موضوع: کاربرد مهم هوش مصنوعی _ مبادلات مالی

بسیاری از افراد تمایل دارند تا قیمت سهام کمپانی‌ها در روزهای آینده را در صورت حاکم شدن شرایط مشخص، پیش‌بینی کنند. استفاده از یادگیری ماشین در کنار کلان‌ داده درصدد تحقق این امر است. بسیاری از کمپانی‌های خرید و فروش کننده‌ی سهام از سیستم‌های اختصاصی توسعه یافته برای پیش‌بینی قیمت و انجام خرید و فروش براساس نتایج به دست آمده استفاده می‌کنند. بسیاری از سیستم‌های توسعه یافته مبتنی بر علم احتمالات است، اما یک معامله که شاید احتمال کمی برای سوددهی داشته باشد، در صورتی که حجم بالایی داشته و با وجود احتمال پایین یک معامله‌ی موفق باشد، می‌تواند سود سرشاری را به همراه بیاورد. به قطع یقین زمانی که حجم داده‌هایی که باید پردازش شوند، افزایش یافت، انسان‌ها نمی‌توانند در برابر قدرت پردازشی رایانه‌ها حرفی برای گفتن داشته باشند، از این‌رو تجهیز سیستم‌ها به قدرت محاسباتی هوش مصنوعی و یادگیری ماشین می‌تواند در این خصوص بسیار راهگشا باشد.

https://www.zoomit.ir/2016/10/16/147...e-learning-ai/

نگرانی‌های امنیتی و حریم‌خصوصی
زمانی‌که ایده‌ها و اقدامات شکست می‌خورد، نرم‌افزارهای هوش مصنوعی مورد حمله قرار می‌گیرند و دسترسی رد می‌شود و یا نتیجه‌ی توصیه‌های صورت گرفته تحریف می‌شود، در نتیجه دست‌آوردهای آن ویران‌کننده خواهد بود.
اگر نرم‌افزارها مورد خطر قرار گیرند و یا تحریف شوند کاربران مشاوره‌های اشتباه و ضعیف دریافت خواهند کرد.
زمانی‌که کاربران نتوانند نرم‌افزارهای هوشمند، معتبر و با سطح بالای اطمینان را تشخیص دهند، کاربران اطلاعات شخصی را به صورت دستی انجام می‌دهند و اهداف به سمت نرم‌افزار‌های اشتباه می‌رود و یا اقدامات بداندیشانه و یا مشاوره‌های نامناسب داده می‌شود.
آیا مانند گواهینامه “Series 7” برای مشاوره‌های خودکار نیز وجود دارد، و چه کسی قابل اعتماد خواهد بود زمانی که مشاوره‌های نامناسب تهیه می‌شود؟
به علاوه اگر نرم‌افزار نتواند کاربرانش را با اطمینان بالا و کافی تشخیص دهد، مجرمان با موفقیت از کاربران واقعی جعل هویت می‌کنند و برنامه را مجاب خواهندکرد تا اطلاعات حساس را منتقل کند و برای شخص اشتباه دستور العمل بسازد.
تعدادی از نتایج آن می‌تواند از دست‌دادن پول، کاهش شایستگی برای وام دهندگان و شرکت‌های بیمه و هم‌چنین تخریب اعتبار باشد.
ما چطور موسسات مالی و اشخاص ثالثی که این نرم‌افزارها را توسعه و اجرا می‌کنند را بازرسی و ارزیابی می‌کنیم؟
حریم‌ خصوصی می‌تواند در آینده حتی مسئله بزرگتری شود. داده‌هایی که مورد استفاده قرار می‌گیرند تا توصیه‌ها و مشاوره‌های مرتبط ارائه دهند هم‌چنین ممکن است برای اهدافی مد نظر قرار گیرند که به حریم خصوصی اشخاص داخل شوند. از طرفی دیگر کاربران از مزیت‌های داشتن تجربیات دو طرفه بین خودشان و شرکت قدردانی می‌کنند. این گونه است که از طریق هشدارها و تکنیک‌های دیگر آن‌ها به سرعت و به طور آنلاین آن‌چه که نیاز دارند را پیدا می‌کنند و در مقابل هر یک از مبادلات مالی شخصی، پول خود را بهتر مدیریت می‌کنند. از طرف دیگر آنالیزها این قدرت را به کسب و کارها می‌دهد تا از داده‌های مشتریان به نحوی جمع‌آوری و استفاده کنند که تنها در چند سال قبل تصور کردن آن‌ها ممکن نبود. این چنین ایده‌های جدید و پرانرژی زمانی که به سمت حریم خصوصی مشتریان حرکت می‌کنند طوفان بی‌نقصی را ایجاد می‌کنند که گستره وسیعی از ناسازگاری‌های در حال توسعه، روند ها و رقابت‌های اخلاقی را ایجاد می‌کنند که نشان‌دهنده وجود پیچیدگی‌های عظیم در این مسائل می‌باشند. در جهت ایجادکردن بصیرت بیشتر Constellation Research مقاله‌ای به نام “Privacy Enters Adolescence” را انتشار داده است که در آن گفته می‌شود که مشتریان در برابر حریم خصوصی تسلیم نمی‌شوند، آن‌ها مزین به آن هستند و این موضوع برای عموم یک مسئله مناقشه برانگیز است و سرعت داده‌های شخصی رو به افزایش می‌باشد. صنایع سرویس‌های مالی نیازمند هستند تا مسئله‌ی حریم خصوصی را بهتر درک کنند و این که چطور ممکن است با تعدادی از سازمان های مختلف مانند فدرال امریکا و امور حمایت از مصرف کنندگان و قوانین حریم خصوصی۲۳ و همچنین دستورالعمل۹۵/۳۶/EC اتحادیه اروپا که به Cookie Directive” “EU معروف می‌باشد نیز برخورد داشته باشند. اگر کمک کننده باشد Alex Pentland که هدایت‌کننده برنامه‌ریز کارآفرین در لابراتوارهای رسانه می‌باشد پیشنهاد می‌دهد که موسسات مالی داشبورد هایی را برای کاربران فراهم آورند که نشان دهد چه چیزهایی در مورد شما می‌دانند و چه چیزی را با هم سهیم هستید و شما می توانید آن‌ها را خاموش و یا روشن کنید.
آیا هوش مصنوعی به سمت سرکشی پیش می‌رود؟
برنامه‌هایی که این چنین هوشمندی‌هایی به آن‌ها بخشیده می‌شود می‌توانند درگیر روش‌هایی شوند که زیان‌آور باشد و موردعلاقه کاربران قرار نگیرد. همه ما فیلم‌های علمی- تخیلی مانند A Space Odyssey and The Matrix را در سال ۲۰۰۱ دیده‌ایم جایی‌که در آن یک برنامه‌ی هوش مصنوعی به نام villain سرکش می‌شود. این نوع از سناریوها برای دهه‌ها در سینما ما را سرگرم کردند اما هم‌اکنون تعدادی از دانشمندان هشدار می‌دهند که کسب و کار ها می‌بایست به این سناریو‌های با پتانسیل به صورت جدی توجه کنند. Nick Bostrom کسی که موسسه‌ی آینده‌ی بشریت آکسفورد را اداره می‌کند در کتابش در رابطه با هوش برتر توضیح می‌دهد که چطور یک سوپر ربات می‌تواند ایجاد شده و ما را نابود کند. چهره‌های مطرح دیگری مانند Stephen Hawking, Bill GatesوElon Musk هم‌چنین در مورد پتانسیل‌های خطرناکی که هوش مصنوعی می‌تواند به وجود آورد هشدار داده‌اند.
اشتباهات کنترلی و نظم‌دهنده
نگرانی دیگر موسسات مالی این است که چطور تنظیم‌کننده‌ها پاسخگو خواهند بود و دستورالعمل‌های استفاده از هوش مصنوعی را تکمیل خواهندکرد. تنظیم کننده‌های مالی فدرال، ناظران گسترده‌ی دستورالعمل‌ها در جهت استفاده از تکنولوژی‌های اطلاعات در صورت کلی، امنیت، حریم خصوصی، مدیریت فروش و توانایی بهبود و موفقیت دوباره بعد از موقعیت‌های دشوار به صورت ویژه می‌باشند که نیازمند این است تا موسسات مالی کنترل‌های مناسبی را توسعه داده و ریسک موجود را ارزیابی کنند. با وجود افزایش تعداد نرم‌افزارهای هوش مصنوعی، تنظیم‌کنندگان احتمالا بر روی استفاده‌ی بیشتر بر هوش مصنوعی و تشخیص نقص‌های موجود در کنترل‌ها تمرکز خواهند کرد.
نتیجه‌گیری
به دلیل وجود سودهای با پتانسیل بالا و با اهمیّت احتمالا هیچ برگشت به عقبی وجود نخواهد داشت. موارد اتوماسیون شده‌ی بیشتری در سرویس‌های مالی وجود خواهد داشت که اغلب تکنولوژی‌های هوش مصنوعی را به کار خواهند گرفت. اگر چه این نرم‌افزارهای هوش مصنوعی جدید تعدادی از کسب و کارها، موارد امنیتی و مسائل حریم خصوصی را معرفی خواهند کرد که اگر بخواهند در بازار موفق باشند مجبور خواهند بود که به آن‌ها رسیدگی کنند. باید این اطمینان حاصل شود که این نرم‌افزارهای هوشمند در مسیری توسعه یافته‌اند که سودهای مطلوبی را فراهم خواهندکرد و کاربران می‌توانند به سرویس ها و مشاوره‌های فراهم شده اعتماد کنند. مهم می‌باشد که بتوان نقص‌های موجود را ایزوله و نابود کرد و یا برنامه های هوش مصنوعی را به سرعت نابود کرد و هم‌چنین قوانین و سیاست‌های موثری را برای کنترل‌کردن توسعه و استفاده‌های مورد نظر فراهم آورد. در نتیجه از اطلاعات شخصی حفاظت خواهد شد و از آن‌ها سوء استفاده نمی‌شود و تکنولوژی‌ها و سیاست‌هایی ایجاد می‌شود که به توانایی موسسات احترام می‌گذارد، بهترین راه ارزیابی سیستم‌ها را ایجاد کرده و کنترل و طراحی سیستم‌های هوش مصنوعی را متناسب با امنیت انسان بوجود می‌آورد.
لینک مقاله اصلی



