هم‌زمان با تراکنش نهم ایران، شهره طباطبایی سیفی؛ رئیس گروه هوش مصنوعی شرکت خدمات انفورماتیک ، محمدعلی بخشی‌زاده؛ قائم‌مقام هلدینگ صاد بانک صادرات و بهزاد صفری؛ معاون فناوری اطلاعات بانک سپه در نشست «هوش مصنوعی، ریزش و رویش مشاغل» به دبیری پرویز ناصری؛ معاون نوآوری، برنامه‌ریزی و تحقیقات شرکت خدمات انفورماتیک  در این زمینه به ایراد سخن و تبادل نظر پرداختند.

ناصری به انباشت حاصل سال‌ها کار و انفجار کاربرد هوش مصنوعی در سال ۲۰۲۳ اشاره کرد و گفت: انفجار به ترتیبی بود که اساساً با هیچ فناوری و تکنولوژی دیگری قابل مقایسه نیست. حتی از اینترنت هم مهم‌تر است. تعداد کاربران «چت‏ جی.پی.تی» ظرف پنج روز از زمان انتشار به یک میلیون نفر رسید و هفته‌ای 100 میلیون نفر از آن استفاده می‌کنند. تا به حال در حوزه آی.تی اصلاً شبیه به این نداشته‌ایم. اما نکته‌ این است که هوش مصنوعی مولد را جلوی چشم آورد. جنبه مولد هوش مصنوعی که کاربردهای مختلفی دارد، الان قلب تپنده است. طباطبایی نیز براساس گزارش‌ منابع مختلف یادآور شد که هوش مصنوعی تا سال ۲۰۳۰ حدود ۳۰۰ میلیون کار تمام وقتِ به‏ طور خاص مولد را از بین می‌برد و این عدد را بسیار تکان دهنده دانست. علاوه بر کارهایی که به‌خاطر هوش مصنوعی از بین می‌روند، تعداد زیادی از کارها و درواقع نیروی کار تحت تأثیر قرار می‌گیرند. یعنی هرچند خیلی از شغل‌ها از بین نمی‌روند، اما کسانی که این شغل‌ها را انجام می‌دهند باید یاد بگیرند چه ‏طور با استفاده از مدل‌های زبانی بزرگ این شغل‌ها را انجام دهند.

بخشی‌زاده نیز با برشمردن کاربردهای کلان هوش مصنوعی مانند چت‏ بات‌ها و مشاوره‌های رباتیک، قابلیت تبدیل گفتار و متن به یکدیگر، تحلیل پیش‏ بینانه، زمان‌بندی و بهینه‌سازی منابع، ترجمه و طبقه‌بندی و پوشه‌بندی و استخراج اطلاعات و تشخیص تصویر و بینایی ماشین، گفت: در مجموع الان در نقطه‌ای هستیم که نقطه بلوغ هوش مصنوعی است. اینکه ما از هوش مصنوعی مولد صحبت می‌کنیم، یعنی هوش مصنوعی با ابزارهایی که به ‏تدریج از زمان تولدش پیدا کرده، به دوره بلوغ و شکوفایی رسیده است. صفری با اشاره به اینکه اولین پیش‌نیاز پیاده‌سازی هوش مصنوعی مولد ورودی و داده‌های قوی است. اضافه کرد که دو نوع چالش داریم، یک دسته چالش برای پیاده‌سازی و یک سری چالش پس از پیاده‌سازی و از چالش‌های اقتصادی، چالش‌های اجتماعی، سیاسی و اخلاقی به‌عنوان چالش‌هایی در مسیر پیاده‌سازی یاد کرد و تأکید کرد که در دسته بعدی چالش‌ها قابل اتکا نبودن داده‌ها، چالش‌های فنی، شامل منابع سخت ‏افزاری، توسعه الگوریتم‌ها و نیروی انسانی، ضرورت تغییر نظام آموزشی برای مواجهه با این پدیده و بالاخره هزینه‌ها را می‌توان نام برد. شرکت خدمات انفورماتیک اسپانسر این نشست بود که در اینجا گزارش مشروح سخنان ارائه شده در آن را می‌خوانید.

پرویز ناصری: جنبه مولد؛ قلب تپنده هوش مصنوعی

همه مستحضرید که تقریباً از دهه 50 میلادی، از همان زمان که کامپیوتر به معنای الکترونیکی آن مطرح شد، کار روی هوش مصنوعی نیز به شکل‌های مختلف شروع شده و الان در سال ۲۰۲۴، حدود ۷۴ سال است که روی هوش مصنوعی کار می‌شود. مثل هر پدیده دیگری آهسته آهسته حاصل سال‌ها کار انباشته شد و اتفاقی که در سال ۲۰۲۳ افتاد این بود که هوش مصنوعی منفجر شد. انفجار به ترتیبی بود که اساساً با هیچ فناوری و تکنولوژی دیگری قابل مقایسه نیست. یعنی شاید بشود با اینترنت مقایسه کرد، اما حتی از اینترنت هم مهم‌تر است. اتفاقی که افتاد این بود که شرکت اوپن ای.آی که می‏خواست کاری کند که هوش مصنوعی مسئول و تحت کنترل به وجود آید، به ‏عنوان یک کار آزمایشی روی مدل زبانی جی.پی.تی ‏سه‏ و‏نیم (gpt3.5) خود یک چت ‏بات بیرون داد و اسم آن را چت ‏جی.پی.تی گذاشت. این چت ‏جی.پی.تی منفجر شد، یعنی ظرف پنج روز از زمانی که منتشر شد تعداد کاربران آن به یک میلیون نفر رسید. در حال حاضر هنوز یک سال نگذشته، هفته‌ای 100 میلیون نفر از چت‏ جی.پی.تی استفاده می‌کنند و این عدد در ماه به نزدیک ۲۰۰ میلیون نفر می ‏رسد. پیش‌بینی شده که در سال ۲۰۲۴ درآمد اوپن ای.آی از چت ‏جی.پی.تی یک میلیارد دلار باشد. تا به حال در حوزه آی.تی اصلاً شبیه به این نداشته‌ایم. آیا در آینده خواهیم داشت؟ نمی‌دانیم. نکته‌ این است که هوش مصنوعی مولد را جلوی چشم آورد که از دو،سه سال قبل‏تر گارتنر، مکنزی و دیگران اهمیت آن را مطرح می‌کردند. خانم دکتر طباطبایی توضیح خواهند داد که در همین سال ۲۰۲۳ ما شاهد لی.آف‌ها و اخراج‌های دست جمعی بزرگ در حوزه تکنولوژی بودیم.

جنبه مولد هوش مصنوعی که کاربردهای مختلفی دارد، الان قلب تپنده است. تا ‌جایی که به ذهن من می‌آید هیچ وقت آقای خامنه‌ای در مورد یک تکنولوژی دستور نداد. در همین سال ۲۰۲۳ در مورد هوش مصنوعی دستور داد. در سال ۲۰۲۳ در ایران نهادسازی شد و سند ملی هوش مصنوعی را دارند می‌نویسند، چرا؟ چون این موضوع مهم است و ساعت‌ها نیاز است در مورد آن صحبت کنیم.

