به نقل از «قدس آنلاین»

آثار هوش مصنوعی بر اقتصاد/ از پیش‌بینی تورم تا کاهش نقش مخرب انسانی

تاریخ انتشار: ۲۰ تیر ۱۴۰۲ | کد خبر: ۳۸۱۹۱۳۰۳

به گزارش قدس آنلاین، با توجه به‌پتانسیل بالای هوش مصنوعی انتظار می‌رود در آینده از هوش مصنوعی در حوزه مالی و بودجه‌ریزی کشورکه اکنون با چالش‌هایی مواجه است استفاده شود.

پیش‌بینی روند بازار، تحلیل داده‌های مالی، مدیریت ریسک، مدیریت مالیات و بهینه سازی بودجه از جمله حوزه‌های هستند که هوش می‌تواند در بهبود فرآینده‌های مالی و توسعه‌ای نقش آفرین باشد.

بیشتر بخوانید: اخباری که در وبسایت منتشر نمی‌شوند!

در واقع هوش مصنوعی با تحلیل داده‌های مربوط به‌ریسک، مالیات و سایر داده‌ها می‌تواند به دولت کمک کند تا تصمیمات بهتری اخذ کند.

این‌ها بخشی از سخنانی بودند که در نشست تخصصی«چالش‌ها و توصیه‌های سیاستی فناوری اطلاعات، ارتباطات و امنیت فضای مجازی» درخصوص نقش هوش مصنوعی در توسعه نظام مالی و بودجه‌ریزی مطرح شد که گزارش کامل این نشست را در ادامه می‌خوانید.

استفاده از هوش مصنوعی برای پیش بینی تورم آینده
سارا بوربور، رئیس مرکز فناوری اطلاعات، ارتباطات و امنیت فضای مجازی سازمان برنامه و بودجه کشور در بخش ابتدایی این نشست، ابراز کرد: همان‌گونه که مشخص است باب هوش مصنوعی در کشور باز شده که باید آن را به‌فال نیک گیریم، چراکه عاملی در مسیر توسعه می‌شود.

وی با طرح این پرسش که چه زمانی می‌توانیم از هوش مصنوعی استفاده کنیم و آیا با هوش مصنوعی می‌توان کل مشکلات را حل کرد، گفت: هوش مصنوعی را در زمینه تحلیل داده به چند دسته تقسیم می‌کنیم؛ این هوش از روابط بین داده‌ها استفاده و یک الگویی از این داده‌ها ایجاد می‌کند تا بتواند تحلیل‌های مختلف به شما ارائه کند، بنابراین هوش مصنوعی قرار نیست جایگزین همه کارها ما ‌شود.  

رئیس مرکز فناوری اطلاعات، ارتباطات و امنیت فضای مجازی سازمان برنامه و بودجه کشور ادامه داد: چنانچه مجموعه‌ای از داده‌ها را داشته باشیم، می‌توانیم با شناخت الگوی روابط بین آنان، برای پیش‌بینی آینده از آنان بهره ببریم. فرض کنید می‌خواهیم میزان تورم را پیش‌بینی کنیم برای این کار باید یک سری عوامل تاثیرگذار و اطلاعات را به هوش مصنوعی بدهیم تا این هوش تورم آینده را پیش‌بینی کند.

پیش بینی میزان خشکسالی و کم آبی با استفاده از هوش مصنوعی
بوربور با بیان اینکه بنابراین یکی از کابردهای هوش مصنوعی شناخت الگو برای پیش‌بینی آینده است، تصریح کرد: یکی دیگر از دسته‌بندی‌هایی که می‌توانیم از هوش مصنوعی انتظار داشته باشیم این است که یک سری عوامل تاثیرگذار مشترک را تعریف و از روی آن، داده‌ها را دسته بندی می‌کنیم و ناهنجاری‌ها را تشخیص می‌دهیم.

وی پردازش متن را یکی دیگر از کاربردهای هوش مصنوعی خواند و خاطرنشان کرد: یکی از فصول اصلی که بودجه کشور را به‌خود اختصاص می‌دهد فصول کم آبی است که چنانچه بتوانیم از قبل پیش‌بینی داشته باشیم که در سال آینده چه میزان خشکسالی خواهیم داشت، بهتر می‌توانیم بودجه‌ریزی انجام دهیم.

رئیس مرکز فناوری اطلاعات، ارتباطات و امنیت فضای مجازی سازمان برنامه و بودجه کشور اضافه کرد: به‌صورت کلی هوش مصنوعی، فناوری‌ای نیست که بتواند تمام کارهای انسانی را با دقت صددرصد انجام دهد؛ اما ابزار مناسبی است که داده‌های تکراری را با دقت بالا برای شما شبیه سازی و پیش‌بینی می‌کند.

