتن قوانین بیشتر.

خدمات مالی چطور؟ تاکنون هیچ نشانه‌ای مبنی بر آمادگی دولت‌ها برای ایفای این نقش وجود ندارد، که صنایع دیگر را در اختیار Big Tech قرار می‌دهد.

درس مشابه است: وال استریت باید به مشتری مهمی برای Big Tech تبدیل شود که بتواند استانداردهایی را برای نحوه برخورد با هوش مصنوعی تعیین کند.

مشکل اندازه است. حتی یک جی پی مورگان هم در این عرصه قدرت برابری با مایکروسافت را ندارد. هرگز نمی تواند هزینه را توجیه کند.

AI منبع باز

اما صنعت به عنوان یک گروه چطور؟ آیا راهی برای Big Finance - در اتحاد با فین تک های پیشرو در سراسر جهان - وجود دارد تا منابع را جمع کند و به یک مشتری استراتژیک تبدیل شود؟

بانک ها عادت ندارند با هم بازی کنند. چنین رویکردی کاملاً بیگانه خواهد بود.

از سوی دیگر، بانک ها به آرامی در حال تبدیل شدن به منبع باز برای توسعه نرم افزار هستند. آن‌ها تشخیص می‌دهند که اشتراک‌گذاری کد برای بسیاری از عملکردهای غیرهسته‌ای - به جای مالکان اختصاصی، پخش‌کننده‌های جامعه - می‌تواند نرم‌افزاری با کیفیت بهتر و انعطاف‌پذیرتر ایجاد کند.

آیا منبع باز برای genAI کار می کند؟

پاسخ نامشخص است. برخی از فناوری‌های بزرگ در این فضا با توسعه خود باز بوده‌اند، مانند متا، که به استارت‌آپ‌های هوش مصنوعی اجازه می‌دهد برخی از مدل‌های خود را دانلود و تطبیق دهند.

استانداردهای صنعت برای منبع باز مستلزم مجاز بودن همه موارد استفاده است، اما تعداد کمی از استارت آپ های genAI واقعاً این معیارها را برآورده می کنند. اکثر آنها، از جمله OpenAI که نامشخص است، یک فروشگاه بسته را اداره می کنند.

دلیلش این است که genAI مانند دیگر دسته‌های نرم‌افزار نیست. کد منبع فقط یک جزء است. داده های آموزشی و نحوه طبقه بندی آن داده ها به همان اندازه مهم است. امروزه هیچ اتفاق نظری در صنعت هوش مصنوعی در مورد معنای "منبع باز" وجود ندارد.

در اینجا فرصتی برای موسسات مالی است. بانک‌ها، صرافی‌ها و فروشندگان داده به طور جمعی دارای حجم مهمی از داده‌ها هستند که بیشتر آن‌ها مختص بازار سرمایه و خدمات مالی است. در تئوری، اگر مکانیزمی برای جمع‌آوری این اطلاعات وجود داشت، می‌توانست مبنایی برای توسعه کد و استانداردهای همراه با آن وجود داشته باشد.

فروشندگان در برابر هر حرکتی که کسب و کار آنها را نابود کند، مقاومت می کنند. بانک ها و شرکت های بیمه تمایلی به همکاری در مورد چیزی که ممکن است اصلی تلقی شود، ندارند. از سوی دیگر، ممکن است حوزه‌هایی در خدمات مالی وجود داشته باشند که برای اکثر بازیگران، هسته اصلی نیستند و در آن‌ها یک راه‌حل صنعتی می‌تواند مطلوب باشد. هویت دیجیتال، انطباق، گزارش‌دهی و جنبه‌های مدیریت ریسک همگی به ذهن متبادر می‌شوند.

DigFin می داند که این یک تصور بسیار گمانه زنی است، تصوری که ممکن است هرگز تلاش عظیمی را که برای تحقق آن لازم است توجیه نکند. از سوی دیگر، چقدر مهم است که صنعت مالی به جای اینکه منفعلانه منتظر سیلیکون ولی در جای خود باشد، آینده خود را شکل دهد؟ شاید اینجا جایی است که به ایده دولت به عنوان مشتری بزرگ هوش مصنوعی برگردیم. برای اینکه دولت بتواند با این ظرفیت عمل کند، نیاز به برنامه های خودش دارد. تنظیم خدمات مالی در عصر هوش مصنوعی نقطه خوبی برای شروع به نظر می رسد.

• محتوای مبتنی بر SEO و توزیع روابط عمومی. امروز تقویت شوید.
• PlatoData.Network Vertical Generative Ai. به خودت قدرت بده دسترسی به اینجا.
• PlatoAiStream. هوش وب 3 دانش تقویت شده دسترسی به اینجا.
• PlatoESG. کربن ، CleanTech، انرژی، محیط، خورشیدی، مدیریت پسماند دسترسی به اینجا.
• PlatoHealth. هوش بیوتکنولوژی و آزمایشات بالینی. دسترسی به اینجا.
• منبع: https://www.digfingroup.com/influence-ai/