برگردم سر موضوع چت‏ جی.پی.تی که این موج را راه انداخت، الان مهم‌ترین و بزرگ‌ترین دعوای حقوقی آمریکا شکایت نیویورک تایمز بر علیه اوپن ای.آی و مایکروسافت است و گفته که مدل زبانی اینها مطالب کپی رایت شده مرا در کنار مطالب بررسی کرده و سوالاتی را پاسخ می‌دهد که نیاز نیست طرف سراغ من بیاید، درآمد من لطمه خورده و درخواست خسارت کرده است. هنوز یک سال نشده که دولت ژاپن یک قانون گذاشته و گفته مدل‌های زبانی آموزش دادن هوش مصنوعی تابع هیچ نوع پتنت و کپی رایت نیست. یعنی زمانی که شما مدل زبانی آموزش می‌دهید، هرکاری که دوست دارید بکنید و از هرآنچه هست استفاده کنید. پس ما با یک مسئله بزرگ روبه ‏روییم. این موضوع در ایران، خصوصاً در حوزه بانکی اهمیت پیدا کرده، گرچه در حوزه‌های متعهد دیگر هم مطرح شده است. در این نشست امروز ما دعوت کردیم از خانم دکتر طباطبایی به ‏عنوان متخصص هوش مصنوعی که ابعاد تأثیر هوش مصنوعی را بر اشتغال به ‏طور مختصر باز کنند. از دو نفر از مدیران سیستم بانکداری خواهش کردیم که صحبت کنند؛ آقای دکتر بخشی ‏زاده و آقای دکتر صفری. آقای دکتر بخشی‏ زاده تأثیر این موضوع را روی مشتریان و خدمات بانکی و پرداخت را برای شما در حد فرصت کوتاهی که داریم بازگو می‏ کنند و آقای دکتر صفری هم به جنبه‌های اخلاقی و حقوقی این مسئله می‌پردازند. بنابراین ما یک تکه کوچکی از این مسئله را خراش می‌دهیم و به شما می‌گوییم مولد هوش مصنوعی که در اینجا مورد تاکید ماست آینده کار را چه در سطح فردی به ‏عنوان شاغل و چه در سطح انترپرایز به‏ عنوان بانک یا شرکت دیگر تحت تأثیر قرار خواهد داد و از سال ۲۰۲۳ به بعد در ایران و خارج از ایران بسیاری از شغل‏ ها دیگر به آن شکل قبلی برقرار نخواهد بود.

شهره طباطبایی: هوش مصنوعی چه شغل‏ هایی را از بین می ‏برد؟

خیلی خوشحالم که امروز فرصت شد در مورد یکی از مهم‌ترین اتفاقات دهه اخیر صحبت کنیم. من به سرعت می‌روم سراغ چیزی که در نهایت می‌خواهم بگویم. مطابق گزارش‌هایی که در منابع مختلف آمده که من یکی از آن ها را اینجا آورده‌ام، هوش مصنوعی تا سال ۲۰۳۰ حدود ۳۰۰ میلیون کار تمام وقت به ‏طور خاص مولد را از بین می‌برد و این عدد، بسیار تکان دهنده است. مقاله‌ای که به ‏طور مشترک توسط دانشگاه پنسیلوانیا و شرکت اوپن ای.آی تهیه شده، سعی می‌کند بگوید تأثیر این مدل‌های زبانی بزرگ که یکی از نمونه‌های مدل‌های جنریتیو هستند و با چت ‏جی.پی.تی که از روی مدل زبانی بزرگ جی.پی.تی ‏سه ‏ونیم ساخته و معرفی شدند، غیر از مدل‌های مولد دیگر، فقط همین مدل‌های زبانی ۱۰درصد از کار حدود ۸۰ درصد از نیروی کار آمریکا را تحت تأثیر قرار می‌دهند. منظور از تحت تأثیر قرار دادن این است که خیلی از شغل‌هایی که هم ‏اکنون وجود دارند، حتی اگر از بین نروند، کسانی که این شغل‌ها را انجام می‌دهند باید یاد بگیرند چه‏ طور با استفاده از مدل‌های زبانی بزرگ این شغل‌ها را انجام دهند که جلوتر این موضوع را باز می‌کنم. حدود ۱۹درصد هم بیش‌تر از ۵۰ درصد حوزه کاری آن ها تحت تأثیر قرار می‌گیرد. من اینجا دو نمودار آورده‌ام که این مسئله را کمی بهتر باز می‌کند. در نمودار بالاتر می‌گوید اصولاً اتوماسیون به معنای عام آن که هوش مصنوعی هم زیرمجموعه‌ای از آن است، دارد به مرور یک سری از شغل‌ها را از بین می‌برد، ولی در همین نمودار دارد میزان شغل‌هایی را هم نشان می‏دهد که فقط به دلیل هوش مصنوعی مولد حذف می‌شوند. نکته قابل توجه این است که نسبت شغل‌هایی که به واسطه هوش مصنوعی مولد حذف می‌شوند، از مجموع کل شغل‌هایی که به دلیل اتوماسیون حذف می‌شوند بالاتر می‌رود. یعنی این هوش مصنوعی مولد مسئولیت بیشتری در حذف مشاغل دارد. نمودار پایین هم نشان دهنده این است که چه شغل‌هایی اصولاً با همان مکانیزمی که خدمت شما عرض کردم تحت تأثیر قرار می‌گیرند. به ‏عنوان مثال در رشته پزشکی یا وکالت و یا خیلی حوزه‌های دیگر شاغلان باید بیاموزند که چگونه از مدل‌های مولد برای انجام شغل خود استفاده کنند، یعنی در ۱۰ سال آینده باید وکیل‌هایی داشته باشیم که بتوانند با مدل‌های مشاوره در وکالت، کار وکالت خود را انجام دهند.

وند تا هایلایت اینجا آورده‌ام که به نظر من مهم‏اند؛ یکی اینکه هوش مصنوعی مولد روی شغل افراد با تحصیلات بالا بیشتر تأثیر می‌گذارد. نیروی کار بدون مدرک دانشگاهی به ‏طور متوسط حدود ۲٫۷درصد تحت تأثیر این مدل‌های مولد قرار می‌گیرند، اما بین ۱۶ تا ۲۱درصد شغل‌های افرادی که دارای تحصیلات بالا هستند، تحت تأثیر قرار می‌گیرد. این از موارد تازه ‏ای است که اتوماسیون و دیجیتال شدن دارد نیروی کار متخصص را تحت تأثیر قرار می‌دهد، چون تا الان همیشه می‌دیدیم که کارهای دیگری حذف می‌شدند.

