به نقل از «خبرگزاری دانشجو»

هوش مصنوعی نقش مخرب عامل انسانی در اقتصاد را کاهش می‌دهد

تاریخ انتشار: ۱۳ تیر ۱۴۰۲ | کد خبر: ۳۸۱۳۵۸۳۱

در نشست علمی مطرح شد: باید از ذوق زدگی در استفاده از هوش مصنوعی پرهیز شود، دیتا (داده)‌های تمیز پیش نیاز استفاده از هوش مصنوعی است. هوش مصنوعی می‌تواند در تخصیص ارز کشور مورد استفاده باشد.

به گزارش خبرنگار اقتصادی خبرگزاری دانشجو، یکصد و بیست و هفتمین نشست علمی-تخصصی با عنوان" نقش هوش مصنوعی در توسعه نظام مالی و بودجه ریزی؛ چالش‌ها و توصیه‌های سیاستی" با حضور سارا بوربور؛ رئیس مرکز فناوری اطلاعات، ارتباطات و امنیت فضای مجازی سازمان برنامه و بودجه کشور به عنوان مدیر علمی این نشست و علی رئوفی؛ صاحب نظر حوزه مالی و هوش مصنوعی، علی ملکی؛ صاحب نظر حوزه سرمایه گذاری و مالی بین الملل و مهندس وحید صیامی؛ صاحب نظر حوزه فین تک به عنوان سخنرانان برگزار شد.

بیشتر بخوانید: اخباری که در وبسایت منتشر نمی‌شوند!

