هوش مصنوعی Artificial intelligence شاخه‌ای از علوم کامپیوتر است که در آن به ساخت ماشین‌هایی هوشمند پرداخته می‌شود که مانند انسان‌ها عمل می‌کنند و واکنش انجام می‌دهند.یک عامل هوشمند، سیستمی است که با شناخت محیط اطراف خود، شانس موفقیت خود را پس از تحلیل و بررسی افزایش می‌دهد. هوش مصنوعی در آینده‌ای نه چندان دور زندگی بیشنر انسان‌ها را تحت تاثیر قرار خواهد داد. بنا بر تحقیق معتبر دانشگاه آکسفورد که در سال ۲۰۱۳ انجام گرفته است؛ ۴۷ درصد از کل جایگاه‌های شغلی ایالات متحده در سال ۲۰۳۰ به شکل اتوماسیون و بدون حضور انسان انجام می‌گیرند. همچنین برنامه‌نویسان و مهندسان نرم‌افزار در ۲۰ سال آینده تنها ۸ درصد امکان اتوماسیون شغلشان وجود دارد. محققین براین باوراند که نهایتا مهندسان نرم‌افزار روزی با برنامه‌ای هوشمند جایگزین خواهند شد؛ برنامه ای که می‌تواند کدها را خود کپی کند، بنویسد و آنها را بهبود بخشد.
سطوح مختلف هوش مصنوعی
یک سیستم هوش مصنوعی بر اساس آن چه که از دنیای بیرون درک می‌کند و می‌تواند به آن پاسخ دهد، دارای سه سطح می‌باشد:
هوش مصنوعی محدود (artificial narrow intelligence)
در تاریخچه هوش مصنوعی ، هوش مصنوعی محدود بسیار زودتر از انواع دیگر هوش مصنوعی پدید آمده است. این روزها نمونه های هوش مصنوعی محدود زیاد است. برای مثال رایانه‌هایی که در بازی های پیچیده‌ای مانند شطرنج ، تصمیم گیری هوشمندانه در زمینه تجارت و در انواع دیگر کارهای مهم توانسته‌اند از بهتر عمل کنند
هوش مصنوعی عمومی (Artificial General Intelligence)
منظور از هوش مصنوعی عمومی ماشینی است که می‌تواند دنیای اطراف خود را همانند یک انسان درک کند و دارای ظرفیت و گنجایش مشابه برای انجام فعالیت‌ها و وظایفی است که یک انسان به طور معمول آنها را انجام می‌دهد. در حال حاضر هوش مصنوعی عمومی وجود ندارد اما رد پای آن را می‌توانیم در داستان های دارای ژانر عملی-تخیلی مشاهده کنیم. از نظر تئوری یک هوش مصنوعی عمومی می تواند هم سطح انسان فعالیت کند و یا حتی در زمینه‌هایی مانند حافظه و … ازاو بهتر عمل کند.
سوپر هوش مصنوعی
سوپر هوش مصنوعی در واقع عبارتی است که برای هوش مصنوعی استفاده می‌شود که سطح هوش و درک انسانی را پشت سر گذاشته و به نوعی دارای هوش فرا بشری خواهد شد. تا به حال هنوز هیچ جامعه‌ای نتوانسته به سوپر هوش مصنوعی دست پیدا کند.
هوش مصنوعی چه کاربردهایی دارد؟
هوش مصنوعی کاربرد وسیعی دارد و در حال حاضر در زمینه‌های متنوعی از آن استفاده می‌شود. در هر حوزه استفاده از هوش مصنوعی قادر است به افزایش سرعت در فرآیندها، انجام با دقت کارها و کاهش خطاها، آنالیز و تجزیه و تحلیل داده‌ها و کمک به تصمیم‌گیری، تشخیص رفتار و احساسات افراد و به طور کلی هوشمندانه کار کردن کمک می‌کند. برای نمونه می‌توان به کاربرد هوش مصنوعی در حوزه‌های زیر اشاره کرد:
هوش مصنوعی در حوزه اقتصاد
سیستم های هوش مصنوعی در برنامه های مالی شخصی، مانند Mint یا Turbo Tax، می توانند اطلاعات مالی شخصی هر فرد را جمع آوری کنند و به آن ها مشاوره مالی دهند. از برنامه های دیگر مانند IBM Watson حتی در روند خرید خانه نیز می توان استفاده کرد. امروزه نرم افزارها در وال استریت بخش عظیمی از معاملات را انجام می دهند.