کاربرد هوش مصنوعی در خدمات مالی(قسمت آخر) | | ستاک: ستاد توسعه ایده های کارآفرینانه-دانشگاه صنعتی شریف

کاربرد هوش مصنوعی در سرویس های مالی

از زمان آغاز هوش مصنوعی، در دو دوره سرخوردگی را تجربه کرده است. در اوایل سال ۱۹۸۰ بانک سرمایه گذاری Citibank شروع به ساخت سیستم های خبره کرد. این سیستم­ها یک شاخه از هوش مصنوعی است که از توانایی تصمیم­گیری انسان تقلید می­کند. بسیاری از شرکت های دیگر مانند وال استریت نیز پروژه های مشابه ای را راه­اندازی کردند. اگرچه تعدادی پروژه موفق در آن زمان انجام شد، هوش مصنوعی در سال ۱۹۹۰ به دومین دوره سرخوردگی خود رفت چون ساخت این سیستم ها سخت­تر و هزینه برتر از چیزی بود که تصور می شد. به نظر می رسد هوش مصنوعی وارد فاز جدیدی شده است که علاقه به سمت آن افزایش یافته است. یک نمونه از این افزایش تمایل در استفاده تجاری از هوش مصنوعی است که به عنوان هوش ماشینی مانند IBM Watson می­توان اشاره کرد. به عنوان یک شاخص دیگر اکثر افرادی که به آینده مطالعات اینترنت امیدوارند انتظار دارند که رباتیک و هوش ماشینی تا سال ۲۰۲۵ در بخش های بزرگی از زندگی روزانه مردم نفوذ خواهد کرد و پیامدهای عظیمی در صنعت خواهد داشت. آیا اخرین موج از برنامه های هوش مصنوعی در سرویس­های مالی دوباره سقوط خواهد کرد یا اینبار به درستی سرویس­های مالی را متحول خواهد کرد؟
مواردی زیادی تابحال تغییر کرده است برای مثال هزینه­های محاسبات به طور قابل ملاحظه ای کاهش پیدا کرده­است و قدرت محاسبات نیز به میزان زیادی بهبود یافته است. این باعث می­شود هوش مصنوعی که از لحاظ محاسبات پیچیده است در حال حاضر عملی­تر به نظر بیاید. شبکه­های اجتماعی، تلفن­های موبایل باعث ایجاد انفجار اطلاعاتی شده­است و این انفجار آنقدر وسیع و قاطع است که درک آن بدون استفاده از هوش خودکار غیرممکن است. پیشرفت در تجزیه و تحلیل، به ویژه پیشرفت در یادگیری ماشین با نیازی که به قدرت محاسبات وجود داشت، باعث شده­است که سیستم های هوش مصنوعی انعطاف پذیرتر باشند و راحتتر قابل توسعه و پیاده­سازی باشد. در نهایت برخلاف زمستانی که هوش مصنوعی با آن روبرو شد، درحال حاضر در حال پیشرفت نمایی است. کمپانی­های تکنولوژی در حال حاضر الگوریتم­هایی را توسعه داده­اند که عادت­های آنلاین یک کاربر را ردیابی می­کند و تجربه­های آنلاین کاربر را می­سازد. به عنوان مثال، وقتی در حال تحقیق اطلاعات هستید، چه برای پژوهش، علاقه یا ضرورت، گوگل نتایجی را براساس الگوریتم­های خود ارائه می­دهد. موتورهای جست و جو در نهایت اطلاعاتی را تهیه می­کند که کاربر میخواهد بخواند. کاربران به طرز فزاینده­ای در معرض اطلاعاتی قرار گرفته­اند که با آنالیز فعالیت­های قبلی فرد ایجاد شده­است و کاربر از رخ دادن آن باخبر نیست. فایده این کار برای بخش­های مالی این است که با دنبال کردن رفتار و عادت­های شخصیت ها، خدمات و دیتاهای مالی برای هر شخص بخصوص بر اساس رفتارهای آن فرد منحصر به فرد است. این باعث می­شود که هر شخص دستیار مالی شخصی دیجیتال مربوط به خود را داشته باشد.