سارا بوربور؛ رئیس مرکز فناوری اطلاعات، ارتباطات و امنیت فضای مجازی سازمان برنامه و بودجه کشور در خصوص استفاده از هوش مصنوعی در سازمان برنامه، گفت: تلاش داریم در پروژه‌های مشترکی که با دانشگاه شریف و دیگر مراکز علمی در سازمان برنامه و بودجه کشور تعریف کرده ایم، امکان استفاده از ابزار هوش مصنوعی در پیش بینی تورم و مباحث مربوط به پیش بینی‌های محیط زیستی در خصوص تخصیص منابع مورد توجه قرار گیرد.
وی با اشاره به کاربرد‌های هوش مصنوعی در ساختار تصمیم سازی سازمان برنامه و بودجه کشور، خاطر نشان کرد: استفاده از ابزار هوش مصنوعی در خصوص پیش بینی باران و خشکسالی در قالب تحقق سند ملی آمایش می‌تواند مورد توجه باشد.
این مقام مسئول سازمان برنامه و بودجه کشور افزود: در مجموع با اینکه هوش مصنوعی امکان جذابی است، اما با این حال باید توجه داشت کماکان خطا‌هایی دارد و نباید دچار ذوق زدگی در استفاده از این ابزار شویم بلکه باید با دقت از این ابزار استفاده کنیم.
وی با اشاره به اینکه عامل انسانی می‌تواند با انتخاب عوامل ورودی در حوزه هوش مصنوعی تاثیر گذار باشد، ادامه داد: با این وجود سلایق انسانی بعد از انتخاب عوامل تاثیرگذار، حذف می‌شود به بیان دیگر شاید عامل انسانی در توجه دادن ماشین به عوامل ورودی دخالت داشته باشد، اما بعد طی این مرحله عملاً ماشین با حذف عامل انسانی به یادگیری و استنتاج می‌پردازد. فلذا عامل انسانی نمی‌تواند تاثیر چندانی در خروجی‌ها داشته باشد البته در خصوص وجود داده‌های تمیز باید به عنوان ورودی توجه خاصی شود.
بوربور با اشاره به تولید انبوه داد‌ها در هر ثانیه در عرصه جهانی، خاطر نشان کرد: یکی از اصول تحلیل درست داده، تمیز کردن داده هاست. همچنین اشتراک گذاری داده‌ها می‌تواند در توسعه همه جانبه استفاده از هوش مصنوعی در کشور تاثیر مستقیم داشته باشد. در واقع داده‌ها باید تحلیل شود و این مهمترین اقدامی است که باید در خصوص داده‌ها مورد توجه باشد؛ لذا فرهنگ اشتراک گذاری داده‌ها باید در بخش دولت و بخش خصوصی به وجود بیاید. اگر داده کماکان جزیره‌ای باشد ورودی هوش مصنوعی در کشور دچار مشکل می‌شود چرا که ابزار هوش مصنوعی نیازمند وجود داده‌های تمیز و انبوه است.
در ادامه این نشست دکتر علی ملکی؛ صاحب نظر حوزه سرمایه گذاری و مالی بین الملل با ارائه گزارشی با عنوان "مدیریت ریسک‌های تخصیص ارز با بهره مندی از هوش مصنوعی" گفت: این ارائه سال نود و هفت آماده شده بود، اما متاسفانه با استقبال خوبی در نزد ذینفعان مواجه نشد که من کماکان در پی چرایی عدم استقبال از این گزارش هستم.
وی با اشاره به اینکه باید پرسیده شود ذی نفعان اصلی استفاده از ارز در کشور ما چه افراد و نهاد‌هایی هستند، ادامه داد: هوش مصنوعی می‌تواند سلیقه‌های شخصی را حذف کند، هم اکنون به اعتراف ذی نفعان، این سلیقه‌ها در تخصیص ارز بسیار تاثیر گذار است. از سوی دیگر کارگزاری‌های ارزی، واسطه‌های ارزی، متقاضیان ارزی، عرضه کنندگان ارزی و فرایند‌های موجود بین این بازیگران می‌تواند مورد توجه باشد و ابزار هوش مصنوعی می‌تواند این ربات پیچیده را رمزگشایی کند و مشکل تخصیص ارز را تا حدود زیادی مرتفع کند.
وی به نقش واسطه‌های ارزی و صرافی‌ها در فرایند تخصیص ارز اشاره کرد و ادامه داد: متقاضیان ارزی به دلیل نیاز واقعی به ارز باید با انبوه این بازیگران برای تامین ارز به منظور تحقق ثبت سفارش مواجه شوند.
این محقق حوزه هوش مصنوعی با مدل سازی اکوسیستم ارزی کشور، افزود: الگوریتم‌های هوش مصنوعی می‌تواند تا حد زیادی از محفظه‌ها و حفره‌های موجود در ساختار ارزی کشور جلوگیری کند. این سامانه‌ها می‌تواند پدیده "خالی فروشی" در بازار تخصیص ارز را از بین ببرد.
ملکی با اشاره به امکان یادگیری هوش مصنوعی، ادامه داد: داده‌های ورودی می‌تواند به مرور زمان الگو‌های موفق و ناموفق تخصیص ارز را به کالا‌های اساسی و افراد و بانک‌ها به صورت شفاف نشان دهد. همچنین این امکان به سادگی می‌تواند زمینه کشف تقلب را فراهم سازد. از سوی دیگر هوش مصنوعی می‌تواند با حذف عامل انسانی، بیشتر مشکلات عرصه ارزی کشور را مرتفع نماید.
وی با اشاره به اینکه تکنولوژی می‌تواند تا حد زیادی مشکلات سنتی ما را در تخصیص ارز مرتفع کند، ادامه داد: تحلیل کلان داده‌های ایجاد شده در گذشته و حال به مدل سازی این داده‌ها می‌انجامد، همچنین ارزیابی و اعتبار سنجی بازیگران زنجیره تخصیص ارز می‌تواند با استفاده از هوش مصنوعی در ارز صورت پذیرد.
در ادامه این نشست دکتر علی رئوفی؛ صاحب نظر حوزه مالی و هوش مصنوعی در ارتباط با نقش هوش مصنوعی در نظام مالی نوین، گفت: باید در ابتدا تعریف درستی از هوش مصنوعی به عنوان یک فناوری قدرتمند و انعطاف پذیر داشته باشیم. همچنین به صورت ابتدایی باید توجه داشته باشیم وجود دیتا، هوش مصنوعی را توسعه داده است.