کاربرد هوش مصنوعی در بازارهای مالی
به صورت کلی هوش مصنوعی می‌تواند در زمینه‌های زیر کاربرد داشته باشد:
بازارهای مالی از جمله حوزه‌هایی است که اخیرا هوش مصنوعی در آن راه پیدا کرده است و شرکت‌های بزرگ حوزه بازارهای سهام و ارز از این ابزار برای تجزیه و تحلیل داده‌ها از آن استفاده می‌کنند. سوالی که در اینجا مطرح می‌شود این است که هوش مصنوعی چگونه می‌تواند در بازارهای سرمایه مورد استفاده قرار بگیرد؟ وال‌استریت با استفاده از هوش مصنوعی و بخش‌ها و ابزارهای مهم آن مانند «یادگیری ماشین» (Machine Learning) و یادگیری عمیق (Deep Learning) می‌تواند میلیون‌ها داده‌ای را که در زمان واقعی اتفاق می‌افتد، تجمیع کند و بسیاری از همبستگی‌ها که با روش سنتی نمی‌توان به دست آورد، با استفاده از هوش مصنوعی به راحتی به دست می‌آیند.
هوش مصنوعی و صندوق‌های سرمایهگذاری
شرکت‌های بزرگ وال‌استریت همیشه در تلاش هستند تا بتوانند افرادی را از شرکت‌های گوگل، مایکروسافت، اپل و آی.بی.ام واتسون استخدام کنند تا به این شرکت‌ها کمک کنند که خوشه‌های عظیم هوش مصنوعی را برای استفاده از معامله و سرمایهگذاری ایجاد کنند.
در سال‌های گذشته تعداد بسیار کمی از صندوق‌های تامین سرمایه و نهادهای عظیم مالی از قبیل «گلدمن ساکس» از تکنولوژی هوش مصنوعی برای سرمایهگذاری و جمع‌آوری منابع کافی برخوردار بودند. حتی امروزه نیز این تکنولوژی در بین بسیاری از شرکت‌ها و نهادهای مالی نیز رایج نیست. شرکت «کاووت» به عنوان مثال یکی از شرکت‌هایی است که در این راستا و برای سرمایهگذاری از هوش مصنوعی استفاده می‌کند. روز به روز استفاده از این تکنولوژی در بازارهای سرمایه بیشتر و بیشتر می‌شود.
اخیرا یادگیری ماشین بیش از پیش چه در حوزه تحقیق و توسعه و چه در حوزه کاربردی در حال گسترش و تکامل بوده است. یادگیری عمیق یا سلسله‌مراتبی یک تکنولوژی جدیدی است که در تمامی حوزه‌ها رسوخ کرده و به مردم کمک می‌کند تا تعداد زیادی از منابع داده‌ها را مدیریت کنند و سپس از این طریق به الگوهای جدیدی دست می‌یابند که به آنها در برآورد معامله، تصمیمات سرمایهگذاری و تفکرات جدید برای ورود در بازارهای سرمایه کمک شایانی می‌کند. به همین دلیل است که اکنون بسیاری از شرکت‌های بزرگ در حال سرمایهگذاری روی هوش مصنوعی هستند تا بتوانند عملکرد موفقی در بازارهای سرمایه داشته باشند.
هوش مصنوعی و تجزیه تحلیل سهام
اکنون هزاران سهام برای انتخاب در بازار سرمایه وجود دارد و تجزیه و تحلیل آنها بسیار کار دشوار و البته ترسناکی است، اما با استفاده از هوش مصنوعی می‌توان در مدت زمان بسیار کوتاهی داده‌ها را جمع‌آوری کرد، به تمامی اخبار مربوط به سهام در شبکه‌های اجتماعی و وبلاگ‌ها توجه کرد و هزاران سهم را در یک بازه زمانی واقعی رصد کرد و بهترین ایده‌ها را از این فرآیند دریافت کرد. از این رو امروزه استفاده از این تکنولوژی در بازارهای سهام در حالت خاص و بازار سرمایه در حالت عام اهمیت بنیادی دارد. به عنوان مثال در شرکتی مانند «کاووت» که تماما متکی بر تجزیه و تحلیل داده‌ها بر اساس هوش مصنوعی است دارای نرم‌افزاری به نام «کای اسکور» است که تحلیل‌های بنیادین، تکنیکال و روند حرکتی سهام را رصد می‌کند و در اختیار معامله‌گران قرار می‌دهد و این نرم‌افزار بر اساس خروجی این داده‌ها و مدل‌های ایجاد شده می‌تواند سهم را رتبه‌بندی کند.