نکته دوم این است که هوش مصنوعی مولد روی تعداد بسیار زیادی شغل تأثیر می‏ گذارد، اما قسمت مثبتی هم دارد و آن این است که بنابر پیش‌بینی یکی از این گزارش‌ها که البته در اغلب گزارش‌ها خیلی مختصر آمده، ولی چون اینجا یک عدد مشخص ۶۹ میلیون شغل را مطرح کرده است، می‌توان گفت هوش مصنوعی مولد در برخی جاها هم شغل‌های جدیدی ایجاد می‌کند. یکی از این شغل‌های جدید که شغل خیلی جالبی هم هست و کمتر از یک سال است این شغل ایجاد شده، شغل پرامت‏ نویسی برای مدل‌های زبانی بزرگ است. حتی اندرو ان.جی یک کورس دانشگاهی با موضوع پرامت ‏نویسی برای مدل‌های زبانی بزرگ گذاشته است. آن اوایل که جی.پی.تی ‏سه ‏ونیم آمده بود، بوکلت‌هایی منتشر می‌شد که چگونه پرامتی برای چت‏ جی.پی.تی بنویسیم که بتوانیم آن را به متخصص مورد نظرمان تبدیل کنیم. این کار روز به روز گسترده‌تر شد و از حالت بوکلت و کتابچه به کورس دانشگاهی تبدیل شد که چگونه پرامت اینجینیر شویم. در حقیقت مهندسی پرامت اینجا معرفی شده که این شغل هم احتمالاً خیلی زود از بین می‌رود، به این دلیل که مدل‌های زبانی و چت ‏بات‌هایی ارائه می‌شوند که تخصص آن ها پرامت ‏نویسی است. من خیلی سریع شغل‌هایی را که بیشتر در معرض خطرند های لایت می‌کنم؛ اول کدنویسی است، مدل‌های تخصصی تولید کد آن‏قدر خوب در همه حوزه‌های هوش مصنوعی مولد دارند عمل می‌کنند؛ هم در کار تولید کد، هم دیباک کردن، هم داکیومنت نوشتن، هم تبدیل دو زبان که این شغل زود تحت تأثیر قرار می‏ گیرد. حتی همین الان که ما اینجا هستیم، برنامه‌‏نویسان ایرانی هم دارند از این مدل‌های زبانی استفاده می‌کنند. پس ما به زودی دیگر به شغل کدنویس مبتدی و متوسط نیاز نخواهیم داشت. من اینجا آماری آورده‌ام که بسیار تکان دهنده است. این آمار نشان می‌دهد به منی که دارد می‌آید، در سیلیکون ولی شروع شده، تعداد افرادی که شرکت‌های آی.تی فقط در سال گذشته اخراج کرده‌اند آن‏قدر زیاد است که بازار کار آی.تی و هوش مصنوعی کانادا را به‏طور مستقیم تحت تأثیر قرار داده است. خیلی از دوستان من که در آمریکا و کانادا هستند می‌گویند که در کانادا فرصت‌های شغلی هوش مصنوعی برای کسانی که قبلاً در شرکت‌های بزرگ کار نکرده‌اند، بسیار سخت شده است. برای اینکه نیروی کار اخراج شده از سیلیکون ولی در بازارهای اطراف آن سرازیر شده و خیلی زود این به من به ما هم می‌رسد. من می‌خواهم توجه شما را به بخش ‏های دیگر این آمار جلب کنم؛ آمازون ۱۸ هزار نفر را اخراج کرده است، گوگل ۱۲ هزار نفر، مایکروسافت ۱۰ هزار نفر و بقیه شرکت‌ها هم تعداد قابل توجهی از نیروهای خود را تعدیل کرده‌اند که البته همه آن به دلیل هوش مصنوعی مولد نیست و به‏ طور کلی اتوماسیون روی همه آن ها تأثیر گذاشته است و این اعداد تکان دهنده هستند.

شغل دومی که از بین خواهد رفت تولید محتواست. همین الان اگر سایت‌های جاب ینجا و جاب ویژن را نگاه کنید، سال گذشته یکی از بیشترین حوزه‌های شغلی آن ها تولید محتوا بوده است. تعداد کسانی که مشغول نوشتن، ترجمه، یا تولید عکس، ویدیو، پرزنتیشن و دیگر مدل‌های مولدی هستند که در حال حاضر در همه قسمت‌ها دارند این کار را انجام می‌دهند، آن‏قدر زیاد است که طبق آمار، شش ماه گذشته به ‏طور متوسط ماهی هزار استارتاپ جدید با استفاده از مدل‌های مولد جدید ساخته می‌شد که یا داشتند ویدیو تولید می‌کردند یا عکس را تبدیل به ویدیو می‌کردند یا ترجمه می‌کردند یا به ‏طور کلی متن تولید می‌کردند. پس این شغل تولید محتوا هم به زودی با درصد بالایی از بین خواهد رفت.

بخش دیگری که هوش مصنوعی خیلی جدی وارد آن شده هم مدل‌های مولد هم مدل‌های کلاسیکی که مبتنی بر شبکه‌های عصبی عمیق هم شامل آن می‌شود که الان می‌توان به آن ها کلاسیک گفت و حتی در حوزه بانکی با یک جستجوی ساده می‌بینیم تقریباً در تمام حوزه‌های بانکی الان مدل‌هایی داریم که کاملاً یک مدل هوش مصنوعی هستند یا در بخشی از هسته کاری که انجام می‌دهند از هوش مصنوعی استفاده کرده‌اند. باز می‌بینیم که هوش مصنوعی مولد، به ‏طور مشخص آن شغل‌هایی را در بانک ‏ها که تحت تأثیر هوش مصنوعی مولد تغییر خواهند کرد هم، قبل از همه هدف خواهد گرفت. از مجموعه آن ها می‌توانیم به مسئله چت‏ بات‌ها و دستیارهای هوشمند اشاره کنیم که به ‏نظر می‌رسد به ‏زودی ما چیزی به اسم هلپ‏ دسک لازم نخواهیم داشت. انتظار بیش از اندازه پشت تلفن‌ها برای پاسخگویی لازم نداریم. به این دلیل که چت‏ بات‌ها و دستیارهای هوشمند خیلی زود می‌آیند و این کارها را خیلی بهتر از انسان‌ها انجام می‌دهند. حوزه دیگر حوزه مشاوره است و هر جایی که اصولاً با تولید متن، حتی متن‌های تخصصی در ارتباط باشد.

