سیاست هوشمندانه
هوش مصنوعی به چه کار بانک‌های مرکزی می‌آید؟
چگونه می‌توان چهارچوبی طراحی کرد که همزمان از فرصت‌های هوش مصنوعی در صنعت مالی بهره ببرد و در عین حال، مخاطرات آن برای امنیت، عدالت و ثبات مالی را به‌طور موثر مدیریت کند؟
هوش مصنوعی (AI) به یکی از کلیدی‌ترین فناوری‌های عصر حاضر تبدیل شده است؛ فناوری که نه‌تنها وعده تغییرات اساسی در نحوه انجام کارها را داده، بلکه به‌طور فزاینده‌ای در حال بازتعریف ساختارها و فرآیندهای اقتصادی، اجتماعی و مالی است. این تحول چنان گسترده است که برخی آن را با انقلاب صنعتی مقایسه می‌کنند. همان‌گونه که موتور بخار، برق و اینترنت تحولات عظیمی در تاریخ بشر رقم زدند، AI نیز امروز در آستانه دگرگون کردن بنیادهای تصمیم‌گیری، تولید، مدیریت منابع و تعامل انسان‌ها با داده و فناوری قرار دارد. همان‌طور که فرصت‌های هوش مصنوعی فراوان است، چالش‌ها و نگرانی‌های ناشی از آن نیز کم نیستند. استفاده از AI می‌تواند به‌اشتباه باعث تصمیم‌گیری‌هایی شود که تبعیض‌آمیز یا ناعادلانه باشند. برای مثال، در صورتی که الگوریتمی برای ارزیابی اعتبار وام‌گیرندگان از داده‌های تاریخی مغرضانه استفاده کند، ممکن است گروه‌هایی خاص را به‌طور ناعادلانه رد یا قبول کند. استفاده گسترده از AI در تحلیل داده‌های شخصی، نگرانی‌هایی درباره حریم خصوصی و امنیت سایبری ایجاد کرده است. در عین حال، اگر این فناوری به‌درستی و با دقت کافی تنظیم و نظارت نشود، ممکن است به ابزاری برای تقلب یا سوءاستفاده تبدیل شود. در حوزه مالی، هوش مصنوعی به ابزار مهمی برای نوآوری، افزایش بهره‌وری، کاهش هزینه‌ها و بهبود خدمت‌رسانی تبدیل شده است. برای مثال، برخی بانک‌ها از مدل‌های یادگیری ماشین برای تحلیل تراکنش‌های مالی و شناسایی رفتارهای مشکوک استفاده می‌کنند که به کشف سریع‌تر موارد تقلب منجر می‌شود. همچنین، با استفاده از AI، بانک‌ها می‌توانند تحلیل دقیقی از توان بازپرداخت مشتریان ارائه دهند و به کسانی که دسترسی به اعتبار نداشته‌اند، فرصت دریافت وام بدهند. این کاربردها نشان می‌دهد اگر هوش مصنوعی درست مدیریت شود، می‌تواند به بهبود شمول مالی و افزایش عدالت اقتصادی کمک کند. با این حال، گسترش سریع AI نهادهای نظارتی را با چالش‌هایی اساسی مواجه کرده است. فناوری با سرعتی حرکت می‌کند که سیستم‌های نظارتی سنتی به‌سختی می‌توانند همگام با آن پیش بروند. بسیاری از نوآوری‌های AI خارج از چهارچوب‌های بانکی و در شرکت‌های فناوری یا استارت‌آپ‌ها شکل می‌گیرند، که تعامل آنها با سیستم مالی نیازمند تنظیم‌گری دقیق و هوشمندانه است. در چنین شرایطی، سیاست‌گذاران باید با نگاهی علمی و باز، فناوری را نه به‌عنوان تهدید، بلکه به‌عنوان فرصتی برای بهبود نظام مالی ببینند و تلاش کنند بین نیاز به نوآوری و ضرورت حفظ ثبات مالی تعادل برقرار کنند.