هوش مصنوعی می‌تواند سلیقه‌های شخصی را در مورد تخصیص ارز حذف کند 
در ادامه این نشست علی ملکی، صاحب نظر حوزه سرمایه‌گذاری و مالی بین‌الملل به اثرات مهم هوش مصنوعی در تخصیص ارز پرداخت و گفت: هوش مصنوعی می‌تواند سلیقه‌های شخصی را حذف کند. هم اینک به‌اعتراف ذی نفعان، این سلیقه‌ها در تخصیص ارز بسیار تاثیرگذار هستند، از سوی دیگر کارگزاری‌ها، واسطه‌ها، متقاضیان و عرضه کنندگان ارزی و فرایندهای موجود بین این بازیگران می‌تواند مورد توجه باشد و ابزار هوش مصنوعی می‌تواند این ربات پیچیده را رمزگشایی و مشکل تخصیص ارز را تا حدود زیادی رفع کند.

وی کشف و احراز تقلب، یادگیری ماشین، بهینه سازی زمان، هزینه و شیوه تخصیص ارز، تحلیل کلان داده‌های ایجاد شده در گذشته و حال و مدل سازی، حذف سلیقه‌های انسانی در زنجیره تخصیص ارز و ارزیابی و اعتبارسنجی بازیگران زنجیره تخصیص ارز را از جمله نقش‌های هوش مصنوعی برشمرد.

ملکی ادامه داد: همچنین الگوریتم‌های هوش مصنوعی می‌تواند تا حد زیادی از حفره‌های  موجود در ساختار ارزی کشور جلوگیری کند. از طرف دیگر این سامانه‌ها می‌تواند پدیده «خالی فروشی» در بازار تخصیص  ارز را از بین ببرد. صاحب نظر حوزه سرمایه‌گذاری و مالی بین‌الملل با تاکید بر اینکه هوش مصنوعی با حذف عامل انسانی می‌تواند، بخش زیادی از مشکلات عرضه ارز در کشور را رفع کند، بیان کرد: تحلیل کلان داده‌های ایجاد شده در گذشته و حال به‌مدل سازی این داده‌ها می‌انجامد، همچنین ارزیابی و اعتبار سنجی بازیگران زنجیره تخصیص ارز می‌تواند با استفاده از هوش مصنوعی در ارز صورت پذیرد.

هوش مصنوعی پاسخی برای حل مسائل پیچیده
در بخش دیگری از این نشست علی رئوفی، صاحب نظر حوزه مالی و هوش مصنوعی؛ هوش مصنوعی را یک فناوری قدرتمند و انعطاف پذیر می‌داند که پیشرفت بسیاری از صنایع کوچک و بزرگ را به‌ارمغان می‌آورد.

وی یادآور شد: هوش مصنوعی علم جدیدی نیست و از سال‌های گذشته این علم وجود داشته و دانشمندان آن را توسعه داده‌اند آنچه که بحث را داغ کرده به خاطر دیتاهای بیشتری است که امروز دراختیار داریم؛ اما واقعیت این است که لزومی ندارد هرجایی از هوش مصنوعی استفاده کنیم، چراکه هوش مصنوعی برای پاسخ به‌مسائل پیچیده و برطرف کردن آنان است.

رئوفی تاکید کرد: هوش مصنوعی برای حل مسائل پیچیده‌ای مورد استفاده قرار می‌گیرد که با روش‌های سنتی قابل حل شدن نیستند. هوش مصنوعی با تجزیه و تحلیل داده‌های دردسترس، تمامی پاسخ‌های موجود را بررسی کرده و در نهایت ما را به‌بهترین راه حل رهنمون می¬کند، همچنین هوش مصنوعی می‌تواند با بهره‌گیری از قدرت یادگیری، توانایی‌های خود را به‌مرور زمان بهبود ببخشد.

این صاحب نظر حوزه مالی و هوش مصنوعی در ادامه هوش مصنوعی را یکی از مهمترین تحولاتی دانست که تمامی شئون سیاسی، اقتصادی، امنیتی و فرهنگی را تحت تاثیر قرار می‌دهد و گفت: کشورهای مختلف، سرمایه‌گذاری‌های ویژه‌ای برای توسعه هوش مصنوعی در سیاستگذاری‌های مدیریتی، اقتصادی و اجتماعی داشته‌اند.

