هوش مصنوعی؛ راهگشای آینده بانکداری در ایران
محمد مظاهری، مدیرعامل شرکت توسن تکنو، در نشستی تخصصی درباره هوش مصنوعی مولد (Generative AI) و کاربردهای آن در صنعت بانکداری که در روز دوم رویداد بانکداری نوین و نظام‌های پرداخت برگزار شد، با اشاره به تحول بزرگی که هوش مصنوعی در زندگی روزمره و کسب‌وکارها ایجاد کرده است، گفت: بزرگ‌ترین دستاوردهایی که محصولاتی نظیر ChatGPT و دیگر ابزارهای هوش مصنوعی مولد داشته‌اند، همگانی‌سازی این فناوری و تسریع نفوذ آن در ابعاد مختلف زندگی است.
وی افزود: این فناوری‌ها نه تنها به سوالات عمومی پاسخ می‌دهند، بلکه امکان خلق داده‌ها و محتواهای متنوع را فراهم کرده‌اند. از تولید متن و تصویر تا ساخت موسیقی، همه نشان از قدرت بالای این ابزارها دارند. نکته قابل تأمل این است که هوش مصنوعی، برخلاف برخی باورها، بر مبنای داده‌های تاریخی و تربیتی که به آن داده شده عمل می‌کند و همین موضوع گاهی باعث سوگیری در پاسخ‌ها می‌شود.
هزینه‌ها و پیچیدگی‌های فناوری
مظاهری با اشاره به هزینه‌های بالای توسعه مدل‌های پیشرفته هوش مصنوعی مانند GPT-4 گفت: ایجاد چنین مدل‌هایی هزینه‌بر است. به عنوان مثال، تنها آموزش مدل GPT-4 بیش از صد میلیون دلار هزینه داشته است. این مدل‌ها با شبکه‌های عصبی عمیق و تعداد بسیار زیادی از پارامترها کار می‌کنند؛ مثلاً GPT-4 حدود ۱۰ تریلیون پارامتر دارد که در مقایسه با تعداد پارامترهای مغز انسان (۱۴ تریلیون)، بسیار نزدیک است. همچنین، این مدل‌ها با حجم عظیمی از داده‌های متنی آموزش دیده‌اند، چیزی در حدود ۱۰ تا ۱۰۰ تریلیون کلمه.
کاربردها و چالش‌ها در ایران
مدیرعامل توسن تکنو در خصوص فرصت‌های موجود در ایران گفت: یکی از مهم‌ترین چالش‌ها در ایران این است که چگونه از این فناوری به طور بومی و در صنایع خاص استفاده کنیم. مدل‌های مولدی که در دسترس قرار گرفته‌اند، عمدتاً به صورت عمومی (General Training) آموزش دیده‌اند و نیاز است که برای صنایع خاص مانند بانکداری، با داده‌های تخصصی آموزش ببینند. به عنوان مثال، یک مدل هوش مصنوعی بانکی باید بتواند علاوه بر پاسخ به سوالات عمومی، اطلاعات و تحلیل‌های دقیق مالی ارائه کند.
وی افزود: یکی دیگر از مسائل مهم، موضوع قوانین و مقررات (Regulation) است. این فناوری می‌تواند بسیار مفید باشد، اما نیازمند چارچوب‌های مشخص و نظارت دقیق است. در کشورهای همسایه مانند عربستان و امارات، پروژه‌های بومی‌سازی این فناوری آغاز شده و این سوال پیش می‌آید که آیا بانک‌ها و شرکت‌های ایرانی نیز باید به سمت ایجاد پلتفرم‌های بومی حرکت کنند؟
انتظارات از هوش مصنوعی
مظاهری با اشاره به کاربردهای متنوع هوش مصنوعی مولد گفت: از این فناوری انتظار داریم که به صورت استنتاجی عمل کند. به عنوان مثال، اگر از آن سوالی تاریخی بپرسید، باید بتواند بر اساس دوره‌های زمانی درست پاسخ دهد. یا اگر مسئله‌ای محاسباتی مطرح شد، باید بتواند آن را به درستی حل کند. این سطح از توانایی نیازمند آموزش‌های پیشرفته و داده‌های بسیار دقیق است.
آینده هوش مصنوعی در بانکداری
او تأکید کرد که هوش مصنوعی مولد می‌تواند در صنعت بانکداری تحولی اساسی ایجاد کند، اما برای دستیابی به این هدف، نیازمند همکاری بانک‌ها، شرکت‌های فناوری و نهادهای نظارتی هستیم. “آیا بانک‌های ایرانی به سمت ایجاد شرکت‌های تخصصی در این حوزه حرکت می‌کنند یا با همکاری مشترک این مسیر را پیش می‌برند؟ ” این سوالی است که آینده این فناوری در ایران را رقم خواهد زد.
