कृत्रिम बुद्धिमत्ता, विशेष रूप से जनरेटिव एआई, बैंकिंग और बीमा सहित कई उद्योगों में व्यापक उत्पादकता वृद्धि का वादा करती रहती है।
एआई कई चुनौतियाँ भी प्रस्तुत करता है, जैसा कि इसकी मतिभ्रम की प्रवृत्ति में प्रकट होता है। दूसरा दुरुपयोग की संभावना है। यह डेटा प्रशिक्षण सेटों में अचेतन पूर्वाग्रहों से उत्पन्न हो सकता है, जिसके परिणामस्वरूप रंग के लोगों के लिए भेदभावपूर्ण परिणाम होते हैं। यह यह भी प्रतिबिंबित कर सकता है कि जेनएआई सिस्टम को कैसे प्रोग्राम किया जाता है, जैसा कि हाल ही में पोप या अन्य ऐतिहासिक शख्सियतों की "जागृत" छवियों पर हुई गड़बड़ी से पता चलता है, जो सफेद पुरुषों के अलावा कुछ भी दिखाई देते हैं।
सबसे चरम मामलों में, परिसंपत्ति प्रबंधक अनुसंधान या यहां तक कि ट्रेडिंग पोर्टफोलियो के लिए एआई की ओर रुख कर सकते हैं। मतिभ्रम एक फर्म को बर्बाद कर सकता है; जैसा कि एक नियामक को यह समझाने की कोशिश की जा सकती है कि एक बॉट के कारण फ्लैश क्रैश क्यों हुआ।
एआई को इतने नाटकीय अंदाज में सामने लाने की संभावना नहीं है, लेकिन इसे अधिक सूक्ष्म तरीकों से काम में लाया जा सकता है। वास्तव में, यह पहले से ही है.
बैंक, बीमाकर्ता और फिनटेक पहले से ही क्रेडिट रेटिंग स्कोर करने या नीतियों को अंडरराइट करने के लिए एआई टूल का उपयोग करते हैं। उदाहरण के लिए, उद्योग को एक असंतुष्ट ग्राहक को यह समझाने में असमर्थ होने का जोखिम है कि उन्हें ऋण देने से इनकार क्यों किया गया।
अधिक सांसारिक मुद्दा यह है कि एआई को कब लागू किया जा सकता है। उदाहरण के लिए, सॉफ़्टवेयर का उपयोग किसी की मानसिक स्थिति का आकलन करने के लिए उसके सोशल-मीडिया आउटपुट को पार्स करने के लिए किया जा सकता है, जिसका उपयोग किसी वित्तीय उत्पाद की कीमत निर्धारित करने के लिए किया जा सकता है। इससे कई सवाल खड़े होते हैं.
क्या कंपनियों को ऐसे डेटा पर विचार करने की अनुमति दी जानी चाहिए? यदि नहीं, तो संभावित ग्राहक की राय जानने के लिए वे क्या विकल्प तलाशेंगे? गोपनीयता क्या है और इसे कैसे लागू किया जाता है?
कृपया विनियमित करें
ऐसे प्रश्नों का स्वाभाविक उत्तर नियामकों को लाना है। किसी फर्म के सबसे खराब आवेगों को नियंत्रित करने के लिए नियमों का एक तटस्थ सेट विकसित करना सबसे अच्छा है। नियामकों को भारी काम करने देना भी आसान है - और यदि वे ऐसा नहीं करते हैं तो कंधे उचकाने की स्वतंत्रता भी बनाए रखें।
विनियमन आवश्यक है, लेकिन क्या यह पर्याप्त है? हो सकता है, लेकिन केवल तभी जब वित्त उद्योग नवाचार को बिग टेक और एआई स्टार्टअप की नई नस्ल पर छोड़ने से संतुष्ट हो।
जब एआई की बात आती है, तो वास्तविकता यह है कि नियामक कभी भी गति बनाए रखने में सक्षम नहीं होंगे। यह कोई बुरी बात नहीं है: हम उम्मीद करते हैं कि नवाचार निजी क्षेत्र से आएगा। लेकिन एआई की प्रकृति विनियमन को कठिन बना देती है।
सबसे पहले, नियामकों में काम करने वाले कुछ लोग हैं जिनके पास मशीन लर्निंग और अन्य एआई टूल्स में गहरी विशेषज्ञता है, जेनएआई की तो बात ही छोड़ दें।