وی با اشاره به اهمیت داده‌ها در هوش مصنوعی، گفت: از طریق استفاده از داده‌های موجود می‌توانیم عدد میانگین قیمت هر متر مربع مسکن در تهران را به دست بیاوریم، حتی اگر بانک مرکزی و یا سازمان آمار میزان تورم را اعلام نکند. جالب است بدانیم هم اکنون هوش مصنوعی امکان استنتاج را پیدا کرده است، همچنین امکان کشف اشتباهات و انتخاب واژگان را به سادگی محقق کرده است.
دکتر رئوفی با اشاره به نقش هوش مصنوعی در حوزه پیش بینی ورشکستگی ها، خاطر نشان کرد: نیازی نیست هرجایی از هوش مصنوعی استفاده کرد بلکه استفاده از این ابزار در امور پیچیده مورد توجه است. در واقع این ابزار پاسخگویی بهینه را برای مخاطب فراهم می‌کند.
وی با اشاره به جایگاه ایران در حوزه هوش مصنوعی، گفت: بر اساس پیش بینی ها، هوش مصنوعی می‌تواند اقتصاد دنیا را تا ۱۴ درصد بزرگتر از حد کنونی ارتقا دهد. مثلا چین رشد ۲۶ درصدی اقتصادی را تنها از محل توسعه هوش مصنوعی به دست خواهد آورد. بر اساس همین پیش بینی ها، اقتصاد ایران تنها پنج درصد از رشد خود را از ناحیه این تکنولوژی تجربه خواهد کرد.
رئوفی ادامه داد: وارد کردن زمان در تابع مطلوبیت افراد باید مورد توجه هر اقدامی در عرصه اقتصاد قرار گیرد که این مهم توسط هوش مصنوعی تا حدود زیادی فراهم خواهد شد.
وی ضمن اشاره به سند راهبردی هوش مصنوعی در کشور، هدف اصلی استفاده از هوش مصنوعی را زندگی بهتر برای مردم دانست و گفت: بر اساس این سند، کشور باید بر اساس چشم انداز به ده شرکت با سرمایه بالای پنجاه میلیون دلار با استفاده از ابزار هوش مصنوعی دست پیدا کند.
رئوفی با اشاره به اسکن اسناد تجاری و خروجی‌های این تکنولوژی در اقتصاد ملی، ادامه داد: اقتصاد کشور با استفاده از ابزار هوش مصنوعی می‌تواند نرخ بهینه مالیاتی، بحث پیش بینی قیمت نفت، نرخ ارز، تورم و بازار سرمایه را پیش بینی و بهینه سازی کند، لذا بر این باروم به منظور استفاده از هوش مصنوعی در اقتصاد ما نیازمند حکمرانی دیتا در کشور هستیم.
در ادامه این نشست مهندس وحید صیامی؛ صاحب نظر حوزه فین تک با اشاره به دیدگاه استفان کلاین در خصوص فناوری گفت: ما با انقلاب چهارم صنعتی مواجه هستیم.
وی با اشاره به تجربه مواجهه کشور با تکنولوژی‌های نو، خاطر نشان کرد: متاسفانه در کشور ما مواجهه با امور جدید تکنولوژی دچار خطا‌هایی است که باید مورد توجه قرار گیرد، مثل برخورد کشور با حوزه رمز ارزها.
این محقق با اشاره به مفهوم "تخریب خلاقانه" در روند شکل گیری حوزه هوش مصنوعی، گفت: سامانه‌های اتوماسیون خودکار عمل می‌کردند. اما عملکرد هوش مصنوعی تعامل با اطراف است، در واقع هوش مصنوعی مدام در حال بهبود عملکرد هستند و مثل سامانه‌های اتوماسیون فقط یک عمل را انجام نمی‌دهند.
رئوفی با اشاره به نقش "هیئت پایداری مالی" در عرصه بین المللی به عنوان کلان‌ترین نهاد مالی جهان، گفت: ما متاسفانه در داخل عادت کردیم به رویه‌های بین المللی تن ندهیم. ولی می‌توانیم با استفاده از روش‌های خردمندانه بین المللی و استفاده از استاندارد‌های آن‌ها وضعیت مدیریت را در کشور را ارتقا دهیم.
وی با اشاره به نهاد‌های بین المللی مثل" OECD" در روند تدوین استاندارد‌های هوش مصنوعی و توصیه‌های استفاده از این پدیده در عرصه اقتصاد، خاطر نشان کرد: می‌توان از این استاندارد‌ها به بهترین شکل در راستای مرتب سازی حوزه‌های فعالیت هوش مصنوعی استفاده کرد.
این محقق حوزه هوش مصنوعی ادامه داد: در واقع استفاده از دیتا‌ها و کلان داده‌ها به منظور استفاده بنگاه‌های اقتصادی هدف اصلی هوش مصنوعی در عرصه اقتصاد است؛ لذا خروجی نهایی این ابزار در حوزه اقتصاد وجود ربات‌هایی است که مشاوره اقتصادی به بنگاه‌ها را انجام می‌دهند و در روند "تریدهای" بازار‌های سرمایه مورد استفاده قرار می‌گیرد؛ لذا به نظر می‌رسد باید به چارچوب‌های مرجع احترام بگذاریم و در این چارچوب حرکت کنیم.
وی با اشاره به نقش هوش مصنوعی در مدیریت ریسک، خاطر نشان کرد: اگر بازیگران از مدل‌های غیر شفاف در عرصه استفاده از هوش مصنوعی استفاده کنند، مدیریت ریسک در بازار سرمایه را با خطر مواجه می‌کند، این نکته مهمی است که حریم خصوصی و اصل محرمانگی برخی داده‌ها باید مود توجه ویژه این فناوری باشد.
رئوفی با بیان اینکه بر اساس توصیه‌های "هیئت پایداری مالی" در عرصه بین المللی باید مخاطبان متوجه استفاده بنگاه‌های اقتصادی از هوش مصنوعی باشند، ادامه داد: در واقع بر اساس این آموزه‌ها و رهنمون ها، بنگاه‌های اقتصادی در صورت استفاده از این ابزار باید مخاطب و مشتری را مطلع سازند و حق بازنگری مشتری را لحاظ نمایند.