سعی کردم شغل‌هایی را مرور کنم که در حال حاضر در بخش‌های مختلف حوزه بانکداری وجود دارند؛ شغل‌های موجود در شعبه یا ستاد پشتیبان و شغل‌هایی که به‏ طور مشخص در حوزه آی.تی و پشتیبانی بانک‌ها وجود دارد. شغل‌هایی که یک مقدار آن ها را هایلایت کردم، آن هایی هستند که می‌توانند سریع‌تر تحت تأثیر مدل‌های هوش مصنوعی مولد یا کلاً از بین بروند یا تعداد نیروی کاری که در این شغل‌ها به کار گرفته می‏ شوند، به طرز چشمگیری کاهش پیدا کند. اول خدمات مشتریان است به معنی گروه‌هایی که در حال حاضر به شکل تلفنی یا به شکل آنلاین پشتیبانی می‌کنند که خیلی زود این شغل‌ها حذف خواهد شد. شغل‌هایی که کمی پیچیده‌ترند، ولی کار آن ها تحت تأثیر قرار می‌گیرد؛ مانند موارد مربوط به کُر بنکینگ و نرم ‏افزارهای مربوط به موبایل بنکینگ و اینترنت بنکینگ، اینها سخت تحت تأثیر تعدیل نیرو قرار خواهند گرفت. به این صورت که اگر بخشی از این کارها را قبلاً تیم‌های ۱۵ و ۲۰ نفره انجام می‌دادند، کم‏کم با یک تیم ۲ نفره هم می‌شود همان کار را انجام داد و حتی سرعت تولید نرم‏افزار خیلی بالاتر خواهد رفت. بخش‌های اعتبارسنجی، مبارزه با پولشویی، تطبیق ضوابط و مقررات که همین الان هم تحت تأثیر قرار گرفته، چون مدل‌های هوش مصنوعی کلاسیک‌تر اول در این حوزه‌ها کار خود را شروع کرده‌اند. خیلی ممنون از توجهی که کردید.

محمدعلی بخشی‌زاده: کاربردهای کلان هوش مصنوعی کدامند؟

من سعی می‌کنم در خصوص کاربردهای هوش مصنوعی مولد در صنعت بانکی و پرداخت که الان هم خیلی ترند است، و بیشتر راجع به یوزکیس‌ها صحبت کنم که کاربردی‌تر باشد. به وضعیت بانک‌های دنیا در استفاده از ابزارهای هوش مصنوعی، کاربردهای کلان هوش مصنوعی و همچنین خدمات هوش مصنوعی مولد در صنعت بانک و پرداخت اشاره خواهم کرد و در نهایت ان‌شاءالله به جمع‏ بندی خواهم رسید. در حال حاضر تخمین زده می‌شود که بیش از ۵۰ درصد شرکت‌هایی که در صنعت مالی هستند از خدمات هوش مصنوعی مولد استفاده می‌کنند. آقای دکتر ناصری عزیز به تاریخچه هوش مصنوعی اشاره کردند و من سعی می‌کنم از آن عبور کنم، ولی در مجموع الان در نقطه‌ای هستیم که نقطه بلوغ هوش مصنوعی است. اینکه ما از هوش مصنوعی مولد صحبت می‌کنیم، یعنی اینکه ابزارهایی که به‏ تدریج از زمان تولد هوش مصنوعی تا الان با آن مواجهیم به دوره بلوغ و شکوفایی رسیده است و به‏ صورت عملی داریم از این ابزارها استفاده می‌کنیم. اگر بخواهیم به اهمیت هوش مصنوعی در صنعت بانکداری اشاره کنیم، براساس یوزکیس‌های موجود به گزارش بیزینس اینسایدر استناد می‌کنیم. براساس این گزارش تخمین زده می‌شود استفاده از ابزارهای هوش مصنوعی مولد در صنعت بانکی در مجموع تا پایان سال ۲۰۲۳، حدود ۴۴۷ میلیارد دلار صرفه‌جویی ایجاد خواهد کرد. به نوعی در ارائه خانم دکتر طباطبایی به این موضوع اشاره شده بود. همچنان که اشاره کردم، بیش از ۵۰ درصد شرکت‌ها الان از این خدمات استفاده می‌کنند، باز طبق گزارشی که اکسنچر منتشر کرده است تخمین زده می‌شود که هوش مصنوعی در صنعت بانکداری هزینه‌ها را کاهش بدهد. شرکت دیتا  وایزر ادعا می‌کند که ۳۰ درصد تراکنش‌های تقلبی را با دقتی تقریباً در حدود ۹۰ درصد دارد شناسایی می‌کند. دی لود هم گزارشی منتشر کرد که الان ۸۰ درصد بانک‌ها از مزایای بالقوه استفاده از ابزارهای هوش مصنوعی آگاهند و به این سمت حرکت کرده‌اند. در مطالعه‌ای که مکنزی دو سال است روی این حوزه انجام می‌دهد نشان می‌دهد که ایجنت ‏ها و ربات‌های هوش مصنوعی می‌توانند جایگزین ۳۰ درصد از نیروهای انسانی یعنی سرمایه انسانیِ فعلیِ صنعت بشوند.

اگر بخواهیم به ترندها اشاره کنیم، ترندهایی که الان برای هوش مصنوعی وجود دارد استفاده از داده برای شخصی‏ سازی، سیستم‌های پشتیبانی ۷×۲۴ است که در حال حاضر از این ظرفیت‌ها استفاده می‌شود و یکپارچه ‏سازی هوش مصنوعی برای امنیت سایبری مطرح است. یعنی الان در حوزه امنیت سایبری یکی از ابزارهای مهمی که نمی‌شود از آن فرار کرد، ابزارهای هوش مصنوعی است. البته کاربردهای هوش مصنوعی در پردازش زبان طبیعی را هم باید اضافه کرد.

در زمینه کاربردهای کلان هوش مصنوعی، در مورد سیستم‌های خبره، چت ‏بات‌ها و مشاوره‌های رباتیک را داریم یا در بخش گفتار، از قابلیت تبدیل گفتار به متن و متن به گفتار الان خیلی استفاده می‌شود. در حوزه ماشین لرنینگ، بحث دیپ لرنینگ یا تحلیل پیش‏بینانه خیلی اهمیت پیدا کرده است. همچنین در زمینه برنامه‌ریزی، زمان‌بندی و بهینه‌سازی منابع و در بخش پردازش زبان طبیعی، ترجمه و طبقه‌بندی و پوشه‌بندی و استخراج اطلاعات مواردی است که از این ظرفیت استفاده می‌شود. در بحث بینایی هم که ما همچنان از آن استفاده می‌کنیم، بحث تشخیص تصویر و بینایی ماشین است که همین الان صنعت از آن استفاده می‌کند.

اگر قدری وارد جزییات بشویم و با کیس استادی و یوزکیس بخواهیم راجع به آن صحبت کنیم، یکی از کاربردهای اصلی هوش مصنوعی مولد، در حال حاضر بخش کشف تقلب و فراد دیتکشن است. نمونه موردی آن جی.پی.مورگان با همکاری کارنیکا راه حلی مبتنی بر هوش مصنوعی در صنعت بیمه ارائه کرده است که در نتیجه ۲۰ درصد زمان پردازش را کاهش داده و همچنین ۲۵درصد پرفورمنس را افزایش داده است، نهایتا این دو کنار یکدیگر به کاهش ۳۶ درصدی صرفه‌جویی در هزینه‌ها منتج شده است. کاربرد دومی که راجع به آن صحبت می‌کنیم بحث امتیاز اعتباری است. در بحث امتیاز اعتباری مدل‌هایی که ماشین لرنینگ برای ریسک وام‌دهنده‌های خود در کنار نئو بانک سوفی قرار گرفته و این مدل‌های اعتباری کمک کرده که کاربران سوفی از سه‌میلیون به شش‌میلیون کاربر ارتقا پیدا کرده‌اند و همه نتایجی بوده که استفاده از ظرفیت هوش مصنوعی به دنبال داشته است.