برای مواجهه با AI، نهادهای قانون‌گذار و نظارتی باید دو کار اساسی انجام دهند: نخست، سرمایه‌گذاری در یادگیری و تربیت نیروی متخصص که بتوانند این فناوری را به‌درستی درک و ارزیابی کنند؛ دوم، طراحی سیاست‌های انعطاف‌پذیر و مبتنی بر ریسک که بتواند به‌طور متناسب با ماهیت کاربردهای مختلف AI، شدت نظارت را تنظیم کند. برای مثال، شاید استفاده از AI در تحلیل داده‌های داخلی برای بهینه‌سازی فرآیندها به نظارت سبک‌تری نیاز داشته باشد، ولی اگر همین فناوری برای تصمیم‌گیری درباره صلاحیت اعتباری مشتریان به کار رود، باید با دقت، شفافیت و پاسخگویی بیشتری همراه باشد. در مجموع، هوش مصنوعی نه تهدید مطلق است و نه راه‌حل جادویی. این فناوری مانند هر ابزار قدرتمند دیگری، می‌تواند هم فرصت‌آفرین و هم خطرناک باشد. هنر ما در قرن بیست‌ویکم این است که بتوانیم با درک عمیق، سیاست‌گذاری هوشمندانه و نهادسازی درست، از فرصت‌های بی‌نظیر AI بهره ببریم و همزمان خطراتش را کاهش دهیم. این مسیر نیازمند همکاری میان دولت، بخش خصوصی، دانشگاه‌ها و جامعه مدنی است که آینده‌ای هوشمند، ایمن و انسانی برای هوش مصنوعی رقم زده شود.
مهم‌ترین فناوری
پاسخ کوتاه این است: بله، اما با دقت و آگاهی. هوش مصنوعی به یکی از مهم‌ترین فناوری‌های عصر ما تبدیل شده که می‌تواند زندگی، اقتصاد و ساختارهای اجتماعی را دگرگون کند. این تکنولوژی با سرعتی شگفت‌انگیز در حال پیشرفت است و در حال حاضر نیز در بسیاری از بخش‌ها، از جمله خدمات مالی، پزشکی، آموزش، حمل‌ونقل و حتی هنر، مورد استفاده قرار می‌گیرد. یکی از دلایل نیاز ما به هوش مصنوعی، توانایی آن در تحلیل حجم عظیمی از داده‌هاست. برای مثال، در بانک‌ها، الگوریتم‌های هوش مصنوعی می‌توانند الگوهای مشکوک در تراکنش‌ها را تشخیص دهند و از وقوع تقلب‌های مالی جلوگیری کنند. کاری که انسان‌ها به‌تنهایی نمی‌توانند با این دقت و سرعت انجام دهند. همچنین، در بخش سلامت، هوش مصنوعی در تشخیص بیماری‌ها مانند سرطان یا اختلالات عصبی نقش مهمی ایفا می‌کند. در آموزش، می‌توان از AI برای شخصی‌سازی روند یادگیری دانش‌آموزان استفاده کرد که هر فرد متناسب با نیازها و توانایی‌هایش آموزش ببیند. حتی در کشاورزی، با استفاده از هوش مصنوعی می‌توان زمان مناسب برداشت محصول، آبیاری دقیق و تشخیص بیماری‌های گیاهی را مدیریت کرد و بهره‌وری را افزایش داد. با این حال، هوش مصنوعی بدون ریسک نیست. ممکن است باعث بیکاری در برخی مشاغل شود، تبعیض در تصمیم‌گیری‌های خودکار ایجاد کند، یا مورد سوءاستفاده برای اهداف مخرب قرار گیرد. به همین دلیل، باید همزمان با توسعه AI، قوانین و چهارچوب‌های نظارتی مناسبی نیز طراحی شود. ما باید بتوانیم میان نوآوری و امنیت تعادل برقرار کنیم. مثلاً اگر بانکی از الگوریتم هوش مصنوعی برای ارزیابی اعتبار مشتریان استفاده می‌کند، باید مطمئن شویم که این الگوریتم منصفانه عمل می‌کند و تبعیضی علیه هیچ قشر خاصی ایجاد نمی‌کند. نیاز ما به هوش مصنوعی بیشتر از آن است که تصور می‌کنیم، این نیاز باید همراه با مسئولیت‌پذیری، نظارت و اخلاق باشد. همان‌طور که در گذشته با ورود برق، اینترنت یا انقلاب صنعتی، زندگی بشر متحول شد، اکنون نیز AI می‌تواند مرحله‌ای جدید از پیشرفت را آغاز کند، اگر آن را درست و مسئولانه به کار بگیریم.