کاربرد هوش مصنوعی در سرویس های مالی : شتابدهنده فارابي | شتابدهنده تخصصی بازار سرمايه و فينتك

هوش مصنوعی و مدیریت مالی مشتریان

بانک‌ها فین تک ها مدتی است از طریق مدیریت تقلب و یا استفاده از هوش مصنوعی در انجام معاملات در سطح جهانی در حال بررسی پاسخ های این سؤال هستند. بانک ها نیز تازه به این درک رسیده اند که چطور می توان از هوش مصنوعی برای فاینانس مشتریان و عملیاتی فراتر از خدمات مشتری استفاده کرد. به گزارش بانکداران ۲۴ (Banker)، در حال حاضر بانک سلطنتی کانادا (RBC) به کمک شرکت Personetics در حال پیاده سازی فناوری هوش مصنوعی برای مدیریت مالی شخصی در اپلیکیشن موبایل خود می باشد.
معاون ارشد دیجیتال RBC بیان می کند با این اقدام، اپلیکیشن تا چند هفته آینده به روز رسانی خواهد شد و می تواند بطور هوشمندانه جریان نقدی حساب شما را پایش کرده و بصورت خودکار شروع به پس انداز پول بکند. این قابلیت، مدیریت پول و پس انداز مشتریان را برعهده خواهد گرفت.
براساس اظهارات معاون ارشد دیجیتال RBC، پس از به روزرسانی اپلیکیشن، از هر 9 کاربر کانادایی گوشی های هوشمند، یک کاربر تأثیرات از این هوش مصنوعی که NOMI Insights نام گرفته بهره خواهد برد.
بانک سلطنتی کانادا در طی سال گذشته در تراکنش های مالی خود شاهد یک جهش 40 درصدی بوده است و این جهش را به دلیل افزودن 20 قابلیت جدید به اپلیکیشن موبایل خود برای 3 میلیون کاربر می داند.
یکی از قابلیت های هوش مصنوعی NOMI صرفه جویی و پس انداز خواهد بود. این قابلیت برای آن دسته از مشتریانی که توانایی هزینه مخارج اضافی را ندارند، ابزاری بسیار مفید خواهد بود.
با وجود اینکه بانک ها و شرکت های فین تک بسیاری به فناوری هوش مصنوعی به منظور تجزیه و تحلیل داده و ارائه پیشنهادات مالی به مشتریان روی آورده اند، بسیاری نیز عقیده دارند استفاده از هوش مصنوعی به منظور آگاه سازی مشتریان در مورد تغییر رفتارشان، تضمینی برای تحقق این امر نیست.
درهرصورت ارائه چنین اطلاعات مالی شخصی سازی شده ای به مشتریان گام خوبی به سوی تسهیل تغییر رفتار مشتریان خواهد بود.
کاری که هوش مصنوعی NOMI انجام می دهد کمک به مشتریان است تا بدانند پولشان کجا خرج می شود، این فناوری به آنها در پس انداز پول که منطقی ترین راه برای ایجاد ثروت می باشد کمک می کند.

هوش مصنوعی و مدیریت مالی مشتریان – کلون

کاربرد هوش مصنوعی در بازارهای مالی

علوم تخصصی حوزه‌ی کامپیوتر، نظیر داده‌کاوی، پردازش زبان‌های طبیعی، یادگیری ماشین و مشتقات آن نظیر الگوشناسی آماری، شبکه‌های عصبی همگی می‌توانند در حوزه‌ی پیش‌بینی روند آتی بازارهای مالی نقش تعیین کننده‌ای ایفا کنند.

الگوشناسی آماری یا بازشناخت الگو نیز حوزه‌ای از هوش مصنوعی و یادگیری ماشین است که به دنبال طبقه‌بندی الگوهاست، برای مثال اگر ورودی‌های یک برنامه‌ی الگوشناسی آماری، تصاویر انسان و درخت باشند، چنین برنامه‌ای می‌تواند با مشاهده‌ی تعدادی داده‌ی یادگیری، در ادامه تصاویر مختلفی که به عنوان ورودی به آن داده می‌شود را تحت عنوان انسان یا درخت تشخیص داده و برچسب گذاری کند. در مثال دیگر اینکه چنین برنامه‌هایی می‌توانند با مشاهده‌ی تعداد زیادی از ایمیل‌های هرزنامه و غیر هرزنامه به ایمیل‌هایی که به عنوان ورودی به برنامه داده می‌شود، برچسب هرزنامه یا عادی را بزنند. طبقه‌بندی، خوشه‌بندی، رگرسیون و دیگر الگوریتم‌های حوزه‌ی الگوشناسی آماری همگی در راستای ایجاد هوش‌مندی بدون دخالت انسان ایجاد شده‌اند. چنین الگوریتم‌هایی در بازارهای مالی نیز می‌توانند به ایفای نقش پرداخته و الگوهای بالارونده را از الگوهای پایین رونده تشخیص داده و برچسب گذاری کرده و یا به محاسبات احتمالی برای آن‌ها بپردازند.