هوش مصنوعی پاسخی برای حل ابرچالشهای اقتصاد ایران
وی با بیان اینکه استفاده از هوش مصنوعی یک فرصت منحصر به فرد برای ایران است تا بتواند به‌ابرچالش‌های مهمی نظیر بحران آب، بحران در نهادهای مالی و اقتصادی مانند صندوق بازنشستگی و سیستم بانکیَ، بیکاری، خروج مستمر سرمایه انسانی، فساد اداری، بحران اعتیاد و غیره فائق آید، بیان کرد: در حال حاضر ایران جایگاه مناسبی در زمینه توسعه هوش مصنوعی در اقتصاد و کسب و کار در بین کشورهای جهان ندارد که باتوجه به‌ضرورت این موضوع برای حل ابرچالش‌ها باید جایگاه ویژه‌ای در برنامه‌های توسعه کشور برای آن در نظر گرفته شود.

رئوفی افزود: طبق پیش‌بینی‌های صورت گرفته توسعه کاربردهای هوش مصنوعی موجبات ‌رشد اقتصادی ۱۴ درصدی دنیا تا سال ۲۰۳۰ حدودا معادل ۱۵.۷ تریلیون دلار را فراهم خواهد کرد.

این صاحب نظر حوزه مالی و هوش مصنوعی در بخش دیگری از سخنان خود به‌سهم هر یک از کشورها باتوجه به‌میزان توسعه یافتگی آنان در این رابطه اشاره و ضمن متفاوت خواندن آن، گفت: این آمار متفاوت است به‌طوری که برای کشورهای پیشرو نظیر چین و آمریکا به‌تریب ۲۶ و ۱۴ درصد و برای کشورهای ضعیفی چون پاکستان و زامیبیا بین ۴ تا ۸۱ درصد خواهد بود.

وی سهم ایران در این رابطه را حدود پنج درصد خواند و افزایش بهره‌وری نیروی کار، افزایش بهره‌وری ناشی از خودکارسازی ناشی از کسب و کار و افزایش تقاضای مصرف¬کننده ناشی از دردسترس بودن محصولات و خدمات شخصی سازی شده و یا با کیفیت بالاتر توسط هوش مصنوعی را از جمله بخش‌هایی برشمرد که هوش مصنوعی می‌تواند از این طریق به ما کمک کند.

ایران رتبه ۷۵ دنیا در زمینه آمادگی و زیرساخت استفاده از هوش مصنوعی را داراست
رئوفی به جایگاه‌ کشورهای مختلف در زمینه آمادگی استفاده از هوش مصنوعی و بررسی زیرساخت‌های آن پرداخت و جایگاه ایران در دنیا را ۷۵ و در خاورمیانه و شمال آفریقا ۱۲، امارات را ۲، کویت ۶۹، عربستان ۳۹ و ترکیه را ۴۹ دانست.

وی به‌اقداماتی که به‌منظور توجه و توسعه هوش مصنوعی شده اشاره و ضمن اشاره به‌تنظیم سند چشم‌انداز توسعه هوش مصنوعی در ایران، بیان کرد: در بیانیه نهایی سند چشم انداز توسعه هوش مصنوعی در ایران  گفته شده که ایران در افق ۱۴۱۰ با بهره‌گیری از قابلیت‌های اخلاق مدار هوش مصنوعی، با تکیه بر توانمندی‌های داخلی و متخصصان کارامد  و خلاق، در بین ۱۰ کشور اول جهان در حوزه هوش مصنوعی قرار خواهد گرفت که این اتفاق منجر به‌افزایش رشد اقتصادی و رفاه اجتماعی خواهد شد.

این صاحب نظر حوزه مالی و هوش مصنوعی؛ سهم ۱۲ درصدی هوش مصنوعی در تولید ناخالص ملی در افق ۱۴۱۰، سرمایه‌گذاری ۸ میلیارد دلاری در هوش مصنوعی در این سال، دستیابی به‌نرخ اشتغال ۱.۸ درصدی در حوزه‌های مرتبط با هوش مصنوعی، استفاده حداکثری از هوش مصنوعی در حل ابرچالش‌های کشور، ایجاد حداقل ۱۰۰۰ شرکت با حداقل درآمد سالانه ۱.۵ میلیون دلار و ۱۰ شرکت بزرگ با حداقل درآمد سالانه ۵۰ میلیون دلاری را از اهداف کلان توسعه هوش مصنوعی براساس سند چشم انداز هوش مصنوعی در کشور دانست.