منبع: خبرگزاری دانشجو

کلیدواژه: هوش مصنوعی اقتصاد ارز استفاده از ابزار هوش مصنوعی سازمان برنامه و بودجه کشور استفاده از هوش مصنوعی هوش مصنوعی می تواند نقش هوش مصنوعی حوزه هوش مصنوعی هوش مصنوعی صاحب نظر حوزه خاطر نشان عامل انسانی بین المللی مورد توجه تخصیص ارز بنگاه ها پیش بینی بر اساس داده ها

درخواست حذف خبر:

«خبربان» یک خبرخوان هوشمند و خودکار است و این خبر را به‌طور اتوماتیک از وبسایت snn.ir دریافت کرده‌است، لذا منبع این خبر، وبسایت «خبرگزاری دانشجو» بوده و سایت «خبربان» مسئولیتی در قبال محتوای آن ندارد. چنانچه درخواست حذف این خبر را دارید، کد ۳۸۱۳۵۸۳۱ را به همراه موضوع به شماره ۱۰۰۰۱۵۷۰ پیامک فرمایید. لطفاً در صورتی‌که در مورد این خبر، نظر یا سئوالی دارید، با منبع خبر (اینجا) ارتباط برقرار نمایید.

با استناد به ماده ۷۴ قانون تجارت الکترونیک مصوب ۱۳۸۲/۱۰/۱۷ مجلس شورای اسلامی و با عنایت به اینکه سایت «خبربان» مصداق بستر مبادلات الکترونیکی متنی، صوتی و تصویر است، مسئولیت نقض حقوق تصریح شده مولفان در قانون فوق از قبیل تکثیر، اجرا و توزیع و یا هر گونه محتوی خلاف قوانین کشور ایران بر عهده منبع خبر و کاربران است.

خبر بعدی:

نرخ بیکاری بزرگترین اقتصاد اروپا چه میزان است؟

نرخ بیکاری آلمان در ماه آوریل بدون تغییر به ۵.۹ درصد رسید.

به گزارش ایسنا، آژانس کار آلمان در گزارش خود اعلام کرد که نرخ بیکاری این کشور طی ماه آوریل در شرایط فصلی تعدیل شده به ۵.۹ درصد رسید که مشابه ماه مارس و مطابق با انتظارات است.

تعداد بیکاران به ۲ میلیون و ۷۵۰ نفر رسید که نسبت به ماه قبل ۲۰ هزار نفر کاهش داشت اما نسبت به سال قبل ۱۶۴ هزار نفر افزایش داشت. در شرایط فصلی تعدیل شده، این رقم ماهانه ۱۰ هزار نفر کاهش یافت.

بیکاری که هم به معنی بیکاری و هم افراد تحت تاثیر سیاست‌های بازار کار یا ناتوانی کوتاه‌مدت در کار است، با ۱۱ هزار نفر در سطح فصلی تعدیل شده به سه میلیون ۵۷۲ هزار نفر کاهش یافت و به نرخ ۷.۶ درصد رسید.

انتهای پیام