بازار سرمایه و استفاده از هوش مصنوعی


در تحلیل تکنیکال پس از اینکه نمودار به مسیر خود ادامه داد و میزان زیادی از تغییرات قیمت دیده شد، می‌توان متوجه رفتار آن شد و معامله در نقاط سقف و کف که نقاط مهم معامله هستند، امکان‌پذیر نیست.

هوش مصنوعی

هوش مصنوعی گوگل چگونه به برنامه‌نویسان کمک می‌کند؟

محققان واحد توسعه هوش مصنوعی مرکز DeepMind گوگل ادعا می‌کنند که سیستم AlphaCode آنها می‌تواند راهکارهایی را برای مشکلات مربوط به کدنویسی بیان کند تا در مسابقات برنامه‌نویسی که توسط نسل جدید برنامه‌نویسان انجام می‌شود، آنها به نمره متوسط دست یابند.

مایکروسافت با هوش مصنوعی حفره‌های نرم‌افزاری را شناسایی می‌کند

در حالی که ده‌ها ابزار برای تحلیل کدهای استاتیک در زبان‌های برنامه‌نویسی مختلف وجود دارد تا نقص‌های امنیتی را تحلیل و شناسایی کنند، محققان در حال بررسی تکنیک‌هایی هستند که از فناوری یادگیری ماشینی برای بهبود توانایی تشخیص عیوب و رفع آنها بهره می‌برد.

سرمایه گذاری 20 میلیون دلاری 53 درصد سازمان‌ها برای بهره‌مندی از هوش مصنوعی

نتایج حاصل از نظرسنجی مرکز Deloitte نشان داد 53 درصد سازمان‌هایی که فناوری هوش مصنوعی را در جریان فعالیت‌های خود به کار گرفتند طی یک سال گذشته بیش از 20 میلیون دلار در این زمینه سرمایه گذاری کردند. «بررسی وضعیت هوش مصنوعی در سازمان‌ها» روی 2737 مدیر فناوری و بازار سرمایه و استفاده از هوش مصنوعی سازمانی انجام شد و طی آن … ادامه

هوش مصنوعی گوگل چگونه به تشخیص بیماری‌ها کمک می‌کند؟

همکاران سیستم – این روزها تحقیقات گسترده در زمینه هوش مصنوعی و به کارگیری آن در عرصه درمان انجام می‌شود. ولی واقعیت این است که این خدمات همچنان به صورت آزمایشی در عرصه بهداشت و درمان مورد استفاده قرار می‌گیرند. آنچه که به صورت کاربردی در بیمارستان‌ها و مطب پزشکان استفاده می‌شود بسیار ساده‌تر از … ادامه

رشد دو برابری پروژه‌های هوش مصنوعی در سازمان‌های جهانی

همکاران سیستم – مرکز تحقیقاتی گارتنر بر اساس آخرین پیش‌بینی‌های خود اعلام کرد تعداد سازمان‌هایی که از ابزارهای هوش مصنوعی (AI) و یادگیری ماشینی (ML) استفاده می‌کنند افزایش یافته است و به طور میانگین هر یک از این سازمان‌ها چهار پروژه مبتنی بر فناوری هوش مصنوعی یا یادگیری ماشینی را در اختیار دارند. در این … ادامه

همکاری بزرگ مایکروسافت و OpenAI برای توسعه هوش مصنوعی

همکاران سیستم – مایکروسافت و OpenAI همکاری‌های خود را گسترش دادند تا بر این اساس قابلیت‌های خدمات پردازش ابری Azure مایکروسافت در حوزه هوش مصنوعی در مقیاس گسترده ارتقا یابد. دو شرکت مذکور اعلام کردند بر اساس این همکاری‌ها به صورت گسترده‌تر قابلیت‌های هوش مصنوعی و امکانات OpenAI را به کار می‌گیرند تا سیستم جدید … ادامه