رئوفی همچنین در پایان اولویت‌های یک تا نهم به‌کارگیری هوش مصنوعی را به‌ترتیب اقتصاد و خدمات مالی، مسائل زیست محیطی، مسائل اجتماعی، کشاورزی، سلامت، حمل و نقل و مدیریت شهری، آموزش، انرژی و صنعت و معدن و تجارت دانست.
هوش مصنوعی، بهبود مدیریت ریسک را درپی دارد

در بخش پایانی این نشست هم وحید صیامی، صاحب نظر حوزه فین‌تک به‌ارائه سخنان خود در رابطه با تاثیر فناوری هوش مصنوعی بر نظام پولی و بانکی، گفت: فناوری هوش مصنوعی برای نخستین بار در سال ۱۹۵۵ به‌عنوان شاخه‌ای از علوم کامپیوتر مطرح شد که تمرکز آن بر ماشین‌های هوشمند است؛ ماشین‌هایی که بتوانند قابلیت شناختی ذهن انسان نظیر یادگیری و حل مسئله را تقلید کند.

وی ادامه داد: کاربردهای مختلفی از هوش مصنوعی و یادگیری ماشینی در صنایع مالی را تاکنون شاهد بوده‌ایم و بی‌شک این کاربردها افزایش خواهند یافت. در سطح کلان توسعه کاربری‌های هوش مصنوعی در صنایع مالی باعث افزایش کارایی عملیات و بهبود مدیریت ریسک می‌شود. تصمیم گیری برای تخصیص اعتبارات فعالیت در بازارهای متشکل سرمایه و بدهی مدیریت بیمه‌نامه‌ها و تعامل با مشتری از جمله زمینه‌های مهم و مستعد برای تخریب خلاقانه شدن توسط کاربردهای هوش مصنوعی هستند. صیامی ضمن بیان اینکه کاربردهای هوش مصنوعی می‌تواند منتج به این شود که اشکال جدید و بی‌سابقه‌ای از ارتباط متقابل میان بازارهای مالی و نهادها ایجاد شود، به عنوان یک نمونه می‌توان از استفاده نهادهای مختلف از منابع اطلاعاتی نام برد که تا پیش از این چنین منابعی نامربوط دانسته می‌شدند.

این صاحب نظر حوزه فین‌تک اضافه کرد: در واقع استفاده از دیتاها و کلان داده‌ها به‌منظور استفاده بنگاه‌های اقتصادی هدف اصلی هوش مصنوعی در عرصه اقتصاد است، بنابراین خروجی نهایی این ابزار در حوزه اقتصاد وجود ربات‌هایی است که مشاوره اقتصادی به بنگاه‌ها را انجام می‌دهند و در بازارهای سرمایه مورد استفاده قرار می‌گیرد.
 

منبع: قدس آنلاین

کلیدواژه: هوش مصنوعی اقتصاد تورم ارتباطات و امنیت فضای مجازی استفاده از هوش مصنوعی کاربردهای هوش مصنوعی هوش مصنوعی می تواند توسعه هوش مصنوعی صاحب نظر حوزه هوش مصنوعی هوش مصنوعی فناوری اطلاعات هوش مصنوعی هوش مصنوعی هوش مصنوعی سرمایه گذاری بودجه کشور تحلیل داده تخصیص ارز سلیقه ها پیش بینی داده ها برای حل

درخواست حذف خبر:

«خبربان» یک خبرخوان هوشمند و خودکار است و این خبر را به‌طور اتوماتیک از وبسایت www.qudsonline.ir دریافت کرده‌است، لذا منبع این خبر، وبسایت «قدس آنلاین» بوده و سایت «خبربان» مسئولیتی در قبال محتوای آن ندارد. چنانچه درخواست حذف این خبر را دارید، کد ۳۸۱۹۱۳۰۳ را به همراه موضوع به شماره ۱۰۰۰۱۵۷۰ پیامک فرمایید. لطفاً در صورتی‌که در مورد این خبر، نظر یا سئوالی دارید، با منبع خبر (اینجا) ارتباط برقرار نمایید.

با استناد به ماده ۷۴ قانون تجارت الکترونیک مصوب ۱۳۸۲/۱۰/۱۷ مجلس شورای اسلامی و با عنایت به اینکه سایت «خبربان» مصداق بستر مبادلات الکترونیکی متنی، صوتی و تصویر است، مسئولیت نقض حقوق تصریح شده مولفان در قانون فوق از قبیل تکثیر، اجرا و توزیع و یا هر گونه محتوی خلاف قوانین کشور ایران بر عهده منبع خبر و کاربران است.