ثبت پتنت
هوش مصنوعی (AI) یکی از تحولات بنیادینی است که نه‌تنها بر صنایع موجود اثر گذاشته، بلکه نحوه شکل‌گیری اختراع‌ها و نوآوری‌ها را نیز دگرگون کرده است. این فناوری در سال‌های گذشته به‌سرعت پیشرفت کرده و ابزارهایی فراهم آورده که باعث تسریع فرآیند تحقیق، توسعه و طراحی راه‌حل‌های جدید در حوزه‌های گوناگون شده است. تاثیر هوش مصنوعی بر اختراع‌ها، هم به‌عنوان ابزاری برای تسریع خلاقیت علمی عمل می‌کند و هم به‌عنوان بستری که خود زمینه‌ساز اختراع‌های جدید می‌شود. یکی از مهم‌ترین جنبه‌های اثرگذاری AI بر نوآوری، توانایی آن در تحلیل سریع و دقیق حجم عظیمی از داده‌هاست. پژوهشگران، مخترعان و شرکت‌های فناور می‌توانند با بهره‌گیری از الگوریتم‌های یادگیری ماشین، الگوهای پنهان در داده‌های آزمایشگاهی، داده‌های بازار یا داده‌های زیستی را کشف کنند. به‌طور مثال، در صنعت دارو، AI می‌تواند ترکیب‌های شیمیایی را شبیه‌سازی و بررسی کند که سریع به ترکیبات دارویی موثر دست یابد. همین مسئله باعث شده که مدت زمان توسعه داروها که قبلاً ممکن بود سال‌ها به طول انجامد، به طرز قابل توجهی کاهش یابد. هوش مصنوعی ابزارهایی فراهم کرده که فرآیند ایده‌پردازی و طراحی اولیه را به صورت خودکار انجام دهد. در صنعت هوافضا یا مهندسی مکانیک، AI می‌تواند هزاران طرح مختلف از یک قطعه یا سازه تولید و از طریق شبیه‌سازی دیجیتال، مناسب‌ترین گزینه را انتخاب کند. این فرآیند سنتی که نیاز به آزمون و خطای فراوان و هزینه‌بر داشت، اکنون به‌صورت مجازی و در زمان کمتر قابل انجام است.
هوش مصنوعی به‌عنوان موضوع مستقل، زمینه‌ساز اختراع‌ها و ثبت پتنت (ثبت اختراع)های بسیار شده است. بسیاری از شرکت‌های بزرگ فناوری همانند گوگل، مایکروسافت و آمازون در سال‌های گذشته هزاران اختراع ثبت کرده‌اند که به الگوریتم‌های هوش مصنوعی، ساختارهای شبکه‌های عصبی، یا کاربردهای خاص AI مربوط می‌شود. چین و آمریکا، رقابت شدیدی در حوزه مالکیت فکری مرتبط با هوش مصنوعی دارند و به دنبال رهبری در آینده این فناوری هستند. رشد سریع پتنت‌های مرتبط با AI نشان‌دهنده اثر عمیق این فناوری در تحریک فعالیت‌های نوآورانه است. هوش مصنوعی همچنین موانع سنتی نوآوری را کاهش می‌دهد. افراد یا شرکت‌هایی که به منابع تحقیقاتی یا تیم‌های بزرگ دسترسی ندارند، اکنون می‌توانند از ابزارهای متن‌باز هوش مصنوعی یا مدل‌های پیش‌آماده استفاده کنند که محصول‌های جدید بسازند یا خدمات نوآورانه ارائه دهند. دموکراتیزه شدن نوآوری به واسطه هوش مصنوعی، موجب شده استارت‌آپ‌ها و افراد مستقل هم بتوانند در رقابت با شرکت‌های بزرگ حضور موثر داشته باشند. به‌عبارت دیگر، AI اختراع‌ها را از انحصار شرکت‌های بزرگ خارج کرده و فضای رقابتی جدید ایجاد کرده است. به‌طور مثال، توسعه نرم‌افزار نیاز به دانش تخصصی در برنامه‌نویسی داشت، اما اکنون با کمک ابزارهای AI، حتی افرادی با دانش کم نیز می‌توانند با استفاده از پلت‌فرم‌های کم‌کد یا بدون کدنویسی، اپلیکیشن‌های قابل استفاده بسازند. همین ابزارها زمینه‌ساز اختراع‌های جدیدی در حوزه خدمات دیجیتال شده‌اند که پیشتر به سادگی قابل تحقق نبود. باید توجه داشت که استفاده از AI در فرآیند اختراع، چالش‌های حقوقی و اخلاقی جدید به همراه دارد. یکی از مهم‌ترین پرسش‌ها این است که اگر یک اختراع به‌طور کامل از طریق هوش مصنوعی تولید شود، چه کسی مالک آن خواهد بود؟ آیا می‌توان AI را به‌عنوان مخترع به رسمیت شناخت؟ پاسخ به این پرسش‌ها در بسیاری از نظام‌های حقوقی جهان روشن نیست. نگرانی‌هایی در مورد تبعیض، عدم شفافیت الگوریتم‌ها و خطر وابستگی بیش از حد به نظام‌های خودکار وجود دارد که می‌تواند مسیر نوآوری را از اهداف انسانی و اخلاقی دور کند.
در مرز نوآوری
هوش مصنوعی، با سرعت در حال ورود به بخش‌های مختلف نظام مالی است و بسیاری از بانک‌ها و موسسه‌های مالی از آن برای بهبود کارایی، کاهش هزینه‌ها و افزایش کیفیت خدمات استفاده می‌کنند. با این حال، توسعه سریع این فناوری چالش‌های مهمی برای نهادهای نظارتی و قانون‌گذاران ایجاد کرده است. اگرچه هوش مصنوعی در مرز نوآوری قرار دارد، اما به هیچ وجه خارج از چهارچوب‌های قانونی و نظارتی فعلی عمل نمی‌کند. استفاده از AI در سیستم‌های مالی باید همچنان با قوانین موجود از جمله قوانین مربوط به حفظ حریم خصوصی، امنیت سایبری، تبعیض در اعطای وام، ریسک‌های طرف سوم و حتی حقوق مالکیت معنوی سازگار باشد. این یعنی استفاده از هوش مصنوعی نه‌تنها نیازمند پذیرش فنی است، بلکه نیازمند درک عمیق حقوقی و نظارتی نیز هست.
با گسترش کاربردهای AI، نیاز به ایجاد سیاست مشخص و منطقی برای مواجهه با آن، بیش از پیش احساس می‌شود. نخستین گام در این مسیر، درک دقیق از خود فناوری است. ناظران نباید صرفاً از روی عنوان یا ظاهر فناوری قضاوت کنند، بلکه باید به لایه‌های عمیق‌تر آن، یعنی الگوریتم‌ها، داده‌های ورودی و خروجی و تاثیرات واقعی بر کاربران و مشتریان توجه کنند. این درک نیازمند پرورش نیروی انسانی متخصص در درون نهادهای نظارتی است. چالش اصلی اینجاست که همین نیروی انسانی متخصص در بازار خصوصی نیز پرتقاضا و کمیاب است و رقابت شدیدی میان بانک‌های مرکزی، نهادهای دولتی و شرکت‌های فناوری برای جذب این افراد وجود دارد. اگر قرار است سیاست‌گذاری در حوزه AI به‌روز، هوشمندانه و موثر باشد، باید سرمایه‌گذاری در آموزش و جذب این نیروها در اولویت قرار گیرد. دومین اصل مهم، پذیرش انعطاف‌پذیر فناوری است. نهادهای نظارتی باید پذیرای استفاده از AI باشند و در عین حال با شرکت‌های تحت نظارت در یک تعامل شفاف و باز قرار گیرند. سیاست‌گذاران نباید به‌طور افراطی روی خود فناوری تمرکز کنند بلکه باید به «کاربرد» آن توجه کنند. این دیدگاه که به آن «بی‌طرفی تکنولوژیک» گفته می‌شود، به ما کمک می‌کند به جای قضاوت کلی درباره AI، هر مورد استفاده را بر اساس ریسک‌های خاص بررسی کنیم. برخی کاربردهای AI ممکن است تاثیر کمی بر سیستم مالی داشته باشند، در حالی که برخی دیگر، مثل استفاده در تصمیم‌گیری برای اعطای وام یا تحلیل ریسک اعتباری، می‌توانند تبعات مهم و گاهی خطرناک داشته باشند. بنابراین باید شدت نظارت را براساس میزان ریسک، متغیر برای فعالیت‌های «کم‌ریسک»، «نظارت سبک‌تر» و «برای کاربردهای پرریسک»، «نظارت شدیدتر» تنظیم کرد.