نیمی از سازمان‌های مالی به دنبال استفاده از هوش مصنوعی

همکاران سیستم – استفاده از فناوری هوش مصنوعی (AI) در مراکز خدمات مالی آمریکا به سرعت در حال گسترش است و «مرکز راهکارهای مالی برادریج» یکی از تامین کنندگان فناوری‌های مخصوص بانک‌ها، کارگزاری‌ها، مدیران دارایی و دیگر کسب و کارها این خبر را منتشر کشده است. مرکز برادریج برای به دست آوردن این نتیجه 153 … ادامه

آغاز همکاری‌های SAS و NVIDIA برای توسعه هوش مصنوعی

همکاران سیستم – شرکت نرم‌افزاری SAS از آغاز همکاری‌های جدید با مرکز تولید پردازنده‌های گرافیکی NVIDIA خبر داد تا از این طریق امکان استفاده از فناوری هوش مصنوعی در کسب و کارها را آسان‌تر کند. این دو شرکت همکاری‌های گسترده‌ای را در زمینه یادگیری ماشینی، چشم‌انداز رایانه‌ای و پردازش زبان‌های طبیعی با یکدیگر آغاز کردند … ادامه

بازار 12 میلیارد دلاری هوش مصنوعی برای مراکز خرده فروشی

همکاران سیستم – نتایج حاصل از مطالعه جدید مرکز تحقیقاتی «جونیپر ریسرچ» نشان داد ارزش بازار جهانی خدمات هوش مصنوعی در عرصه خرده‌فروشی‌ها تا سال 2023 میلادی به بیش از 12 میلیارد دلار می‌رسد. این مرکز تحقیقاتی توضیح داد سرمایه‌گذاری مراکز خرده فروشی در عرصه هوش مصنوعی بسیار قابل ملاحظه دنبال می‌شود و در حالی … ادامه

سرمایه‌گذاری یک میلیارد دلاری SAS در حوزه هوش مصنوعی

همکاران سیستم – شرکت SAS از بزرگترین تولیدکنندگان نرم‌افزار در جهان اعلام کرد طی سه سال آینده در بخش هوش مصنوعی بیش از یک میلیارد دلار سرمایه‌گذاری می‌کند تا پلتفرم تحلیلی خود را توسعه دهد، کارشناسان حوزه داده را آموزش دهد و اهداف خاص خود مربوط به این صنعت را محقق سازد. این سرمایه‌گذاری بخشی … ادامه

کتاب داده کاوی عملی در بازار سرمایه ایران

چالش

انتشارات: چالش

نویسنده: نیما همتی آزاده فضل الهی

کد کتاب : 59047
شابک : 978-6226017985‬‬
قطع : وزیری
سال انتشار شمسی : 1400
زودترین زمان ارسال : 28 مهر

معرفی کتاب داده کاوی عملی در بازار سرمایه ایران اثر نیما همتی

امروزه در بازارهای پیشرفته دنیا این معاملات به طور گسترده انجام شده و آینده بازارهای مالی رقابت ربات های معاملاتی خواهد بود. نسخه پیچیده تر ربات های معاملاتی استفاده از روش های یادگیری ماشین و هوش مصنوعی است که در کنار دانش و تجربه مالی و شناخت بازار سیستم های خودکار مدیریت ثروت و سرمایه را جهت ایجاد سود مطمئن و پایدار ایجاد می کنند.

معایب تحلیل تکنیکال برای سودآوری بلندمدت در بازار سرمایه

معایب تحلیل تکنیکال

تحلیل تکنیکال یکی از روش‌های تحلیل بازار سرمایه است که از گذشته در سراسر دنیا مورد استفاده قرار می‌گرفت. برای آشنایی بیشتر با تحلیل تکنیکال می‌توانید مقاله تحلیل تکنیکال چیست و چگونه می‌شود از آن استفاده کرد؟ را بخوانید. این روزها درصد زیادی از فعالین بازار سرمایه در ایران از این تحلیل استفاده می‌کنند؛ اما در سایر کشورهای پیشرفته تحلیل تکنیکال را به روشی که امروزه مرسوم است قدیمی و ناکارآمد می‌دانند و استفاده از آن منسوخ شده است. باتوجه به این موضوع در مقاله پیش‌رو به برخی معایب تحلیل تکنیکال پرداخته شده است.