خبر بعدی:

پیش بینی آریتمی قلبی با هوش مصنوعی

همشهری آنلاین – آرش نهاوندی: حدود ۵۹ میلیون نفر در سراسر جهان به فیبریلاسیون دهلیزی (AFib) در سال ۲۰۱۹ مبتلا بودند، که آن را به رایج‌ترین نوع آریتمی قلبی تبدیل می‌کند که به عنوان ضربان قلب نامنظم نیز شناخته می‌شود. در حالی که فیبریلاسیون دهلیزی معمولا تهدید کننده زندگی نیست، یک وضعیت جدی است که ممکن است خطر مرگ و میر افراد را در اثر بیماری های قلبی و عروقی مانند سکته مغزی، حمله قلبی، و نارسایی قلبی افزایش دهد.

افراد مبتلا به فیبریلاسیون دهلیزی همچنین ممکن است شانس بیشتری برای ابتلا به بیماری‌هایی مانند زوال عقل و بیماری‌های گوارشی و کبدی داشته باشند.هرچه زودتر این بیماری در یک فرد تشخیص داده شود، ممکن است نتیجه بهتری داشته باشد.

برای کمک به ارائه مداخلات اولیه برای فیبریلاسیون دهلیزی، دانشمندان دانشگاه لوکزامبورگ روشی را برای پیش‌بینی آریتمی قلبی حدود ۳۰ دقیقه قبل از وقوع با استفاده از هوش مصنوعی ایجاد کردند.

برای این مطالعه، محققان یک مدل هوش مصنوعی به نام WARN (Warning of Atrial fibRillation) برای کمک به پیش‌بینی فیبریلاسیون دهلیزی توسعه دادند.

خورخه گونسالوس، استاد مرکز دانشگاه لوکزامبورگ برای سیستم‌های زیست‌پزشکی و سرپرست نویسنده این تحقیق، گفت: WARN شامل یک مدل یادگیری عمیق است که بخش‌های کوتاه ۳۰ ثانیه‌ای از ضربان قلب را وارد می‌کند و احتمال تغییر قریب‌الوقوع در ضربان قلب را به صورت خروجی ارائه می‌دهد. هر چه این احتمال تغییربیشتر باشد، شانس تبدیل به فیبریلاسیون دهلیزی (یکی از شایع ترین انواع آریتمی) بیشتر است. این کار هر ۱۵ ثانیه تکرار می شود. گونسالوس گفت: وقتی این احتمال از یک آستانه خاص عبور می‌کند، یک هشدار می‌دهد.

سیستم WARN روی داده‌های الکتروکاردیوگرام که طی ۲۴ ساعت ضبط شده و از طریق دستگاه‌های هولتر (مچ بندی که از هوش مصنوعی استفاده می‌کند) که توسط ۳۵۰ نفر در بیمارستان «تونگجی» در ووهان، چین استفاده می‌شد، آزمایش شده است.گونسالوس گفت: هوش مصنوعی هنگام جستجوی الگوها در مجموعه داده‌های بزرگ، عملکردی باورنکردنی را از خود نشان داده است.

هنگام آزمایش مدل WARN، گونسالوس و تیمش دریافتند که این مدل می‌تواند انتقال از ریتم طبیعی قلب به فیبریلاسیون دهلیزی را با هشدار متوسط ۳۰ دقیقه قبل از شروع با دقت ۸۰ درصد پیش بینی کند.

گونسالوس توضیح داد: این یافته‌ها تعجب آور نیست زیرا برخی از بیماران در واقع می‌توانند چند ثانیه تا چند دقیقه قبل از آن احساس کنند که قلب آن‌ها کمی می‌پرد یا دچار آریتمی می‌شود.

البته آن‌ها واقعا نمی‌توانند دقیقا این احساس را توصیف کنند، اما اگر بتوانند آن را احساس کنند، یک دستگاه باید بتواند این «احساس» را تشخیص دهد. و در واقع، ما شاهد تغییرات جزئی در پویایی ضربان قلب قبل از شروع فیبریلاسیون دهلیزی هستیم.

این متخصص ادامه داد: از سوی دیگر، جای تعجب است که ما می‌توانیم با استناد به مدلی که قبلا از ۲۸۰ بیمار به دست آمده فیبریلاسیون دهلیزی (شایع ترین نوع آریتمی) را از ۳۰ دقیقه قبل تشخیص دهیم.

بیشتر بخوانید:

تشخیص بیماری شایع قلبی با قابلیت جدید اپل واچ | این ویژگی می‌تواند جان کاربران را نجات دهد وقتی قلبتان به تپش می‌افتد کد خبر 848773 منبع: همشهری آنلاین برچسب‌ها سلامت خبر مهم بیماری - قلبی قلب هوش‌ مصنوعی پزشکی