هوش مصنوعی مولد در مالی؛ ملاحظات ریسک از نگاه IMF

هوش مصنوعینویسنده: پارسا آقابراری۲ دقیقه مطالعهمنبع: IMF، ۲۰۲۳
هوش مصنوعی مولد در مالی؛ ملاحظات ریسک از نگاه IMF

۱مقدمه

صندوق بین‌المللی پول (IMF) در یادداشت فین‌تک اوت ۲۰۲۳ می‌گوید هوش مصنوعی مولد می‌تواند در خدمات مشتری، تولید گزارش، تحلیل اسناد و مدیریت ریسک بهره‌وری را بالا ببرد.

۲بررسی موضوع

در عین حال این یادداشت ریسک‌های اصلی را برمی‌شمارد: سوگیری پنهان در داده‌ها، حفظ حریم خصوصی، دشواری توضیح‌پذیری خروجی مدل، تولید پاسخ‌های نادرست ولی قانع‌کننده، و تهدیدهای سایبری تازه.

توصیهٔ IMF این است که نهادهای مالی پیش از استفادهٔ گسترده، چارچوب حاکمیت و نظارت انسانی مشخص داشته باشند و ناظران هم ظرفیت فنی خود را برای ارزیابی این مدل‌ها تقویت کنند.

در عمل، کاربردهای کم‌ریسک‌تر مانند خلاصه‌سازی اسناد داخلی، پیش‌نویس گزارش‌ها و کمک به برنامه‌نویسان، معمولاً نقطهٔ شروع مناسبی هستند؛ زیرا خطای احتمالی مدل پیش از رسیدن به مشتری توسط انسان بازبینی می‌شود. در مقابل، استفاده در تصمیم‌های اعتباری یا مشاورهٔ مالی مستقیم به مشتری، نیازمند کنترل‌ها و آزمون‌های بسیار دقیق‌تری است.

مسئلهٔ دادهٔ محرمانه از نگرانی‌های اصلی است. ارسال اطلاعات مشتریان به سرویس‌های عمومی هوش مصنوعی بدون قرارداد و کنترل مشخص، می‌تواند به نقض حریم خصوصی و الزامات قانونی منجر شود. استقرار مدل در زیرساخت داخلی یا استفاده از سرویس‌هایی با تعهدات روشن دربارهٔ عدم نگه‌داری و عدم استفاده از داده برای آموزش، راهکارهای رایج‌اند.

۳جمع‌بندی

چارچوب حاکمیتی پیشنهادی شامل فهرست کاربردهای مجاز و ممنوع، ارزیابی ریسک پیش از هر استقرار، ثبت و پایش خروجی‌ها، و تعیین مسئول مشخص برای هر سامانه است. بدین ترتیب سازمان می‌تواند از مزایای بهره‌وری هوش مصنوعی مولد بهره‌مند شود، بی‌آنکه کنترل ریسک را از دست بدهد.

اشتراک‌گذاری:تلگرامواتس‌اپلینکدین

منابع

  1. IMF Fintech Note 2023/006 — Generative Artificial Intelligence in Finance: Risk Considerations ↗
همفکران فناوری شریفاین مقاله خلاصه‌ای از منابع رسمی ذکرشده است که تیم همفکران فناوری شریف برای مدیران و تیم‌های مالی تهیه کرده است.
می‌خواهید این راهکارها را در سازمانتان ببینید؟درخواست دموی رایگان

مقالات مرتبط

هوش مصنوعیخواندن خودکار رسید با هوش مصنوعی؛ پایان ورود دستی هزینه‌هافناوری بازشناسی نویسه و یادگیری ماشین، اطلاعات رسید را در چند ثانیه استخراج می‌کند و خطای ورود دستی را از میان برمی‌دارد.هوش مصنوعیهوش مصنوعی مسئولانه؛ شفافیت، انصاف و پاسخ‌گویی در تصمیم‌های خودکارهرچه تصمیم‌های بیشتری به الگوریتم‌ها سپرده می‌شود، تضمین انصاف و شفافیت آن‌ها اهمیت بیشتری می‌یابد.هوش مصنوعیتشخیص تقلب با یادگیری ماشین؛ شناسایی الگوهای پنهان در تراکنش‌هاتقلب‌های مالی روزبه‌روز پیچیده‌تر می‌شوند. مدل‌های یادگیری ماشین با شناسایی رفتارهای غیرعادی، دفاعی پویا فراهم می‌کنند.هوش مصنوعیپردازش زبان طبیعی فارسی؛ فرصت‌ها و چالش‌های هوش مصنوعی در زبان فارسیپیشرفت مدل‌های زبانی، درک و تولید متن فارسی را ممکن کرده است؛ اما ویژگی‌های خاص زبان فارسی، رویکردی بومی می‌طلبد.