کست بات‌ها و دستیارهای مجازی از دیگر کاربردهای هوش مصنوعی در صنعت بانکداری است که همین الان هم خیلی از بانک‌ها به سمت آن حرکت می‌کنند. بانک آف.آمریکا چت ‏باتی را توسعه داده که مشتری در صورتی که عادت رفتاری خود را در هزینه‌ها تغییر دهد، بلافاصله به او هشدار و آلارم می‌دهد و به او می‌گوید شما دارید عادت رفتاری خود را در هزینه‌ها تغییر می‌دهید، اگر مشتری بخواهد همان مسیر را ادامه دهد که هیچ وگرنه براساس الگوریتم‌ها، راه حل‌هایی پیش ‌روی او قرار می‌دهد.

کاربرد چهارمی که به آن اشاره می‌کنم بحث مهم مدیریت ریسک است. خیلی از برنامه‌ریزی‌های ما در بحث مدیریت ریسک در بانک‌های سنتی همه منجر به این می ‏شد که یک سری از محورها را بررسی کنیم که مثلاً بانکی با محوریت مالی چه ‏طور ریسک بازار، شهرت و… را بتواند کنترل و مدیریت کند. ولی الان استفاده از ابزارهای هوش مصنوعی در سنجش و ارزیابی ریسک، اتفاق بسیار مهمی است که چایم از این ظرفیت استفاده کرد. متناسب با همین اگر نگاه کنیم نئو بانک استرالیا شینجا از این ظرفیت استفاده نکرد و در سال۲۰۲۰ مشکلات ناشی از عدم توجه به مدیریت ریسک به شکست آن منتج شد.

کاربرد پنجم خدمات بانکی شخصی‌سازی شده است، الان یکی از بحث‌های خیلی مهم بحث شخصی‌سازی پروفایل مشتریان است، یعنی الان دیگر به مشتری بانک، صرفاً به ‏عنوان یک مشتری که سرمایه‌ای در بانک ما دارد نگاه نمی‌کنیم. همه بانک‌ها به این سمت می‌روند که مشتری یک دارایی ارزشمند است که ما باید بتوانیم آن را مدیریت کنیم. یعنی تمام تراکنش‌های مالی مشتری از وقتی که وارد بانک ما می‌شود تا زمانی که در این بانک سفرهای مشتری اتفاق خواهد افتاد، اهمیت دارد. لذا باز اینجا یوزکیسی که به آن اشاره شده فارگو آمده با استفاده از این ابزار تراکنش‌های مشکوک را شناسایی می‌کند و در بحث‌های بودجه‌بندی به کمک بانک‌ها می‌آید و نهایتاً اثر خود را در وفاداری مشتری نشان می‌دهد.

کاربرد ششم کاربردی است که در بحث‌های تجارت الگوریتمی از آن استفاده می‌کنیم. یکی از مباحث مهمی که اشاره کردم بحث‌های مهم پیش‏بینی حرکات سهام است. زمانی که صحبت از کاستومر جرنی می‌کنیم یعنی می‌خواهیم سفر مشتری را مدیریت کنیم، ناچاریم از این ابزارها استفاده کنیم. الان یکی از بحث‌ها این است که ما به مشتری نگاه اکوسیستمی داشته باشیم، یعنی صرفاً مشتری بانک نیست. تقریباً تمام بانک‌ها تبدیل به گروه‌های مالی شده‌اند که ابزارهای جانبی را کنار خود دارند، یعنی الان بانکی نیست که صنعت بیمه، لیزینگ، کارگزاری را نداشته باشد یا از این ظرفیت‌ها برای مشتریان خود استفاده نکند. لذا استفاده از تجارت خودکار از ابزارهای مهمی است که می‌شود به آن اشاره کرد. اینکه من به مشتری براساس این ظرفیت الگوریتمی آفر بدهم، خودبه‌خود بتواند خرید و فروش سهام انجام دهد و ترید کند از بحث‌های بسیار بااهمیت است.

نهایتاً کاربرد هفتمی که در صنعت بانک به آن اشاره می ‏کنم، بحث مشاوره ربو است. باز هم اینجا سوفی از این ظرفیت استفاده کرد و به مشتریان خود از طریق ظرفیت‌های هوش مصنوعی مولد این خدمات را ارائه کرد. یعنی در حوزه سرمایه‌گذاری این امکان را به مشتریان خود داد که برای استفاده از ظرفیت‌های مالی به او پیشنهاد بدهند و بتوانند سفر خود را در بانک مدیریت کنند. اگر بخواهیم بگوییم الان در دنیا وضعیت بانک‌ها به چه شکل است و چه استفاده‌ای می‌کنند، باید بگوییم یکی از استفاده‌های دیگر، بحث اسمارت کانترکت‌ها است. موضوعی که شاید الان مبتلابهِ همه بانک‌های ما است تعدد قراردادها در حوزه‌های مختلف صنعت بانکی است. از زمانی که مشتری وارد شعبه شده تا مشتریان حقوقی بانک‌ها به نوعی در حوزه‌های مختلف می‌خواهند قرارداد امضا کنند. یعنی این حوزه حجم وسیعی از قراردادها را به خود اختصاص داده که نیازمند این است که بشود از این ابزارها استفاده کرد. جی.پی.مورگان از این ابزارها استفاده کرد، ۱۲ هزار توافق‏نامه یا قرارداد اعتباری را که باید حداقل نفری ۳۶۰ هزار ساعت برای اینها وقت گذاشته می‌شد، با استفاده از این ابزارها به چند ثانیه پردازش رساند و یکی از استفاده‌های عینی از خدمات هوش مصنوعی مولد را ارائه داد.