هوشمند مصنوعی و تحلیل احساس
ما هر روزه به صورت طبیعی تمامی این فرآیندها را در پردازش زبانی انجام می‌دهیم که این امر بدین معناست که می‌توان سیستمی داشت که از خلال آن بتوان معنای چیزی را که مردم می‌گویند، برداشت کرد. در هنگام انتقال اخبار، این امر می‌تواند برای بعضی شرکت‌ها مثبت یا منفی باشد و این همان چیزی است که در فرآیند تحلیل روانشناختی، آن را «تحلیل احساس» می‌نامند. یکی از ابزارهایی که هوش مصنوعی برای تجزیه و تحلیل داده‌ها می‌تواند به کار بگیرد، در واقع چیزی است که می‌تواند احساسات و هیجانات را تحلیل کند و بر این اساس احساسات معامله‌گران، معنای اخبار، وبلاگ‌ها و نیز داده‌هایی از انواع معاملات را جمع‌آوری می‌کند. این امر از طریق جمع‌آوری مجموعه داده‌هایی پنهان و مخفی صورت می‌گیرد که بر اساس آن می‌توان فهمید که کدام شرکت یا کدام رئیس هیات مدیره در حال خرید یا فروش سهام است و تلاش می‌کند تا داده‌های کمی استخراج شده از معاملات را با احساسات معامله‌گران همگرا کند و از این طریق می‌توان بهتر فهمید که مردم درباره مجموعه سهام خاص، چه فکری می‌کنند.
بعضی از کاربردهای هوش مصنوعی در بازارهای مالی
۱. مدیریت پرتفوی
در بحث چشم‌اندازهای مالی بحث «ربات مشاور» تا چند سال پیش کاملا ناشناخته بود اما اکنون شرکت‌هایی تاسیس شده که بر همین بنیان فعالیت می‌کنند. این اصطلاح غلط‌انداز است و به هیچ عنوان شامل ربات‌ها نمی‌شود. برعکس «ربات – مشاور»ها شامل الگوریتم‌هایی هستند که فعالیت‌شان قاعده‌مند کردن سبدهای سرمایهگذاری مالی بر اساس اهداف و ریسک‌های مورد نظر کاربر است. شرکت‌هایی از قبیل «بترمنت»، «ولث‌فرانت» و… در این حوزه فعالیت می‌کنند
۲. معامله الگوریتمی
معامله الگوریتمی که به آن «سیستم‌های معامله خودکار» نیز گفته می‌شود شامل استفاده از سیستم‌های پیچیده هوش مصنوعی برای افزایش سرعت تصمیمات سرمایهگذاری و معامله است. سیستم‌های الگوریتمی غالبا هزاران یا میلیون‌ها معامله را در روز انجام می‌دهند و «معامله‌گری با سرعت بالا» در واقع زیرمجموعه معامله‌گری الگوریتمی است.
۴. فرآیند بیمه‌گری و وام‌دهی
بیمه‌گری و وام‌دهی یکی از مهم‌ترین کارهایی است که یادگیری ماشین و هوش مصنوعی می‌تواند در بازارهای مالی وارد آن شود. نگرانی‌های زیادی درباره فرآیند بیمه کردن و وام‌دادن روی دوش شرکت‌هایی وجود دارد که در این حوزه فعالیت می‌کنند. الگوریتم‌های یادگیری ماشین می‌توانند به گونه‌ای تنظیم شوند که میلیون‌ها داده مشتریان را که شامل سن، شغل، وضعیت مالی و نیز فرآیند وام‌دهی یا بیمه کردن را پردازش کنند. همچنین روندهای بنیادی که با الگوریتم‌ها قابل تحلیل هستند و نیز تجزیه و تحلیل روندهایی که ممکن است بر وام‌دهی و بیمه کردن تاثیر بگذارند از ویژگی‌های به کارگیری هوش مصنوعی در شرکت‌های بیمه‌ای و نهادهای بانکی است.