مظاهری بر ضرورت نگاه عملگرایانه به هوش مصنوعی تأکید کرد و گفت: باید مشخص کنیم که از این فناوری چگونه و در چه مسیری استفاده کنیم تا بهترین بهره‌وری و کمترین آسیب را داشته باشیم.
وی با اشاره به برنامه‌های کلان کشور در حوزه هوش مصنوعی گفت: تا سال ۱۴۱۰ بودجه مشخصی برای توسعه هوش مصنوعی در ایران در نظر گرفته شده است، اما این بودجه بیشتر بر کاربردهای غیرمولد تمرکز دارد. با این حال، لازم است که به کاربردهای عملی هوش مصنوعی در حوزه‌هایی مانند بانکداری توجه ویژه‌ای شود.
هوش مصنوعی و مفاهیم کلیدی آن
مظاهری به ارکان اصلی هوش مصنوعی اشاره کرد و توضیح داد: هوش مصنوعی درک عمیقی از مفاهیم (Concept Mining) ایجاد کرده و می‌تواند رفتارهایی مشابه مکالمه (Conversation) تولید کند. این قابلیت‌ها، علاوه بر توانایی استدلال و ارائه پیشنهاد، بانک‌ها را قادر می‌سازد تا خدمات خود را متناسب با نیازهای مشتریان بهبود دهند.
وی افزود: یکی از قابلیت‌های کلیدی این فناوری، خلاصه‌سازی اطلاعات است که می‌تواند زمان پردازش داده‌ها را به شدت کاهش دهد. به عنوان مثال، در این همایش از هوش مصنوعی برای گوش دادن به پنل‌ها و خلاصه‌سازی خودکار محتوای آنها استفاده شده است. این فناوری بدون نیاز به دخالت انسانی، اطلاعات را به شکل کاملاً ساختاریافته ارائه می‌کند.
چالش‌های بانکداری ایران در استفاده از هوش مصنوعی
مظاهری با اشاره به تجربه تعامل با بانک‌های ایرانی گفت: هرچند بانک‌ها داده‌های فراوان و منابع مالی مناسبی دارند، اما کمبود نیروی متخصص یکی از چالش‌های اصلی آنها در بهره‌برداری از هوش مصنوعی است. ما نیازمند همکاری‌های گسترده‌تری هستیم تا بتوانیم این چالش را پشت سر بگذاریم.
مدیرعامل توسن تکنو همچنین به اهمیت تغییر نگاه بانک‌ها به این فناوری اشاره کرد و افزود: در دنیا برخی بانک‌ها آزمایشگاه‌های تحقیقاتی هوش مصنوعی تأسیس کرده‌اند و به صورت جدی روی این فناوری سرمایه‌گذاری می‌کنند. اما در ایران، بانک‌ها هنوز تمرکز بیشتری روی کاربردهای اولیه این فناوری دارند.
افزایش بهره‌وری با هوش مصنوعی
مدیرعامل توسن تکنو با تأکید بر تأثیر هوش مصنوعی بر بهره‌وری اقتصادی گفت: بر اساس تحقیقات، هوش مصنوعی می‌تواند تا سال ۲۰۳۰ رشد ۱۴ درصدی در تولید ناخالص داخلی جهانی ایجاد کند که معادل ۱۵ تریلیون دلار است. این رشد عمدتاً از طریق بهره‌وری نیروی کار، شخصی‌سازی خدمات و صرفه‌جویی در زمان محقق می‌شود.
وی به کاربردهای عملی این فناوری در بانکداری اشاره کرد و افزود: بانک‌ها می‌توانند از هوش مصنوعی برای تحلیل رفتار مشتریان، مدیریت ریسک، بهبود تجربه مشتری (Customer Experience) و ارائه پیشنهادهای شخصی‌سازی‌شده استفاده کنند. به نظر من، این موارد تأثیر مستقیمی بر افزایش بهره‌وری در نظام بانکی خواهند داشت.
چشم‌انداز آینده بانکداری با هوش مصنوعی
مظاهری در پایان سخنان خود گفت: برای استفاده بهینه از هوش مصنوعی، بانک‌ها باید به جای تمرکز صرف بر مدل‌های عمومی، روی مدل‌های تخصصی بانکداری سرمایه‌گذاری کنند. امیدوارم تا سال آینده، با توسعه این فناوری در ایران، شاهد تحول اساسی در نظام بانکداری باشیم.
وی همچنین تأکید کرد: تحولات صنعتی و نیاز به بهره‌وری، بانک‌ها را مجبور خواهد کرد تا بیش از گذشته به هوش مصنوعی به عنوان ابزاری تحول‌آفرین نگاه کنند. این فناوری، نه تنها مشکلات موجود را حل می‌کند، بلکه افق‌های تازه‌ای برای کسب‌وکارهای بانکی ایجاد خواهد کرد.