به اثر هوش مصنوعی مولد بر خدمات بانکی و پرداخت اشاره‏ای کلی کنیم و ببینیم در کدام حوزه‌ها می‌شود از آن استفاده کرد؟ یکی بحث امنیت سایبری است که در امنیت پرداخت بسیار اهمیت دارد و ابزارهای آن هم الان وجود دارد و دارند از آن استفاده می‌کنند. به بحث دستیارهای شخصی هم اشاره کردم. در حوزه برنامه ‏ریزی مالی هم که به یوز کیس‌های آن اشاره شد. از موضوع‏ های تجزیه و تحلیل دیتا، یوزراکسپرینس و بهبود تجربه مشتری هم باید نام برد. اینجا باید به نکته‌ای اشاره کنم، قبلاً صحبت می‌کردیم که بانک‌ها باید دیتا دریون شوند، یعنی باید به سمت بانکداری داده‏ محور برویم. الان بعد از اتفاقاتی که خصوصاً در یکی،دو سال گذشته افتاد، کانسپت جدید رفتن به سمت ای.آی.دریون شدن است، یعنی حرکت به سمت استفاده از ابزارهای هوش مصنوعی، چرا که استفاده از ابزارهای هوش مصنوعی نهایتاً دیتا دریون شدن را هم در برخواهد داشت که به کاربردهای آن هم اشاره کردیم. به سه کاربرد هم در صنعت پرداخت اشاره می‌کنم که البته این کاربردها به نوعی ترکیبی‏ اند، یعنی صنایع دیگر را هم تحت پوشش قرار می‌دهند. یکی بحث هزینه‌های پرداختی سفر است، صنعت گردشگری در کنار صنعت پرداخت می‌آید، یکی از اتفاقاتی که افتاده برکس از هوش مصنوعی استفاده می‌کند و هزینه کارمندان شرکت خود را مدیریت می‌کند تا بتوانند به سفر بروند. علاوه بر این، به جای نیروی کاری که نیاز داشته تا فرم‌هایی را پر کنند و خدماتی را در اختیار مشتریان قرار دهند، از این ابزارها استفاده کرده و به نوعی خدمات پی‌منت در کنار خدمات گردشگری توانسته یکی از ظرفیت‌های مهم را در این حوزه ایجاد کند.

کاربرد بعدی در صنعت پرداخت امکان استفاده از خدمات پرداخت در فضای ابری است. آمازون یکی از مجموعه‌هایی است که بسیار از این ظرفیت استفاده می‌کند. یک رمز ارزی را در حوزه پرداخت راه اندازی کرده که عملاً رقیب شرکت‌های بزرگی مثل آی.بی.ام و مایکروسافت شده و امکان پرداخت از راه دور را بسیار تسهیل کرده است. کاربرد سوم در صنعت پرداخت، استفاده از خدمات شخصی‌سازی با استفاده از چت‏ جی.پی.تی است. در سال گذشته چت‏ جی.پی.تی  عملاً انقلابی در صنعت به وجود آورده و مشخصاً اگر بخواهیم اشاره کنیم کلارنو از خود ابزار چت‏ جی.پی.تی استفاده می‌کند برای اینکه بتواند طیف وسیعی از خدمات بانکی فعلی خود را به مشتریان مدیریت کند و به این سمت رفته که مشتری من در صنعت در اکوسیستم بانکی نهایتاً می‌خواهد خرید کند، این خریدها چه ‏طور می‌تواند شخصی‌سازی شود؟ الان مثلاً اینجا اشاره کرده است که به فرض اگر مشتری می‌خواهد یک کفش خریداری کند، با استفاده از این ابزارها خود آن محصول را برای او شخصی‌سازی می‌کند و نهایتاً مشتری با تمام بینش و اتفاقاتی که برای او در اکوسیستم رقم می‌زنیم، انتخاب خود را انجام می‌دهد و از آن استفاده می‌کند.

اگر بخواهم صحبت‏ هایم را جمع‌بندی کنم باید به این اشاره کنم که ما الان در کشور خودمان در کجای این بازی قرار داریم؟ حالا آقای دکتر ناصری به من کمک کنند، من چند وقت پیش داشتم گزارشی می‌دیدم که کشور ما در استفاده از ابزارهای هوش مصنوعی در حال حاضر در رتبه ۷۰ قرار دارد، ولی در دانش آن در شمار ۲۰ کشور دنیا هستیم که درخصوص تولید دانش در این حوزه بسیار کار کرده‌ایم و بحثی که داشتید که رهبری هم به این اشاره کردند که ما به این سمت حرکت کنیم، برای این بود که وقتی این دانش در کشور ما وجود دارد چرا از این ظرفیت استفاده نمی‌کنیم؟ الان در صنعت بانکی خیلی وقت هست که از این ابزارها در بحث احراز هویت مشتریان استفاده می‌کنیم. علاوه بر این کارهای بسیار خوبی در بحث رتبه‌های اعتباری مشتری انجام شده است. من دارم می‌بینم که کارهای پراکنده‌ای انجام می‌شود، ولی از همین فرصت استفاده کنم، خیلی از این اتفاقات به نظر من در صنعت بانکی نمی‌تواند فقط برای یک بانک خاص بیفتد، ما زمانی برنده خواهیم بود که از این ظرفیت‌ها در کل اکوسیستم استفاده کنیم. یک مقدار به یکدیگر اعتماد کنیم و قبول داشته باشیم که مشتریان بانک‌ها هم می‌توانند سیف بمانند و هم می‌توانند از این ابزارها استفاده کنند. لذا به نظر می‌رسد اشاراتی که کردم و یوز کیس‌هایی که به ‏عنوان نمونه به آن ها اشاره کردم، ظرفیت‌هایی است که در دنیا از آن ها استفاده می‌شود و حرکت به سمت این ابزارها حرکت‌هایی است که ما ناگزیریم به سمت آن حرکت کنیم و به آن بپیوندیم. نهایتاً می‌خواستم به این اشاره کنم که در حال حاضر مردم ما به بانکداری نیاز دارند و به بانک نیاز ندارند. اینکه ما یک بانک ۲۰۰۰ شعبه‌ای باشیم این دیگر مهم نیست،؛ مهم این است که من چه ‏طور می‌توانم با استفاده از تمام ظرفیت‌های تکنولوژی و ابزارهایی که خصوصاً هوش مصنوعی مولد ایجاد می‌کند، بتوانم مشتری خودم را در این اکوسیستم که شاید از مهم‌ترین حوزه‌هایی است که باید حواس ما به آن جمع باشد مدیریت کنم. ممنون از محبت شما.

دکتر صفری: چالش‏ ها؛ از پیاده ‏سازی تا پس از پیاده ‏سازی

دوستان راجع به هوش مصنوعی مولد و کاربردهای آن سخن گفتند و فضا را در ابرها بردند، حالا خوب است به زمین بیاییم و ببینیم در کشور خودمان برای پیاده‌سازی آن چه کار باید بکنیم؟ من عرایضم را در دو بخش چالش‌ها و پیش‌نیازها و جنبه‌های اخلاقی و حقوقی عرض می‌کنم. ابتدا با پیش‌نیازهای توسعه هوش مصنوعی مولد در خدمت شما هستم. اولین لازمه و پیش‌نیاز پیاده‌سازی هوش مصنوعی مولد ورودی و داده‌های قوی است. موضوع داده‌های قوی و ضعیف در زبان برنامه‌‏نویسی مطرح است که پایتون را مقایسه می‌کنم. موضوع دیتا و داده بسیار بسیار مهم است، چون اگر ما داده‌ مناسب در اختیار نداشته باشیم نتایج و تحلیل‌های حاصل از آن پروسسی که هوش مصنوعی انجام می‌دهد اشتباه خواهد بود و ما را در تصمیم‌گیری دچار اشتباه می‌کند. نکته بعدی توان محاسباتی و زیرساخت‌های مورد نیاز برای انجام این کار است. مستحضرید که امروز در صنعت، شما برای تهیه زیرساخت‌های با توان پردازشی بالا با چه مصائبی درگیرید، از تحریم و تخصیص ارز و آمدن و نصب و راه‌اندازی و پشتیبانی و غیره. ما در زمینه سخت‌افزار و زیرساخت هم دچار چالشیم، همچنین توسعه الگوریتم‌ها که آقای دکتر بخشی‏زاده به‏عنوان یکی از کاربردهای هوش مصنوعی مولد به آن اشاره کردند که بحث معاملات الگوریتمی در بورس است.