معایب تحلیل تکنیکال

سرمایه‌گذاران زیادی بازار سرمایه و استفاده از هوش مصنوعی در ایران بازار سرمایه را با استفاده از تحلیل تکنیکال بررسی می‌کنند؛ زیرا تحلیلی قابل‌فهم، ساده و سریع است. اما حرفه‌ای‌های بازار سرمایه که توانسته‌اند سالیان متوالی در این بازار فعالیت کنند و سودهای زیادی را در بلندمدت به‌دست آورند، از این تحلیل استفاده نکرده‌اند. همچنین الگوهای تحلیل تکنیکال در بازار مالی دنیا از سال 1970 میلادی تاکنون به‌روز نشده است و با پیشرفت علم و تکنولوژی، روش‌های جدید و کارآمدتری برای تحلیل بازار سرمایه جایگزین آن شده است. عدم رشد و توسعه تحلیل تکنیکال باعث شد تا این تحلیل امروزه در دنیا کاربرد کمی داشته باشد. اکنون باید دید نکات مهم در تحلیل تکنیکال چیست و چرا نباید از تحلیل تکنیکال استفاده کرد؟

تحلیل تکنیکال، تحلیل پس از واقعه است

یکی از مهم‌ترین معایب تحلیل تکنیکال این است که تحلیل تکنیکال، تحلیل پس از واقعه است. به این معنی که در تحلیل تکنیکال وقتی الگویی شکل می‌گیرد باید دید این الگو در برخورد با خطوط حمایت و مقاومت چه واکنشی نشان خواهد داد و آیا روند خود را ادامه می‌دهد یا خطوط را شکسته و تغییر روند خواهد داشت؟

در تحلیل تکنیکال پس از اینکه نمودار به مسیر خود ادامه داد و میزان زیادی از تغییرات قیمت دیده شد، می‌توان متوجه رفتار آن شد و معامله در نقاط سقف و کف که نقاط مهم معامله هستند، امکان‌پذیر نیست.

تاریخ عیناً تکرار نمیشود

قیمت سهم در آینده با توجه به گذشته آن، بر اساس اصل سوم تحلیل تکنیکال، پیش‌بینی می‌شود. اصل سوم تحلیل تکنیکال بازار سرمایه و استفاده از هوش مصنوعی می‌گوید که تاریخ همواره تکرار می‌شود. عوامل بسیار زیادی در شکل‌گیری تاریخ بازارهای مالی موثرند. با گذشت زمان و پیشرفت علم و تکنولوژی، تغییر شرایط اقتصادی و… قیمت‌ها رفتار جدیدی از خود نشان می‌دهند و تاریخ دقیقا مانند گذشته تکرار نخواهد شد.

به‌عنوان مثال شاخص کل سهام در دی ماه سال 1392 در سقف 89355/7 واحد قرار داشت، سپس شاخص روند خود را تغییر داد و تا اواخر سال 1393 به 61532/9 واحد رسید و حدود 30 درصد کاهش پیدا کرد. در ریزش اخیر بازار بورس با الگویی مشابه، در مرداد سال 1399 سقف شاخص کل سهام 2065114/3 واحد بود. طبق این اصل انتظار می‌رفت که شاخص در روند نزولی خود با ریزش 30 درصدی تا حدود 1 میلیون و 450 واحد کاهش یابد. اما شاخص کل سهام در خرداد سال 1400 به 1095697/7 واحد رسید و چیزی حدود 47 درصد ریزش داشت.

در این مثال دیدیم که تاریخ به دلایل مختلفی تکرار نشد. مثال‌های زیادی مانند مثال فوق در بازار برای نقض این اصل وجود دارد. پس به‌طور کلی تحلیل تکنیکال بر اساس اصلی نادرست استوار است.

