საერთაშორისო ანგარიშსწორების ბანკის (BIS) ბოლო მოხსენებაში, ცენტრალური ბანკები მთელ მსოფლიოში გაფრთხილებულნი არიან იმ თანდაყოლილი რისკების შესახებ, რომლებიც დაკავშირებულია მათ მზარდ დამოკიდებულებასთან ხელოვნური ინტელექტის (AI) ინსტრუმენტებზე. ეს ცხრაგვერდიანი მოხსენება სახელწოდებით „ხელოვნური ინტელექტი ცენტრალურ ბანკში“ ნათელს ჰფენს გამოყენების შემთხვევებს და პოტენციურ ხარვეზებს მათ ოპერაციებში დიდი ენობრივი მოდელების (LLMs) ინტეგრირებისას.
ცენტრალური ბანკები, რომლებიც ხშირად ითვლებიან AI ტექნოლოგიის ადრეულ მიმღებებად, სულ უფრო ხშირად მიმართავენ ხელოვნური ინტელექტის მოდელებს სხვადასხვა მიზნებისთვის. ხელოვნური ინტელექტის ამ მოდელებმა მნიშვნელოვანი როლი ითამაშა ინფორმაციის შეგროვებისა და დამუშავების ტრანსფორმაციაში, რამაც მრავალი ტრადიციული ადამიანის ძალისხმევა თითქმის მოძველებულად აქცია. ხელოვნური ინტელექტის მოდელები ახლა გამოიყენება მონაცემთა შერჩევის, გაწმენდისა და შესატყვისისთვის, რაც ეხმარება ცენტრალურ ბანკებს თავიანთი ოპერაციების გამარტივებაში დადასტურებული მანქანათმცოდნეობის ტექნიკით.
AI-ის ერთ-ერთი მნიშვნელოვანი გამოყენება ცენტრალურ ბანკში არის ინფორმირებული გადაწყვეტილებების მიღება მონეტარული პოლიტიკის შესახებ. ნერვული ქსელების და შემთხვევითი ტყის მოდელების გამოყენებით, ცენტრალური ბანკები იღებენ წვდომას რეალურ დროში არსებულ მონაცემებზე ინფლაციური მოლოდინების შესაფასებლად და მათი მონეტარული პოლიტიკის ეფექტურობის შესაფასებლად. ეს მონაცემები მიღებულია არა მხოლოდ ტრადიციული ფინანსური არხებიდან, არამედ სოციალური მედიის პლატფორმებზე არსებული ინფორმაციის ფართო სპექტრიდან.
მსხვილი მონაცემებიდან ინფორმაციის მოპოვება
როგორც მოხსენებაში ხაზგასმულია, უზარმაზარი მოცულობის მონაცემების მოძიება შეიძლება იყოს შრომატევადი და რთული, რაც AI-ს მოდელებს ფასდაუდებელს ხდის შესაბამისი ინფორმაციის ეფექტურად მოპოვებაში. ცენტრალური ბანკები იყენებენ ენობრივ მოდელებს რთული ფინანსური ანგარიშების შეჯამებისთვის, ეკონომიკური ტენდენციების თვალყურის დევნებისთვის და ბიზნეს ლიდერებთან და ბაზრის ექსპერტებთან ინტერვიუების ინტერპრეტაციისთვის. უფრო მეტიც, ცენტრალური ბანკის ენის ამ მოდელებმა (CB-LMs) გამოავლინეს მონეტარული პოლიტიკის განცხადებებზე ბაზრის რეაქციების პროგნოზირების უნარი.
ხელოვნური ინტელექტის სისტემებმა ასევე დაამტკიცეს თავიანთი ცოდნა გადახდის სისტემების ზედამხედველობისა და ზედამხედველობის სფეროში. ისინი გამოირჩევიან არარეგულარული ფინანსური ტრანზაქციების იდენტიფიცირებით, რაც გადამწყვეტი ფაქტორია ფულის გათეთრების წინააღმდეგ ბრძოლისა და კიბერშეტევების თავიდან ასაცილებლად. მაგალითად, ბრაზილიის ცენტრალურმა ბანკმა ახლახან წარადგინა ADAM, კლასიფიკაციის მოდელი, რომელიც შექმნილია მსესხებლების პროგნოზირებისთვის, რომლებიც სავარაუდოდ დაასრულებენ სესხებს, რაც აძლიერებს მათ შესაძლებლობას შეარბილონ ფინანსური რისკები.
ტრადიციული აპლიკაციების მიღმა, ცენტრალური ბანკები ასევე მიმართავენ AI სისტემებს, რათა წინასწარ განსაზღვრონ მომხმარებელთა ქცევა ცენტრალური ბანკის ციფრული ვალუტების (CBDCs) დანერგვისა და სხვა ფინანსური მოვლენების საპასუხოდ. ეს პროგნოზირებადი მოდელები უზრუნველყოფენ ღირებულ შეხედულებებს პოლიტიკის შემქმნელებისთვის, რათა წინასწარ განსაზღვრონ ბაზრის რეაქციები და შესაბამისად ადაპტირდნენ.
AI ინტეგრაციის გამოწვევები და რისკები
მიუხედავად იმისა, რომ AI ინტეგრაციის სარგებელი აშკარაა, ანგარიში ხაზს უსვამს გამოწვევებსა და რისკებს, რომლებსაც ცენტრალური ბანკები აწყდებიან. ერთ-ერთი მთავარი საზრუნავი არის მიკერძოებული შედეგების პოტენციალი, რომელიც გამომდინარეობს AI მოდელების მომზადებისთვის გამოყენებული მონაცემებიდან. გარდა ამისა, გენერაციული ხელოვნური ინტელექტის მოდელები, თუმცა მძლავრი, მოითხოვს ადამიანის ფხიზლად ზედამხედველობას, რათა შემცირდეს შეცდომებისა და უზუსტობების ალბათობა.
მოკლევადიან პერსპექტივაში, ცენტრალურმა ბანკებმა უნდა განახორციელონ ინვესტიციები პერსონალის აღჭურვაში ხელოვნური ინტელექტის ახალი უნარების კომპლექტით, რათა AI სისტემები ეფექტურად გააერთიანონ თავიანთ სამუშაო პროცესებში. თუმცა, ისინი, სავარაუდოდ, შეხვდებიან მკაცრ კონკურენციას კერძო ფინანსური ფირმების მხრიდან მოწინავე ხელოვნური ინტელექტის მქონე თანამშრომლების დაქირავებისას. სახელფასო სხვაობა საჯარო დაწესებულებებსა და კერძო სექტორს შორის კიდევ უფრო ამძაფრებს ამ კონკურენციას.
წყარო: https://www.cryptopolitan.com/central-banks-warned-of-risks-in-ai-tools/