موضوع بعدی لزوم پرورش و نگه‏داشت نیروی متخصص است. شما می‌دانید که امروز موضوع مهاجرت نخبگان دیگر مطرح نیست، موضوع مهاجرت نیروی کار مطرح است و با توجه به نیازی که در دنیا مطرح است به ‏شدت نخبگان خودمان را در حوزه فناوری اطلاعات از دست می‌دهیم و دچار پدیده مهاجرت نیروی کار هستیم. مشکلات خیلی زیادی هم داریم، ما که دولتی هستیم کمی بیشتر و خصوصی‌ها کمی کمتر، ولی آن ها هم دچار آن هستند. مثل قانونی که در بودجه تحت عنوان سقف حقوق مطرح است. سقف حقوق چه ‏قدر است؟ یک نفر به من گفت چه ‏قدر حقوق می‌گیری؟ گفتم در سامانه شفافیت اسم مرا بزنید، حقوق من هست. در قانون بودجه سال ۱۴۰۲ سقف حقوق ۵۵ میلیون تومان تعیین شده بود. می‏ گویند امسال دارند آن را درست می‌کنند، چه قدر می‌شود؟ در پیش‏نویس فکر می‌کنم ۶۵ میلیون تومان بود. یعنی در یک سازمان دولتی مدیرعامل و بالاترین فرد چه ‏قدر باید حقوق بگیرد؟ چه‏ طور می‌خواهید یک کارشناس هوش مصنوعی و متخصص را در این حوزه نگه دارید؟

قانون بعدی قانون منع مداخله کارکنان دولت است. اگر در بخش دولتی مشغول به کار شدید، با همین دستمزد اندکی که عرض کردم، طبق قانون منع مداخله کارکنان دولت، هیچ جایی اجازه ندارید عضو هیئت مدیره یا مشاور باشید یا کار دیگری داشته باشید، این قانون جلوی شما را می‌گیرد. موضوع دیگر، رگولاتوری و تعیین مقررات است. اینجا ایران است؛ سرزمین رگولاتوری و نظارت‌های پسینی. سه،چهار سال همه کار می‌کنند و نئو بانک راه می‌اندازند، یک‏دفعه یک دستورالعمل می‌آید که استپ، همه برگردید. همه شروع می‌کنیم لندتک راه می‌اندازیم و با هم رقابت می‌کنیم، تبلیغ می‌کنیم که لندتک این‏طور است با نرخ‌های ۴۰، ۵۰، ۶۰، ۷۰ و باز یک‏دفعه یک دستورالعمل می‌آید. حتماً در حوزه هوش مصنوعی هم رگولاتورها در آینده کاری می‌کنند.

یک خاطره بگویم، اخیراً در ماموریتی به خارج از کشور رفته بودیم، وقتی برگشتیم در فرودگاه با حکم جلب ما را گرفتند. گفتیم که اشتباه شده، گفتند که یک سالی در یک جایی، یک نفری در اینترنت‏ بانک چیزی را انتقال داده و دعوای ارث و میراث به وجود آمده، مدیر آی.تی آن بانک چه کسی بوده، باید او را بگیریم. بنابراین یکی از چالش‌ها یا پیش‌نیازهایی که به آن نیاز داریم، موضوع رگولاتوری است. امیدواریم در حوزه هوش مصنوعی با توجه به اینکه مقام معظم رهبری هم هدف‌گذاری کردند که در شمار ۱۰ کشور برتر باشیم، حداقل در این یک مورد بتوانیم خوب حرکت کنیم. بخش‌های دیگری هم هست. من فقط عنوان‌ها را عرض می‌کنم؛ تامین حقوق تولید کنندگان محتوا و موضوع کپی رایت، تدوین قوانین و مقررات که در قانون برنامه هفتم مرکز پژوهش‌های مجلس دارد بخشی را برای هوش مصنوعی پیش‌بینی می‌کند، آقای دکتر ناصری هم فرمودند نهادسازی‌هایی هم دارد اتفاق می‌افتد، موضوع امنیت و محرمانگی داده‌هاست که واقعاً این موضوع خیلی ظرافت دارد، آقای دکتر لطفی معاونت مسکن فرمودند که اگر دیتا دات.او.آر.جی را بزنید دیتاهای آمریکا هست، ولی موضوع محرمانگی هم هست که تا یک حدی باید حرکت کنیم. موضوع بعدی سیاست‌گذاری کشور در خصوص استفاده از ای.پی.های موجود یا ال.ال.ام بومی است. دو نوع چالش داریم، یک سری چالش برای پیاده‌سازی داریم و یک سری چالش پس از پیاده‌سازی.