تحلیلگران تکنیکال خودشان تحلیل خود را نقض میکنند

یکی دیگر از معایب تحلیل تکنیکال این است که بیش از 80 درصد از تحلیلگران به دلیل سهولت استفاده از تحلیل تکنیکال، از این تحلیل استفاده می‌کنند. در نتیجه تعداد قابل‌توجهی از فعالین بازار سرمایه طبق الگو شکل گرفته تحلیل مشابهی برای پیش‌بینی روند قیمتی یک سهم دارند که می‌تواند باعث عدم تحقق تحلیل شود. به‌طور مثال سقف قیمت یک سهم 800 تومان پیش‌بینی شده است. تحلیلگران تکنیکال توصیه می‌کنند قبل از رسیدن به سقف قیمت، سهم فروخته شود. وقتی همه تحلیلگران حرفه‌ای قبل از رسیدن به این قیمت سهم خود را بفروشند، قیمت هیچ‌گاه به 800 بازار سرمایه و استفاده از هوش مصنوعی تومان نمی‌رسد و پیش‌بینی‌شان محقق نمی‌شود.

موضوع مهم‌تر آن‌که فعالین بزرگ بازار سرمایه عموما از تحلیل بنیادی استفاده می‌کنند و تمایل کمتری به تحلیل تکنیکال دارند. این افراد که حجم سرمایه‌شان به مراتب بیشتر از سرمایه تمام تحلیلگران تکنیکال است، می‌توانند با اقدامی باعث نقض تحلیل تکنیکال شوند؛ فرض کنید در مثال بالا 800 تومان قیمت مناسبی از نظر تحلیلگران بنیادی باشد، پس در این قیمت شروع به خرید سهام می‌کنند و باعث افزایش قیمت سهم می‌شوند. در این صورت تحلیلگران تکنیکال متوجه نقض تحلیل خود خواهند شد. پس از نقض تحلیل مجدد پیشنهاد می‌شود سهم روندی صعودی دارد و خرید آن می‌تواند باعث سوددهی شود.

آیا باید از تحلیل تکنیکال استفاده کرد؟

باتوجه به مطالبی که گفته شد پیش‌بینی تحلیلگران تکنیکال ممکن است در بسیاری از مواقع، به دلایل مختلفی نقض شود. در صورت تحقق پیش‌بینی نیز هیچگاه در زمان مناسب به کار نمی‌آید و تحلیلگر نمی‌داند که دقیقا در کجای روند قرار دارد و آیا روند ادامه دارد یا تغییر خواهد کرد؟ این تحلیل دیرهنگام باعث از دست رفتن درصد زیادی از سود خواهد شد. با وجود ریسک‌های زیادی که در بازار سرمایه وجود دارد، افراد به‌دنبال سرمایه‌گذاری با کمترین ریسک ممکن هستند. استفاده از تحلیل تکنیکال به دلیل بالا بودن ریسک آن پیشنهاد نمی‌شود و تحلیل بنیادی با ریسک کمتر، می‌تواند جایگزین مناسبی برای این تحلیل باشد. برای آشنایی با این تحلیل می‌توانید مقاله تحلیل بنیادی چیست و برای انجام آن چه پیش‌نیازهایی لازم است؟ را بخوانید.

تحلیل هوش مصنوعی

همچنین استفاده از بازار سرمایه و استفاده از هوش مصنوعی تکنولوژی و فناوری‌های روز باعث شد تا در دنیا روش‌های جدیدی مانند هوش مصنوعی، یادگیری ماشین (machine learning method)، یادگیری شبکه عمیق عصبی (Deep learning) و… استفاده شود. روش‌های جدید تحلیل بازار سرمایه درصد ریسک را تا حد قابل‌توجهی کاهش می‌دهد.

بهترین ابزارهای تحلیل تکنیکال

در میان تمام ابزارهای تحلیل تکنیکال روندها، نقاط سقف و کف، میانگین متحرک و خطوط مقاومت و حمایت در کنار تحلیل‌های به‌روز و پیشرفته می‌توانند به تحلیلگران کمک کنند.

در نمودارهای تحلیل تکنیکال به بالاترین و پایین‌ترین قیمت در بازه‌های زمانی مشخص، به‌ترتیب نقاط سقف و کف می‌گویند. خط حمایت و مقاومت به خطی گفته می‌شود که از اتصال تعدادی سقف و کف به یکدیگر به وجود می‌آید. معمولاً قیمت سهام در نزدیکی خط حمایت و مقاومت نوسان دارد. عبور نمودار از خطوط حمایت و مقاومت در نقاط سقف و کف، می‌تواند نشانگر تغییر روند قیمت باشد.

