به گزارش  قدس آنلاین، 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 دکتر علی رئوفی؛ صاحب نظر حوزه مالی و هوش مصنوعی،  علی ملکی؛ صاحب نظر حوزه سرمایه گذاری و مالی بین الملل و  وحید صیامی؛ صاحب نظر حوزه فین تک به عنوان سخنرانان برگزار شد.

 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 پروژه های 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 بینی های 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 می تواند مورد توجه باشد.

این مقام مسئول سازمان برنامه و بودجه کشور در نشستی که در مرکز آینده پژوهشهای توسعه و آینده نگری برگزار شد، 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 می تواند با انتخاب عوامل ورودی در حوزه هوش مصنوعی تاثیر گذار باشد، ادامه داد: با این وجود سلایق انسانی بعد از انتخاب عوامل تاثیرگذار، حذف می شود 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 می پردازد. فلذا عامل انسانی نمی تواند تاثیر چندانی در خروجی ها داشته باشد البته در خصوص وجود داده های 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 داده ها می تواند در توسعه همه جانبه استفاده از هوش مصنوعی در کشور تاثیر مستقیم داشته باشد. در واقع داده ها باید تحلیل شود و این مهمترین اقدامی است که باید در خصوص داده ها مورد توجه باشد. لذا فرهنگ اشتراک گذاری داده ها باید در بخش دولت و بخش خصوصی به وجود بیاید. اگر داده کماکان جزیره ای باشد ورودی هوش مصنوعی در کشور دچار مشکل می شود چرا که ابزار هوش مصنوعی نیازمند وجود داده های تمیز و انبوه است. 

در ادامه این نشست علی ملکی؛ صاحب نظر حوزه سرمایه گذاری و مالی بین الملل با ارائه گزارشی با عنوان "مدیریت ریسک های 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 می تواند سلیقه های شخصی را حذف کند، هم اکنون به اعتراف ذی نفعان، این سلیقه ها در تخصیص ارز بسیار تاثیر گذار است. از سوی دیگر کارگزاری های ارزی، واسطه های ارزی، متقاضیان ارزی، عرضه کنندگان ارزی و فرایندهای موجود بین این بازیگران می تواند مورد توجه باشد و ابزار هوش مصنوعی می تواند این ربات پیچیده را رمزگشایی کند و مشکل تخصیص ارز را تا حدود زیادی مرتفع کند.

وی به نقش واسطه های ارزی و صرافی ها 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: الگوریتم های هوش مصنوعی می تواند تا حد زیادی از محفظه ها و حفره های  موجود در ساختار ارزی کشور جلوگیری کند. این سامانه ها می تواند پدیده "خالی فروشی" در بازار تخصیص  ارز را از  بین ببرد.

ملکی با اشاره به امکان یادگیری هوش مصنوعی، ادامه داد: داده های ورودی می تواند به مرور زمان الگوهای موفق و ناموفق تخصیص ارز را به کالاهای اساسی و افراد و بانک ها به صورت شفاف نشان دهد. همچنین این امکان به سادگی می تواند زمینه کشف تقلب را فراهم سازد. از سوی دیگر هوش مصنوعی می تواند با حذف عامل انسانی، بیشتر مشکلات عرصه ارزی کشور را مرتفع نماید.

وی با اشاره به اینکه تکنولوژی می تواند تا حد زیادی مشکلات سنتی ما را در تخصیص ارز مرتفع کند، ادامه داد: تحلیل کلان داده های ایجاد شده در گذشته و حال به مدل سازی این داده ها می انجامد، همچنین ارزیابی و اعتبار سنجی بازیگران زنجیره تخصیص ارز می تواند 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 داده ها در هوش مصنوعی، گفت: از طریق استفاده از داده های موجود می توانیم 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.

 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 می کند.

وی با اشاره به جایگاه ایران در حوزه هوش مصنوعی، گفت: بر اساس پیش بینی ها، هوش مصنوعی می تواند اقتصاد دنیا را تا 14 درصد بزرگتر از حد کنونی ارتقا دهد. مثلا چین رشد 26 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 خروجی های این تکنولوژی در اقتصاد ملی، ادامه داد: اقتصاد کشور با استفاده از ابزار هوش مصنوعی می تواند 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  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 تکنولوژی های 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: سامانه های اتوماسیون خودکار عمل می کردند. اما عملکرد هوش مصنوعی تعامل با اطراف است، در واقع هوش مصنوعی مدام در حال بهبود عملکرد هستند و مثل سامانه های اتوماسیون فقط یک عمل را انجام نمی دهند.

رئوفی با اشاره به نقش "هیئت پایداری مالی" در عرصه بین المللی به عنوان کلان ترین نهاد مالی جهان، گفت: ما متاسفانه در داخل عادت کردیم به رویه های بین المللی تن ندهیم. ولی می توانیم با استفاده از روش های خردمندانه بین المللی و استفاده از استاندارد های 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 توصیه های استفاده از این پدیده در عرصه اقتصاد، خاطر نشان کرد: می توان از این استانداردها به بهترین شکل در راستای مرتب سازی حوزه های فعالیت هوش مصنوعی استفاده کرد.

این محقق حوزه هوش مصنوعی ادامه داد: در واقع استفاده از دیتاها و کلان داده ها به منظور استفاده بنگاه های اقتصادی هدف اصلی هوش مصنوعی در عرصه اقتصاد است. لذا خروجی نهایی این ابزار در حوزه اقتصاد وجود ربات هایی است که مشاوره اقتصادی به بنگاه ها را انجام می دهند و در روند "تریدهای" بازارهای سرمایه مورد استفاده قرار می گیرد. لذا به نظر می رسد باید به چارچوب های 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 مدل های غیر شفاف در عرصه استفاده از هوش مصنوعی استفاده کنند، مدیریت ریسک در بازار سرمایه را با خطر مواجه می کند، این نکته مهمی است که حریم خصوصی و اصل محرمانگی برخی داده ها باید مود توجه ویژه این فناوری باشد.