یک مزاحی بکنم. یکی می‌گفت اینجا آزادی بیان هست، آزادی پس از بیان نیست، این چالش‌ها هم همین‌‌طورند. یک سری چالش در مسیر پیاده‌سازی داریم که عناوین آن را ملاحظه می‌فرمایید که مهم‌ترین آن ها چالش‌های اقتصادی است که خانم دکتر به آن اشاره فرمودند. بالاخره یک سری از مشاغل از بین خواهند رفت. چالش‌های اجتماعی دارد، چالش‌های سیاسی و اخلاقی که باید به آن ها پرداخته شود. من عناوین دسته بعدی چالش‌ها را خیلی سریع بخوانم، کیفیت نتایج براساس داده‌های ورودی است. عرض کردم اگر داده‌ها قابل اتکا نباشند، نتایج خروجی هم قابل اتکا نخواهند بود. اختلال در کسب‏ وکارهای فعلی که خانم دکتر توضیح دادند. پیچیدگی و چالش‌های فنی، شامل منابع سخت ‏افزاری توسعه الگوریتم‌ها و نیروی انسانی که خدمت شما عرض کردم. تغییر نظام آموزشی چالش دیگری است که واقعاً باید برای تربیت و آماده‌سازی نیروی انسانی در مواجهه با به منی که دارد می‌آید، در نظام‌های آموزشی تغییراتی ایجاد شود. قوانین، مقررات و نظارت و سر آخر هم هزینه‌هاست. می ‏دانید که در سازمان‌های ما تا بخواهیم کاری بکنیم سریع با این سد مواجه می‌‌شویم که هزینه چه ‏قدر است؟ اما چالش‌های ناشی از توسعه، کشورهایی که در این حوزه پیشرو هستند، بعد از توسعه هوش مصنوعی مولد با چالش‌هایی مواجه شدند که ما از الان باید به فکر آن چالش‌ها هم باشیم. عدم شفافیت، جانب‌داری، دقت، توهم، تعصب، تبعیض، مالکیت معنوی و حق نشر، امنیت سایبری و کلاه‏برداری، حریم خصوصی، سرقت ادبی، حق تولید کنندگان محتوا که یک نمونه از آن را دکتر ناصری فرمودند که در آمریکا اتفاق افتاده است، موضوع قابلیت اعتماد و اطمینان، تبلیغات پر سر و صدا، تأثیر و تغییر مشاغل و ایجاد مشاغل جدید، فقدان قدرت تحلیل کارآمد و پایداری. علاوه بر این باید به جنبه‌های حقوقی و اخلاقی این موضوع بپردازیم. هم‌سویی با ارزش‌های انسانی در آن دو بیانیه‌ای که عرض کردم در اتحادیه اروپا و چین به آن پرداخته شده، مشخصا به موضوع بخش‌های اخلاقی و حقوقی پرداخته شده که نمونه‌های چکیده‏ای از بیانیه‌های آن کشورها را اینجا خدمت شما آورده‌ام. هم‌سویی با ارزش‌های انسانی، تدوین مقررات قوانین و الزامات قانونی، تدوین چهارچوب‌ها و دستورالعمل‌های اخلاقی جامعه، تطبیق جوامع، خصوصاً جوامع با ارزش‌های انسانی بالا که شامل جوامع سنتی مثل ما خواهد شد، طبیعتاً همین الان هم با آن مواجه شده‏ایم و بیش از این هم مواجه خواهیم شد. موضوع دیگر توهم تصمیم‌گیری و نتیجه‌گیری است که با آن مواجهیم. اطمینان از دقت، انصاف، حریم خصوصی و مسئولیت حرفه‌ای قضات و وکلای استفاده کننده از تکنولوژی، و حفظ نیاز به نظارت و بررسی انسانی موضوع‏ های دیگر هستند. طبق بررسی‌هایی که کشورهای پیشرو انجام داده‌اند، به‏ هیچ عنوان در حوزه نظارت، عوامل انسانی برای بررسی حذف نخواهد شد و اتفاقاً در هوش مصنوعی بر این نظارت انسانی تاکید هم می‌شود. لزوم استفاده از تکنیک‌هایی مانند تست سوگیری، تجزیه و تحلیل حساسیت و ممیزی‌های منظم، مباحث مربوط به رگورلاتوری و تنظیم مقررات که عرض کردم، مخاطرات عدم امکان کنترل هوش مصنوعی، که مستحضرید کشورهای دیگر برای سرعت توسعه هوش مصنوعی، محدودیت‌هایی قائل شدند چون را برای عدم کنترل آن مخاطراتی متصور بودند. ممنون از توجه شما.

ما این مبحث را خراش کوچکی دادیم. یک نکته جالب بود درباره فرمایش آخر دکتر صفری می‌خواهم عرض کنم. در سال ۲۰۲۲ یک مهندس گوگل اعلام کرد که این مدل زبانی که من دارم با آن کار می‌کنم می‌فهمد که چه می‌گوید، سنتینت است. من وارد بحث مدل‌های زبانی و اینکه چگونه کار می‌کنند، نمی‌شوم. ولی این بحث مثل یک بمب منفجر شد، بسیاری مخالفت کردند که اینها چیست دارید می‌گویید، این اشتباه است، بگذارید کنار و…. گوگل به طرف گفت که حرفت را پس بگیر و او گفت نه و نتیجتاً اخراج شد. به فاصله شش ماه فیسبوک اعلام کرد برای این چت‏باتی که در فیسبوک گذاشته‌ایم محدودیت ‏هایی در نظر گرفته ‏ایم. مثلاً گفته‌ایم دروغ نگو، کارهای غیراخلاقی نکن، ملت را گمراه نکن. الان به شما می‌گویند که اگر از این سوال بکنید دروغ می‌گوید، حواستان باشد، این کشیده شده به این سمت که ملت را دست بیندازد، حرف‌های زشت بزند، به افراد توهین بکند. داریم پیش آگاهانه به شما می‌گوییم یا این چیز ما سنتینت یعنی آگاه است چه می‌گوید یا در آستانه آن است. این گذشت و در سال ۲۰۲۳ میلادی  چت‏جی.پی.تی آمد. در همین سال ۲۰۲۳ آقای سم آلتمن، چهره بسیار برجسته و مدیر عامل اوپن ای.آی، به کنگره آمریکا رفت و در معرض سوال و جواب قرار گرفت. اوپن ای.آی او را اخراج کرد. یک هفته طول کشید، او را برگرداندند و بعد تعدادی از اعضای هیئت مدیره را هم بیرون انداختند و این سوال مطرح شد که چرا او را اخراج کردند؟ او که اصلاً شاهکار کرده است؟ بعد رسیدند به اینکه یک برکترو در این مدل زبانی جی.پی.تی‏ چهار و نیم یا پنج رخ داده. آن برکترو این بوده که مدل زبانی اوپن ای.آی برای اولین بار در تاریخ توانسته بدون اینکه چیزی را دیده باشد یک مسئله ریاضی ساده را که تا به حال ندیده حل کند. این اصلاً یک چیز عجیب غریبی است که بالای سرمان است. یعنی تا به حال تمام اینها چیز‌هایی دیده‌اند و براساس اینکه دیده ‏ا‌ند با شما صحبت می‌کنند، ولی حالا اتفاقی افتاده است که آن سنتینسی و آن آگاهی رخ داده است.

خاطرنشان می شود که محتوای این نشست به همراه ۱۵ نشست دیگر برگزار شده در نهمین نمایشگاه تراکنش ایران، به زودی در قالب کتاب”گفتگوی متخصصان” تدوین و در اختیار علاقمندان قرار می‌گیرد.

نهمین نمایشگاه تراکنش ایران به مدت ۳ روز، از ۱۸ تا ۲۰ دی‌ماه ۱۴۰۲ برگزار شد. این دوره با استقبال حدود ۱۲ هزار نفر از مدیران، متخصصان و فعالان فناوری های مالی، ۱۷ نشست تخصصی،۶۰ کارگاه معرفی محصول، دهها نشست‌ گفتگوی B2B، با حدود ۱۰۰ سخنرانی و با همراهی ۲۰۰ عضو کمیته علمی و داوری و ۳ جشنواره تخصصی و ..، میزبان اکوسیستم صنایع مالی، بانکی، پرداخت و فناوری بود.

گفتنی است، دهمین رویداد تراکنش ایران با موضوع محوری “آینده با هوش است” دی ماه ۱۴۰۳ با برنامه های متنوع و مختلفی میزبان اکوسیستم صنایع مالی، بانکی، پرداخت و فناوری ایران و سایر کشورها خواهد بود.

گزارش تصویری نشست تخصصی “هوش مصنوعی، ریزش و رویش مشاغل“

تیزر نشست تخصصی “هوش مصنوعی، ریزش و رویش مشاغل“

IMG_5575

گزارش تصویری از تراکنش نهم ایران