سایت تحلیلی آموزشی طلانگر که فعالیت آزمایشی خود را در زمینه معاملات بازار آتی سکه بهار آزادی به تازگی آغاز کرده است نیز در راستای چنین فعالیت‌هایی بوجود آمده است. به گفته‌ی سرپرست این گروه، این سایت که حاصل تلاش فارغ التحصیلان و نخبگان دانشگاه صنعتی شریف است در پی پیوند فناوری هوش مصنوعی و به طور خاص الگوشناسی آماری و بازارهای مالی در ایران است. گردانندگان این سایت قصد دارند تا در جهت ایجاد هوشمندی در بازارهای مالی بکوشند. آن‌ها می‌خواهند تا فضایی را فراهم کنند که متخصصین کامپیوتر، هوش مصنوعی و ریاضی به بازارهای مالی ایران ورود کرده و بازارهای مالی ایران نیز چون بازارهای کارای موجود در سطح جهان، فضای رقابت میان متخصصین شود و سوداگران و دارندگان رانت‌های اطلاعاتی نقش تعیین کننده‌ای نداشته باشند.

https://www.zoomit.ir/2012/10/13/329...7%D9%84%DB%8C/

در ژاپن انجام می پذیرد
نظارت بر بورس با استفاده از هوش مصنوعی
به گزارش اخبار پولی مالی، به نقل از خبرگزاری رسمی ژاپن، گرداننده بازار بورس توکیو تصمیم گرفته است که برای امور نظارت بر این بازار از هوش مصنوعی استفاده کند و در این صورت نخستین بازار بورس جهان خواهد بود که از این فن آوری بهره می گیرد. به توجه به افزایش سرعت بسیار بالای مبادلات خودکار سهام ،که معاملات تنها در طی چندهزارم یک ثانیه انجام می شود. این تصمیم گرفته شده است. ۱۵کارمند مسوولیت نظارت بر امور این بازار از جمله کشف دستکاری ها در بهای سهام را برعهده دارند. اما تجزیه و تحلیل همه این سفارشات در میانه افزایش سریع شمار معاملات با دشواری روبروست. گفتنی است : شمار سفارشات در بازار بورس توکیو روزانه به ۹۵ میلیون مورد می رسد. این رقم از پنج سال پیش تا کنون تقریبا ۱۰ برابر شده است. مسوولان گروه بورس ژاپن امیدوارند که با استفاده از این فن آوری، مسوولان نظارتی بتوانند بر روی تحقیقاتی گسترده و مبسوط تمرکز کنند.

نظارت بر بورس با استفاده از هوش مصنوعی - اخبار پولی مالی

تحقق بانکداری شناختی بوسیله هوش مصنوعی

قائم مقام بانک مرکزی معتقد است حرکت به سمت بانکداری شناختی که مبتنی بر هوش مصنوعی است، بانک‌ها را از رقبایشان متمایز خواهد کرد.

به گزارش بانکینا به نقل از پژوهشکده پولی و بانکی، اکبر کمیجانی درباره تاثیر ورود بازیگران جدید مانند فین‌تک‌ها به حوزه بازار پول بر کارایی نظام بانکی اظهارداشت: در یک تعریف ساده، فین‌تک کاربرد نوآورانه فناوری در ارائه خدمات مالی است و فین‌تک‌ها، استارت‌آپ‌ها و شرکت‌های نوآوری هستند که سعی در ارائه بهتر و آسان‌تر خدمات مالی به مشتریان دارند.
وی با بیان اینکه فین‌تک‌ها از منظر نحوه تعامل با بانک‌ها می‌توانند رقیب و یا همکار شبکه بانکی باشند، گفت: استراتژی‌های متفاوتی برای تعامل بانک‌ها با این شرکت‌های نوپا وجود دارد که از مخالفت تا شراکت در مالکیت و همکاری را شامل می‌شود.
کمیجانی با اشاره به اینکه در ایران نیز فین‌تک‌های زیادی وجود دارند که در همکاری با بانک‌ها، خدمات قابل توجهی ارائه کرده‌اند، گفت: PSP ها نمونه فین‌تک‌هایی هستند که با کمک به بانک‌ها در ارائه خدمات پرداخت الکترونیکی، سعی در افزایش کارایی خدمات نظام بانکی کشور دارند، البته در این زمینه بانک‌ها باید به مقوله امنیت سایبری نیز توجه وافری داشته باشند تا اعتماد مشتریان خدشه‌دار نشود و با ریسک شهرت مواجه نشوند.
قائم مقام بانک مرکزی ادامه داد: از سوی دیگر، فین‌تک‌ها می‌توانند خدمات دیگری همچون ارزهای رمزنگاری‌شده ارائه دهند. این خدمات با وجود برخورداری از مزیت هزینه مبادله اندک و انتقالات برون‌مرزی آسان، احتمال انجام برخی عملیات بانکی خارج از مقررات و ضوابط را دارند که در این صورت لازم است نظارت جدی و مستمر ازسوی بانک مرکزی بر اینگونه خدمات فناورانه صورت گیرد تا انحرافی در ارائه عملیات و خدمات بانکی از طریق ابزارهای فناورانه صورت نگیرد.
وی همچنین درباره وضعیت بانکداری اجتماعی و بانکداری شناختی در ایران گفت: بانکداری اجتماعی که ارائه خدمات بانکی از طریق شبکه‌های اجتماعی تعریف ملموس و ساده آن است، باعث ایجاد چابکی و انعطاف‌پذیری در فرایندهای عملیاتی بانک‌ها می‌شود و این امکان را در اختیار بانک‌ها قرار می‌دهد تا نه‌ تنها فرایندهای بیرونی، بلکه کل کسب‌ و کار خود را به‌ طور کامل دیجیتالی کنند.
کمیجانی تصریح کرد: در آینده، به‌ تدریج شعب فیزیکی سنتی بانک‌ها با شعب مجازی جایگزین می‌شود که این امر باعث صرفه‌جویی در زمان و هزینه خواهد شد. از سوی دیگر، حرکت به سمت بانکداری شناختی که عمدتا مبتنی بر هوش مصنوعی است، بانک‌ها را از رقبایشان متمایز خواهد کرد.
وی ادامه داد: هوش مصنوعی و فناوری‌های شناختی بانک‌ها را قادر می‌سازد تا سرعت ابتکارات دیجیتالی خود را افزایش دهند و با ارائه محصولات و خدمات سفارشی به بهبود کسب‌ و کار خود بپردازند. به این ترتیب که این نهادها با به‌کارگیری هوش مصنوعی و ازطریقِ تحلیل اطلاعات مالی، نیازهای مشتریان را شناسایی می‌کنند و به ارائه سبدی از محصولات هدفمند خواهند پرداخت که پیش‌بینی می‌شود که به‌کارگیری هوش مصنوعی توسط بانک‌ها، تاثیر قابل توجهی بر کسب‌ و کار آنها داشته باشد.


تحقق بانکداری شناختی بوسیله هوش مصنوعی | بانکینا

مبادلات مالی در آینده چگونه خواهد بود؟

اگرچه این روزها تمام فکر و ذکر ما خواندن تصورات هیجان‌انگیزی است که از آینده و تکنولوژی‌های آن شکل می‌گیرد، اما باید قبول کنیم که آینده ترکیبی از روندهای آهسته و تغییرات سریع است.