दूसरा, इस दुनिया में बने रहने के लिए जीपीयू, ग्राफिक्स प्रोसेसिंग इकाइयों, एआई अनुप्रयोगों को शक्ति देने वाले बैकबोन चिप्स और क्लाउड को शामिल करने वाले डेटा केंद्रों के हार्डवेयर की विशाल श्रृंखला को कमांड करने की आवश्यकता होती है।
एआई उद्योग में ओपनएआई जैसे स्टार्टअप, माइक्रोसॉफ्ट और मेटा जैसे बड़े तकनीकी खिलाड़ी, एनवीडिया जैसे चिप विशेषज्ञ और एडब्ल्यूएस जैसे क्लाउड प्रदाता शामिल हैं। इन दिग्गजों के पास विशिष्ट रूप से विशाल संसाधन हैं जो सर्वोत्तम प्रतिभाओं को आकर्षित करते हैं - और एआई सिस्टम चलाने के लिए कंप्यूटिंग शक्ति खरीदते हैं।
जब तक यह स्थिति रहेगी, न तो नियामक और न ही उद्यम एजेंडा तय कर सकते हैं।
खरीदने की क्षमता
नियामक निकाय नियम निर्धारित करने का प्रयास कर सकते हैं - और उन्हें करना भी चाहिए, क्योंकि वे बुनियादी मानदंडों को आकार दे सकते हैं - लेकिन बैंकों और अन्य लोगों को एआई सिस्टम का दुरुपयोग करने से कैसे रोका जाए, इसकी बारीकियों से निपटने के लिए उन्हें संघर्ष करना होगा।
हालाँकि, विकल्प मौजूद हैं। एक को पीछे मुड़कर देखना होगा कि सरकारों ने शुरुआती दिनों में अपनी नवप्रवर्तन अर्थव्यवस्थाओं को समर्थन देने में कैसे मदद की है। उदाहरण के लिए, सिलिकॉन वैली की सफलता का श्रेय 1950 और 1960 के दशक में नासा और अमेरिकी सेना के बड़े पैमाने पर खरीद कार्यक्रमों को दिया जाता है।
इसी तरह, केवल सरकारों के पास ही एआई बुनियादी ढांचे के बाजार में प्रवेश करने और अपने स्वयं के अनुसंधान कार्यक्रमों के लिए जीपीयू खरीदने की क्षमता है जो बिग टेक के पैमाने से मेल खा सकते हैं। यह भागीदारी और नेतृत्व के माध्यम से मानक स्थापित करने का एक तरीका है, बजाय इसके कि लगातार अधिक नियम लिखकर इसे बनाए रखने की कोशिश की जाए।
वित्तीय सेवाओं का क्या? अभी तक इस बात का कोई संकेत नहीं है कि सरकारें यह भूमिका निभाने के लिए तैयार हैं, जो अन्य उद्योगों को बिग टेक की दया पर छोड़ देती है।
सबक समान है: वॉल स्ट्रीट को बिग टेक के लिए इतना महत्वपूर्ण ग्राहक बनने की जरूरत है कि वह एआई के साथ व्यवहार करने के लिए मानक निर्धारित कर सके।
समस्या आकार की है. यहां तक कि जेपी मॉर्गन के पास भी इस क्षेत्र में माइक्रोसॉफ्ट की बराबरी करने की क्षमता नहीं है। यह कभी भी लागत को उचित नहीं ठहरा सकता।
ओपन सोर्स एआई
लेकिन एक समूह के रूप में उद्योग के बारे में क्या? क्या बिग फाइनेंस के लिए - दुनिया भर के अग्रणी फिनटेक के साथ मिलकर - संसाधनों को एकत्रित करने और एक रणनीतिक ग्राहक बनने का कोई रास्ता है?
बैंकों को एक साथ खेलने की आदत नहीं है। ऐसा दृष्टिकोण पूरी तरह से विदेशी होगा।
दूसरी ओर, बैंक धीरे-धीरे सॉफ्टवेयर विकसित करने के लिए ओपन सोर्स की ओर बढ़ रहे हैं। वे मानते हैं कि कई गैर-मुख्य कार्यों के लिए कोड साझा करना - मालिकाना मालिकों के बजाय सामुदायिक खिलाड़ी होने के नाते - बेहतर गुणवत्ता और अधिक लचीला सॉफ़्टवेयर बना सकते हैं।
क्या ओपन सोर्स GenAI के लिए काम करता है?