متاسفانه گاهی نهادهای نظارتی دچار این اشتباه می‌شوند که همه کاربردهای AI را با یک چوب برانند و آنها را به یک اندازه خطرناک یا حساس در نظر بگیرند. این رویکرد باعث اتخاذ سیاست‌هایی می‌شود که می‌تواند نوآوری را سرکوب کند و مانع بهره‌برداری از مزایای واقعی AI در نظام مالی شود. به‌عنوان مثال، استفاده از هوش مصنوعی در تشخیص تقلب‌های مالی یا چک‌های جعلی، می‌تواند بسیار موثر و مفید باشد، درحالی‌که استفاده از آن در قضاوت درباره صلاحیت مشتریان برای دریافت تسهیلات، نیاز به نظارت دقیق‌تری دارد که از تبعیض یا خطای الگوریتمی جلوگیری شود.
برای شکل‌گیری سیاست‌گذاری هوشمندانه و موثر، نیاز به هماهنگی درون‌سازمانی و برون‌سازمانی نیز وجود دارد. یعنی نه‌تنها در داخل هر نهاد باید بخش‌های مختلف با هم در تعامل باشند، بلکه نهادهای نظارتی مختلف یک کشور نیز باید با هم هماهنگ باشند. حتی در سطح بین‌المللی هم این هماهنگی اهمیت دارد، چراکه کاربردهای AI در بازارهای مالی فرامرزی و جهانی است. بنابراین، نیاز به ایجاد یک ساختار مبتنی بر تبادل اطلاعات آزاد، شفاف و موثر میان بازیگران مختلف نظارتی وجود دارد.
یکی از مهم‌ترین ابزارهایی که در سیاست‌گذاری در این حوزه مطرح شده، تحلیل شکاف (Gap Analysis) است. اگر این شکاف‌ها شناسایی شوند، می‌توان قانون‌گذاری‌های هدفمند و خاصی انجام داد که از بروز خطرات یا سوءاستفاده‌ها جلوگیری شود. درعین‌حال نباید هر تغییر کوچکی در فناوری را با موجی از قانون‌گذاری پاسخ داد، چرا که این کار انعطاف سیستم را کاهش می‌دهد و سرعت رشد و نوآوری را کم می‌کند. باید به این نکته کلیدی توجه کرد که فناوری هوش مصنوعی ماهیتی متغیر، چندوجهی و رشد سریع دارد. چهارچوب‌های نظارتی و سیاستی باید به همان اندازه انعطاف‌پذیر، یادگیرنده و پویا باشند. نمی‌توان انتظار داشت یک سیاست ثابت برای تمام کاربردها و تمام زمان‌ها پاسخگو باشد. بلکه باید فضایی فراهم کرد که در آن هم امنیت و ثبات نظام مالی حفظ شود و هم مسیر برای رشد و استفاده هوشمندانه از فناوری باز بماند. اگر این تعادل برقرار نشود، یا با ریسک‌های جدی مواجه خواهیم شد یا فرصت‌های ارزشمندی را از دست خواهیم داد. راه‌حل، نه در منع مطلق و نه در آزادی بی‌حد، بلکه در سیاست‌گذاری آگاهانه، علمی و مبتنی بر فهم عمیق از فناوری نهفته است.