به گزارش بانکینا، بسیاری از تکنولوژی‌هایی که این روزها تجربه می‌کنیم، چند سال پیش حتی قابل تصور نبودند و به تبع آن در سال‌های آینده نیز با جنبه‌هایی از پرداخت روبرو خواهیم بود که هیچ کس هم‌اکنون انتظار آن‌ها را ندارد.
با این‌حال، کارشناسان معتقدند هر آن‌چه که اتفاق خواهد افتاد یا توسط روندهای زیر ساخته خواهد شد و یا روندهای زیر در توسعه‌ی آن‌ها نقش خواهند داشت.
در سال‌های آینده:
پرداخت لازم نیست، فقط انتخاب کنید: امروزه فرآیند پرداخت به صورت کاملا جداگانه از فرآیند خرید صورت می‌گیرد. شما مجبور هستید کارهایی را که انجام می‌دهید متوقف کرده و برای پرداخت اقدام کنید. اما در آینده‌ای نزدیک وب‌سایت‌ها و برنامه‌های تلفن همراه شروع به ادغام این دو فرآیند کرده و بین انتخاب و پرداخت فاصله‌ای نخواهد بود.
همه تجهیزات من قادر به پرداخت خواهد بود: طی چند دهه‌ی گذشته ما شاهد توسعه‌ی دستگاه‌های پرداخت بوده‌ایم، پول‌نقد، چک‌ها، کارت‌ها و پرداخت موبایلی. در سال‌های آینده همه چیز قادر به پرداخت خواهد بود. در واقع، ما در آینده نمی‌توانیم چیزی را دستگاه پرداخت بنامیم، چون همه چیز قابلیت پرداخت خواهد داشت.
دیگر لازم نخواهد بود کیف پول‌تان همواره همراه‌ شما باشد، تکنولوژی پرداخت داخل ژاکت، ساعت و انگشتر شما قرار خواهد گرفت. حالت اولیه‌ی این تکنولوژی هم‌اکنون توسط شرکت ویزا ساخته شده است و در المپیک ژنو مورد استفاده قرار گرفت.
کارت بانکی و اطلاعات حساب شما در فضای ابری قرار می‌گیرد و سپس به یک برنامه‌ی موبایلی یا تکنولوژی‌های جدیدتر منتقل خواهد شد.
هم‌چنان حساب‌ها و ارزهای مختلفی در دست خواهیم داشت: با وجود این‌که پیش‌بینی‌های بسیاری در جهت همگرایی پرداخت‌ها وجود دارد، اما این همگرایی منطقی به نظر نمی‌رسد.
همان‌طور که ما کامپیوتر، تلفن همراه، لپ‌تاپ و تبلت را به صورت همزمان داریم، در حوزه‌ی پرداخت نیز راهکارهای بسیاری را به صورت همزمان مورد استفاده قرار خواهیم داد. ما این روزها از روش‌های پرداخت متفاوت استفاده می‌کنیم، این روند نه تنها کم نخواهد شد بلکه افزایش هم خواهد یافت.
بنابراین با جهان دیگری روبرو خواهیم بود که صدها ارز ویژه و حساب مختلف مورد استفاده قرار خواهد گرفت.
امنیت ساده‌تر شکل خواهد گرفت: امروزه ما با دستگاه‌های پرداخت ارتباط برقرار می‌کنیم تا امنیت اطلاعات را برقرار کنیم. به عنوان مثال، وارد کردن پسورد یا اثر انگشت نمونه‌هایی از این مورد است. اما ترکیب هوشمندانه‌ی داده‌ها در دستگاه‌های پرداخت آینده و بهره‌گیری از طیف گسترده‌ای از منابع بیومتریک و محیطی این امکان را فراهم می‌کنند که بدون نیاز به برقراری ارتباط، دستگاه شما را شناسایی کند.
یخچالم وسایل مورد نیاز را خریده و خودش پرداخت را انجام خواهد داد: همان‌طور که اشاره کردیم، اکثر دستگاه‌ها دارای قابلیت پرداخت و هم‌چنین هوشمندی خواهند بود. یخچال هر کسی قادر خواهد بود تا از محتوای درون خود آگاه شده و می‌تواند برای خرید مواد غذایی اقدام کند.
نکته: دستگاه‌ها من را خواهند شناخت، بنابراین مرا مجبور به خرید چیزی نخواهند کرد. یکی از موضوعاتی که در رابطه با تکنولوژی‌های آینده وجود دارد، اینست که آن‌ها هر اطلاعاتی از انسان‌ها را ثبت خواهند کرد(البته ممکن است قوانینی در رابطه با این به عبارتی جاسوسی افراطی شکل گیرد.)
همه‌ی این‌ها صورت خواهد گرفت تا فین‌تک به سریع‌ترین حالت ممکن برسد. در نهایت ما دنیایی را تجربه خواهیم کرد که در آن پرداخت بدون هیچ وقفه‌ای صورت خواهد گرفت. در واقع شما وارد فروشگاهی می‌شوید، از طرق مختلف مثل عنبیه‌ی چشم، هویت شما شناسایی شده، تجهیزات مورد نیازتان را انتخاب می‌کنید و خارج می‌شوید.
اما این اتفاقات چگونه رخ خواهند داد؟
هوش مصنوعی و یادگیری ماشین

هوش مصنوعی و یادگیری ماشین جذاب‌ترین حوزه‌ی تکنولوژی است و در بسیاری از روندها از جمله شناسایی تقلب‌ها کاربرد دارد. در بخش امنیت به شدت از این تکنولوژی بهره گرفته خواهد شد. هم‌چنین در شناخت انسان‌ها با اطلاعات و خریدهای اتوماتیک این حوزه به شدت کاربرد خواهد داشت.
پرداخت با هوش مصنوعی دقیقا چیزی مشابه با فیلم‌هایی خواهد بود که این روزها مشاهده می‌کنیم. به عنوان مثال، سیستم‌های پرداخت به جای این‌که شما را از روی کارت بانکی یا رمزهای‌تان بشناسند، از روی چشم‌ها، نحوه‌ی صحبت کردن و حتی ضربان قلب خواهند شناخت.
تکنولوژی‌های پوشیدنی

صرف‌نظر این‌که پرداخت روی تلفن‌های همراه امروزه بسیار گسترده شده است، اما کارشناسان معتقدند باید وارد پارادایم جدیدی شویم. اما به نظر می‌رسد موج بعدی پدیده‌های پوشیدنی هستند.
واقعیت مجازی

پیش‌بینی‌هایی وجود دارد که واقعیت مجازی در آینده بزرگ‌ترین نقش را در حوزه‌ی پرداخت ایفا کند. تا جایی که شرکت‌های بزرگی هم‌چون Alibaba استفاده از آن برای حوزه‌ی پرداخت را شروع کرده‌اند. آن‌ها به دنبال ساخت فروشگاه‌های مجازیی هستند که کاربر در آن با پوشیدن لباس‌ها به صورت مجازی اقدام به خرید می‌کند. هم‌چنین آن‌ها پرداخت در دنیای مجازی سه بعدی به تشخیص چهره را نیز امکان‌پذیر کرده‌اند.
اینترنت اشیا