उत्तर अस्पष्ट है. इस क्षेत्र में कुछ बड़ी तकनीकें अपने विकास के लिए तैयार हैं, जैसे कि मेटा, जो एआई स्टार्टअप को अपने कुछ मॉडलों को डाउनलोड करने और अनुकूलित करने की सुविधा देता है।
ओपन सोर्स के लिए उद्योग मानकों के अनुसार सभी उपयोग मामलों की अनुमति दी जानी चाहिए, लेकिन कुछ जेनएआई स्टार्टअप वास्तव में उस मानदंड को पूरा करते हैं। बेतुके ढंग से नामित ओपनएआई सहित अधिकांश, एक बंद दुकान संचालित करते हैं।
ऐसा इसलिए है क्योंकि genAI अन्य श्रेणियों के सॉफ़्टवेयर की तरह नहीं है। स्रोत कोड केवल एक घटक है. प्रशिक्षण डेटा और उस डेटा को कैसे वर्गीकृत किया जाता है, यह भी उतना ही महत्वपूर्ण है। आज एआई उद्योग में इस बात पर कोई सहमति नहीं है कि "ओपन सोर्स" का क्या मतलब है।
यहां वित्तीय संस्थानों के लिए अवसर है। बैंक, एक्सचेंज और डेटा विक्रेता सामूहिक रूप से डेटा का एक महत्वपूर्ण समूह रखते हैं, जिनमें से अधिकांश पूंजी बाजार और वित्तीय सेवाओं के लिए विशिष्ट है। सिद्धांत रूप में यदि इस जानकारी को एकत्रित करने के लिए कोई तंत्र होता, तो कोड और इसके साथ आने वाले मानकों के सह-विकास का आधार हो सकता था।
विक्रेता ऐसे किसी भी कदम का विरोध करेंगे जो उनके व्यवसाय को नष्ट कर दे; बैंक और बीमाकर्ता ऐसी किसी भी चीज़ पर सहयोग करने के इच्छुक नहीं हैं जिसे मूल समझा जा सके। दूसरी ओर, वित्तीय सेवाओं के भीतर ऐसे क्षेत्र भी हो सकते हैं, जो अधिकांश खिलाड़ियों के लिए महत्वपूर्ण नहीं हैं, और जिनमें एक उद्योग समाधान वांछनीय हो सकता है। डिजिटल पहचान, अनुपालन, रिपोर्टिंग और जोखिम प्रबंधन के पहलू सभी दिमाग में आते हैं।
डिगफिन जानता है कि यह एक बहुत ही काल्पनिक धारणा है, जो इसे साकार करने के लिए आवश्यक भारी प्रयास को कभी भी उचित नहीं ठहरा सकती। दूसरी ओर, वित्तीय उद्योग के लिए सिलिकॉन वैली के अपने स्थान पर ऐसा करने के लिए निष्क्रिय रूप से प्रतीक्षा करने के बजाय अपने भविष्य को आकार देना कितना महत्वपूर्ण है? शायद यहीं पर हम एआई के एक बड़े ग्राहक के रूप में सरकार के विचार पर लौटते हैं। सरकार को इस क्षमता में कार्य करने के लिए अपने स्वयं के कार्यक्रमों की आवश्यकता है। एआई के युग में वित्तीय सेवाओं को विनियमित करना शुरुआत के लिए एक अच्छी जगह लगती है।
- एसईओ संचालित सामग्री और पीआर वितरण। आज ही प्रवर्धित हो जाओ।
- प्लेटोडेटा.नेटवर्क वर्टिकल जेनरेटिव एआई। स्वयं को शक्तिवान बनाएं। यहां पहुंचें।
- प्लेटोआईस्ट्रीम। Web3 इंटेलिजेंस। ज्ञान प्रवर्धित। यहां पहुंचें।
- प्लेटोईएसजी. कार्बन, क्लीनटेक, ऊर्जा, पर्यावरण, सौर, कचरा प्रबंधन। यहां पहुंचें।
- प्लेटोहेल्थ। बायोटेक और क्लिनिकल परीक्षण इंटेलिजेंस। यहां पहुंचें।
- स्रोत: https://www.digfingroup.com/influence-ai/