اینترنت اشیا یا به عبارتی IOT به کل زندگی ما نفوذ خواهد کرد. مثال‌هایی که در بالا عنوان شد، نشان‌دهنده‌ی کاربرد بیش از اندازه‌ی این روند در آینده‌ای نزدیک است. برای این‌که پرداخت توسط اشیا و دستگاه‌‌ها صورت بگیرد، لازم است که هوشمندسازی در آن دستگاه‌ها به نحو احسنت انجام شود.
همان‌طور که در ابتدای متن اشاره کردیم، این‌ها تنها بخشی از پیش‌بینی‌ها در مورد آینده است. هیچ‌کس در سال ۱۹۹۰ نمی‌توانست به وجود آمدن واقعیت مجازی را حدس بزند. برخی تغییرات تدریجی بوده و برخی دیگر به صورت رادیکالی اتفاق می‌افتند. با این حال، دانستن این موارد به شما کمک می‌کند خود را برای آینده‌ای مبهم، پیچیده و هیجان‌انگیز آماده کنید.
منبع: زرین پال

مبادلات مالی در آینده چگونه خواهد بود؟ | بانکینا

افزایش استفاده از هوش مصنوعی در سرمایه‌گذاری‌ها

منبع: www.mahya.pro : هوش مصنوعی برخی فعالیت‌ها از جمله بخش‌هایی از امور مالی مثل جلوگیری از فساد را در سراسر دنیا متحول کرده است. اما در اموری مثل مدیریت صندوق‌های سرمایه‌گذاری و گزینش سهام هنوز هیچ چیز نتوانسته جای هوش انسانی را بگیرد.

یادگیری ماشینی به‌عنوان زیرمجموعه‌ای از هوش مصنوعی که در پیدا کردن الگوها و پیش‌بینی‌ها بهتر عمل می‌کند، ابزاری ایده‌آل برای کسب‌وکار به نظر می‌رسد. با این حال، صندوق‌های پوشش ریسک معتبر در لندن و نیویورک، هنوز قابلیت‌های این تکنولوژی‌ها را قبول ندارند. البته در سانفرانسیسکو، تعدادی از صندوق‌های پوشش ریسک نوپا عزم‌شان را برای بهره‌برداری از این تکنیک‌ها جزم کرده‌اند. اما به نوشته مجله اکونومیست، این صندوق‌های پوشش ریسک نوظهور هنوز نمی‌توانند به پای رقبای قدیمی و قدر خود برسند. اکونومیست کلید کار را در این می‌بیند که رویکردی اندیشمندانه‌تر برای به کار بردن هوش مصنوعی در این صندوق‌ها اتخاذ شود. یکی از مشکلات بر سر راه این صندوق‌ها این است که میزان داده‌های مالی موجود در مقایسه با سایر کاربردهای هوش‌ مصنوعی بسیار اندک هستند. به عبارتی، داده‌های مربوط به معاملات سهام حتی در بازه زمانی ۱۰ساله، در مقایسه با حجم داده‌های موجود در سیستم تشخیص چهره تلفن‌های هوشمند، بسیار اندک هستند. تکنیک‌های یادگیری ماشینی و هوش مصنوعی تنها در حالتی می‌توانند موفق عمل کنند که حجم داده بسیار بزرگی به آنها داده شود، در غیر این صورت پیش‌بینی‌ها و تصمیم‌گیری‌های آنها ممکن است با ریسک بالایی همراه باشد. یکی از این صندوق‌های مدیریت مالی در آمریکا، چند کارشناس هوش مصنوعی را به کار گرفته و دائما در مورد متدهای جدید تحقیق می‌کند. اما مدل‌ کسب‌وکار این صندوق‌ها نیز اهمیت ویژه‌ای دارد. این صندوق، یک دهه پیش فعالیت خود را در مقیاس بسیار کوچکی شروع کرد و تنها پول موسسان خودش را مدیریت می‌کرد. اما در سه سال گذشته، سعی کرده است، کسب‌و‌کار خود را با بهینه‌سازی سایت‌های فروشگاهی و... توسعه دهد و اخیرا اقدام به مدیریت دارایی افرادی خارج از حلقه موسسان نیز کرده است. یک صندوق پوشش ریسک دیگر به نام Cerebellum، در سال ۲۰۰۸ فعالیت خود را به‌عنوان صندوق سرمایه‌گذاری در سهام آغاز کرد و در سال ۲۰۱۶ تبدیل به صندوقی شد که به‌طور کامل با هوش مصنوعی اداره می‌شود. این صندوق از یادگیری ماشینی برای تجزیه و تحلیل داده و تعیین استراتژی سرمایه‌گذاری استفاده می‌کند. مدل‌های این سیستم مزیت سرمایه‌گذاری را در نتیجه استراتژی‌های مختلف می‌سنجند. اما در نهایت معاملات نهایی سهام را انسان‌‌ها انجام می‌دهند که بر‌اساس دستورالعمل‌ها و نتیجه‌های الگوریتم‌های سیستم اتخاذ می‌شوند. اکونومیست معتقد است این تکنیک‌ها در درازمدت به سرمایه‌گذاران خود پاسخ خواهند داد، از سوی دیگر چیزی که مشخص است این است که استفاده بیشتر از هوش مصنوعی حداقل در سرمایه‌گذاری، لزوما به معنی استفاده کمتر از هوش انسانی نیست.
https://donya-e-eqtesad.com/%D8%A8%D...C-%D9%87%D8%A7

آیا می‌توان آینده صنعت مالی را در هوش مصنوعی جستجو کرد؟ / شوالیه ناموجود

الکس کوین، مانی وب؛ ماهنامه عصر تراکنش / آیا می‌توان آینده صنعت مالی را در هوش مصنوعی جستجو کرد؟ بازار سهام پرشده از معامله‌گران هوش مصنوعی. بانک‌های سوئد از چت‌بات‌های هوش مصنوعی یا مشاوران مجازی برای پاسخ دادن به درخواست‌های مشتریان استفاده می‌کنند؛ کاری که هم‌اکنون توسط Discovery Health، Absa Bank و Lancewood انجام می‌شود. در سال ۲۰۱۲، یک نقص فنی در بازار سهام ایالات‌متحده باعث شد تا شرکت Knight Capital Group، به‌اشتباه ۴۴۰ میلیون دلار از ارزش سهامش را بفروشد. برای اینکه بدانیم دقیقاً چه خبر است و چه خطراتی در این حوزه وجود دارد، با بازیگران اصلی صنعت مالی و هوش مصنوعی دراین‌باره صحبت کردیم تا اطلاعات بیشتری به دست آوریم.

برخورد FSB در مقابله با هوش مصنوعی

«مایکل کابای» مدیر ارشد بازار سرمایه در سازمان تنظیم مقررات مالی FSB می‌گوید: «ما از نقشی که هوش مصنوعی می‌تواند در بخش مالی، به‌ویژه بازار سهام داشته باشد، به‌خوبی آگاهیم؛ FSB از هر نوع تکنولوژی و فناوری که حمایت از سرمایه‌گذاران را افزایش، خطرات سیستمی را کاهش می‌دهد و از طرف دیگر موجب افزایش کارآیی، عملکرد بهتر و شفافیت بازارهای مالی شود، استقبال می‌کنیم.»
هوش مصنوعی
هوش مصنوعی یا هوش ماشینی (Artificial Intelligence) به هوشی که یک ماشین در شرایط مختلف از خود نشان می‌دهد، گفته می‌شود؛ به‌عبارت‌دیگر هوش مصنوعی به سیستم‌هایی گفته می‌شود که می‌توانند واکنش‌هایی مشابه رفتارهای هوشمند انسانی ازجمله درک شرایط پیچیده، شبیه‌سازی فرایندهای تفکر و شیوه‌های استدلال انسانی و پاسخ موفق به آن‌ها، یادگیری و توانایی کسب دانش و استدلال برای حل مسائل را داشته باشند. بیشتر نوشته‌ها و مقاله‌های مربوط به هوش مصنوعی، آن را به‌عنوان «دانش شناخت و طراحی عامل‌های هوشمند» تعریف کرده‌اند.
هوش مصنوعی را باید عرصهٔ پهناور تلاقی و ملاقات بسیاری از دانش‌ها، علوم و فنون قدیم و جدید دانست. ریشه‌ها و ایده‌های اصلی آن را باید در فلسفه، زبان‌شناسی، ریاضیات، روان‌شناسی، عصب‌شناسی، فیزیولوژی، تئوری کنترل، احتمالات و بهینه‌سازی جستجو کرد و کاربردهای گوناگون و فراوانی در علوم رایانه، علوم مهندسی، علوم زیست‌شناسی و پزشکی، علوم اجتماعی و بسیاری از علوم دیگر دارد.
از زبان‌های برنامه‌نویسی هوش مصنوعی می‌توان به لیسپ، پرولوگ، کلیپس و ویپی اکسپرت اشاره کرد.
یک «عامل هوشمند» سیستمی است که با شناخت محیط اطراف خود، شانس موفقیت خود را پس از تحلیل و بررسی افزایش می‌دهد. جان مک‌کارتی که واژه هوش مصنوعی را در سال ۱۹۵۶ استفاده نمود، آن را «دانش و مهندسی ساخت ماشین‌های هوشمند» تعریف کرده‌است.
هوش مصنوعی در علم پزشکی امروزه به دلیل گسترش دانش و پیچیده‌تر شدن فرایند تصمیم‌گیری، استفاده از سیستم‌های اطلاعاتی به‌خصوص سیستم‌های هوش مصنوعی در تصمیم‌گیری، اهمیت بیشتری یافته است. هوش مصنوعی گسترش دانش در حوزهٔ پزشکی و پیچیدگی تصمیمات مرتبط با تشخیص و درمان – به عبارتی حیات انسان – توجه متخصصین را به استفاده از سیستم‌های پشتیبان تصمیم‌گیری در امور پزشکی جلب نموده است. به همین دلیل، استفاده از انواع مختلف سیستم‌های هوشمند در پزشکی رو به افزایش است، به‌گونه‌ای که امروزه تأثیر انواع سیستم‌های هوشمند در پزشکی موردمطالعه قرارگرفته است.


دستیاران مجازی

شبکه Discovery Health، پنجم جولای، با کمک هوش مصنوعی، از نماینده مجازی خود رونمایی کرد. آنتون فاتی مدیر ارشد دیجیتال این شبکه می‌گوید: «به نظر ما، نماینده مجازی و گفتگوی زنده دو بخش اصلی استراتژی سرویس‌دهی ما هستند. از زمان راه‌اندازی این محصول، می‌بینیم که مشتریان Discovery نسبت به قبل کمتر تماس می‌گیرند و کمتر هم ایمیل می‌زنند چراکه می‌توانند به‌راحتی و به سرعت جواب بسیاری از سؤال‌هایشان را توسط این نماینده مجازی دریافت کنند.»
فاتی ابراز امیدواری کرده است که بتوانند درگذر زمان، قابلیت‌های این محصولشان را افزایش دهند. البته به گفته فاتی، در صورت احساس نیاز به پرسش و پاسخ‌های بیشتر، امکان سوییچ به یک مشاور انسانی نیز وجود دارد.
کاربردهای هوش مصنوعی
کاربردهای هوش مصنوعی چنان گسترده و فراگیر شده‌اند که بسیاری از این کاربردها دیگر با نام هوش مصنوعی شناخته نمی‌شوند و نام تخصصی خود را دارند. تأثیر هوش مصنوعی را اکنون می‌توان در همه جهات و نقاط زندگی مردم دید. آیفونی که قادر به تشخیص اعضای خانه است یا تلویزیونی که نور صفحه نمایش دلخواه را با تعداد افراد تنظیم می‌کند، همه و همه کاربردهای هوش مصنوعی هستند.
کاربردهای عملی آن دسته از کاربردهای هوش مصنوعی هستند که عملیات خاصی را انجام داده و عمل یا تأثیر آن به‌وضوح توسط کاربر احساس خواهد شد. برای مثال جست‌وجوی خودکار گوگل که از الگوریتم‌ها و متدهای پیچیده هوش مصنوعی استفاده می‌کند، پس از انجام یک عملیات پرهزینه و البته سریع نتایج مرتبط را به شما نشان خواهد داد. ماشین‌هایی که قادر هستند خودشان را کنترل کنند. ربات‌های پرنده و یا قایق‌های هوشمند نمونه‌ای بارز و موفق از این نوع کاربردها هستند.
نیاز به تحلیل و استخراج الگو از داده‌های ترافیک شهری، دریافتی کارکنان و جابه‌جایی پول در یک بانک برای جلوگیری از اختلاس یک عملیات نیست و تأثیر یا خود عمل به‌وضوح توسط کاربر لمس نخواهد شد؛ اما در مقابل یک تحلیل هوشمند و خودکار است که کاربرد تحلیلی هوش مصنوعی به‌حساب می‌آید.


فناوری هوش مصنوعی در JSE

مدیر اطلاعات بازار بورس سهام ژوهانسبورگ می‌گوید: «فناوری هوش مصنوعی هنوز در حیطه کاری ما مستقر نشده است اما این امکان وجود دارد که برخی از شرکت‌های عضو ما، بخواهند از هوش مصنوعی به‌عنوان بخشی از تجارت الگوریتمیک خود استفاده کنند.» هیچ نگرانی هم بابت استفاده از این فناوری وجود ندارد؛ این مدیر اطلاعات در ادامه می‌گوید که فناوری هوش مصنوعی هم مانند دیگر فناوری‌های مورداستفاده است. این فناوری قرار نیست جایگزین نیروی انسانی شود اما کمک بیشتری به افراد و معامله‌گران می‌کند.
سیستم‌های خبره
سیستم‌های خبره زمینه‌ای پرکاربرد در هوش مصنوعی و مهندسی دانش است که با توجه به نیاز روزافزون جوامع بر اتخاذ راه‌حل‌ها و تصمیمات سریع در مواردی که دانش‌های پیچیده و چندگانهٔ انسانی موردنیاز است و بر اهمیت نقش آن‌ها نیز افزوده می‌شود. سیستم‌های خبره به حل مسائلی می‌پردازند که به‌طورمعمول نیازمند تخصص‌های کاردانان و متخصّصان انسانی است. به‌منظور توانایی بر حل مسائل در چنین سطحی، دسترسی هرچه بیشتر این‌گونه سامانه‌ها به دانش موجود در آن زمینه خاص ضروری می‌گردد.


اصلاً چرا باید با هوش مصنوعی سروکار داشت؟

عقیده آرتور گلداستاک نویسنده و مدیرعامل World Wide Worx درباره هوش مصنوعی این است: «در بحث تجزیه‌وتحلیل اطلاعات، باید گفت که هوش مصنوعی قابل‌اعتمادتر از نیروی انسانی است. هرچند که فعلاً، نیروی انسانی در حوزه ارزیابی وضعیت بازار بهتر عمل می‌کند و با پتانسیل بسیار خوبی می‌تواند کیفیت مدیریت یک شرکت را به‌خوبی تشخیص دهد.
در حال حاضر، بانک‌ها به‌جز چت‌بات‌ها، در بخش‌های زیاد دیگری هم از فناوری هوش مصنوعی استفاده می‌کنند. به گفته گلداستاک، اتاق‌های بازرگانی تمام بانک‌های بزرگ از فناوری هوش مصنوعی استفاده می‌کنند و طی چند سال گذشته، هیچ‌چیزی به‌جز اندازه این اتاق‌ها کوچک نشده است.
گلداستاک در پاسخ به این سؤال که تفاوت میان هوش مصنوعی که در چت‌بات‌ها از آن استفاده می‌شود با هوش مصنوعی که در اتاق‌های بازرگانی وجود دارد چیست، می‌گوید: «هوش مصنوعی و کلان داده‌ها شرکای بسیار خوبی برای هم هستند. در اتاق‌های بازرگانی، هوش مصنوعی حجم زیادی از داده‌ها را پردازش می‌کند و آن‌ها را تبدیل به پشتیبانی برای انجام تصمیم‌گیری‌ها می‌کند؛ اما چت‌بات‌ها تمایل دارند به سمت یک پایگاه داده استاندارد بروند که می‌توان آن را با زمانی مقایسه کرد که از الکسا درباره وضعیت آب‌وهوا سؤال می‌پرسید در برابر زمانی که از آن برای نتیجه یک مسابقه ورزشی سؤال می‌کنید.»
او در ادامه می‌گوید که چت‌بات‌ها در بهترین حالت می‌توانند یک هوش مصنوعی بدوی ارائه دهند اما بااین‌حال همچنان مفید هستند. با توجه به این‌که شرکت‌هایی مانند Metropolitan Life از این چت‌بات‌ها استفاده می‌کنند، می‌توان آن‌ها را به چشم همکارانی دید که مشاوران را راهنمایی می‌کنند.
تاریخچه هوش مصنوعی
هوش مصنوعی توسط فلاسفه و ریاضی‌دانانی نظیر جرج بول که اقدام به ارائهٔ قوانین و نظریه‌هایی در مورد منطق نمودند، مطرح‌شده بود. با اختراع رایانه‌های الکترونیکی در سال ۱۹۴۳، هوش مصنوعی، دانشمندان آن زمان را به چالشی بزرگ فراخواند. در این شرایط، چنین به نظر می‌رسید که این فناوری قادر به شبیه‌سازی رفتارهای هوشمندانه خواهد بود. باوجود مخالفت گروهی از متفکّرین با هوش مصنوعی که با تردید به کارآمدی آن می‌نگریستند تنها پس از چهار دهه، شاهد تولد ماشین‌های شطرنج‌باز و دیگر سامانه‌های هوشمند در صنایع گوناگون شدیم.
نام هوش مصنوعی در سال ۱۹۶۵ میلادی به‌عنوان یک دانش جدید ابداع گردید. البته فعالیت در این زمینه از سال ۱۹۶۰ میلادی شروع شد. بیشتر کارهای پژوهشی اولیه در هوش مصنوعی بر روی انجام ماشینی بازی‌ها و نیز اثبات قضیه‌های ریاضی با کمک رایانه‌ها بود. در آغاز چنین به نظر می‌آمد که رایانه‌ها قادر خواهند بود چنین فعالیت‌هایی را تنها با بهره گرفتن از تعداد بسیار زیادی کشف و جستجو برای مسیرهای حل مسئله و سپس انتخاب بهترین روش برای حل آن‌ها به انجام برسانند.
اصطلاح هوش مصنوعی برای اولین بار توسط جان مک‌کارتی (که از او به‌عنوان پدر علم تولید ماشین‌های هوشمند یاد می‌شود) استفاده شد. وی مخترع یکی از زبان‌های برنامه‌نویسی هوش مصنوعی به نام لیسپ است. با این عنوان می‌توان به هویت رفتارهای هوشمندانه یک ابزار مصنوعی پی برد. (ساختهٔ دست بشر، غیرطبیعی، مصنوعی) حال‌آنکه هوش مصنوعی به‌عنوان یک اصطلاح عمومی پذیرفته‌شده که شامل محاسبات هوشمندانه و ترکیبی (مرکب از مواد مصنوعی) است.


نگاه حوزه دانشگاهی به هوش مصنوعی

پروفسور توماس میِر رئیس بخش تحقیقات هوش مصنوعی دپارتمان علوم کامپیوتر دانشگاه ژوهانسبورگ می‌گوید: «فناوری هوش مصنوعی، بخش‌های گسترده‌ای را در برمی‌گیرد و یادگیری ماشینی، بخشی از این فناوری است که در این چند سال توانسته خیلی‌ها را به خود جذب کند.»
به قول پروفسور میِر، هوش مصنوعی توانسته تأثیرات بسیاری بر صنعت مالی بگذارد و می‌توان از آن برای رتبه‌بندی‌های اعتباری در بخش مالی نیز استفاده کرد.
به‌هرحال عقیده این پروفسور بر این است که هوش مصنوعی به‌اندازه‌ای قابل‌اعتماد است که بتوان از آن استفاده کرد، به‌خصوص اگر آن را با چیزی که ۱۰ سال پیش در دسترس بود بخواهیم مقایسه کنیم.

آیا می‌توان آینده صنعت مالی را در هوش مصنوعی جستجو کرد؟ / شوالیه ناموجود