به حرکت نمودار بین دو خط حمایت و مقاومت در بازه زمانی مشخص روند می‌گویند. روند می‌تواند خنثی، بازار سرمایه و استفاده از هوش مصنوعی بازار سرمایه و استفاده از هوش مصنوعی صعودی یا نزولی باشد. میانگین متحرک میانگین قیمت برحسب زمان ست که به‌صورت یک نمودار نمایش داده می‌شود. بررسی میانگین متحرک‌ها در بازه‌های زمانی مختلف، روشی است که به تحلیل‌ بازار سرمایه کمک می‌کند.

استفاده از این ابزارها می‌تواند به تحلیلگران بنیادی کمک کند تا در کنار تحلیل بنیادی مطمئن‌تر عمل کنند.

سهم هوش مصنوعی از تولید ناخالص ملی تا ۱۴۱۰ باید به ۱۲ درصد برسد

الهه صالحی

الهه صالحی عضو تحریریه

زمان مطالعه : 4 دقیقه

برای بوکمارک این نوشته وارد شوید

سهم هوش مصنوعی در تولید ناخالص ملی ایران طبق سند تدوین‌شده برای این حوزه باید به ۱۲ درصد برسد و ۲۰ میلیارد دلار در این بخش تا ۱۰ سال دیگر سرمایه‌گذاری شود.

به گزارش پیوست، محمد شهرام معین، رئیس مرکز هوش مصنوعی پژوهشگاه ارتباطات و بازار سرمایه و استفاده از هوش مصنوعی بازار سرمایه و استفاده از هوش مصنوعی فناوری اطلاعات، در مراسم رونمایی از تدوین سند هوش مصنوعی با اعلام جزئیات این سند اعلام کرد: این پروژه ۲۸ بهمن سال گذشته کلید خورد و امروز به ثمر رسید.

طبق گفته او این سند با نگاهی به برنامه راهبردی هوش مصنوعی در ۲۳ کشور تدوین شده و چشم‌انداز ایران در این حوزه در سال ۱۴۱۰ را نمایش می‌دهد.

بر اساس این سند، ایران در سال ۱۴۱۰ باید بین ۱۰ کشور برتر جهان در این حوزه باشد.

او درباره اهداف کلان این سند گفت: ما باید به سهم ۱۲ درصدی هوش مصنوعی در تولید ناخالص ملی برسیم و ۲۰ میلیارد دلار در این حوزه سرمایه‌گذاری شود.

طبق پیش‌بینی صورت‌گرفته در سند، تا سال ۱۴۱۰، باید ۱۲ میلیارد دلار از سوی بخش دولتی و هشت میلیارد دلار از سوی بخش خصوصی در این حوزه سرمایه‌گذاری شود و همچنین ۶۰۰ هزار نفر نیروی متخصص در حوزه هوش مصنوعی را تربیت کنیم.

علاوه بر این در این سند آمده است، استفاده از هوش مصنوعی در حل ابرچالش‌های کشور، انجام ۸۰ درصد از پژوهش‌های حوزه هوش مصنوعی در راستای رفع نیازهای فعلی و آتی کشور، ایجاد محیط قانونی و اخلاقی پویا و پاسخگو به مسائل هوش مصنوعی، پذیرش و به‌کارگیری ۴۵ درصدی هوش مصنوعی در دولت و صنعت، سهم پنج دهم درصدی تقاضای نیروی کار در بخش هوش مصنوعی به کل تقاضای نیروی کار و ایجاد توان ۱۰۰ پتافلاپس توان محاسباتی و ۱۰۰ پتابایتی توان ذخیره‌سازی در افق سال ۱۴۱۰ از اهداف کلان این مجموعه هستند.

به گفته معین، در این سند ۹ راهبرد برای توسعه هوش مصنوعی در کشور دیده شده که شامل سیاست‌های خرد، اقدامات و پروژه‌هاست و در مجموع ۱۵۵ پروژه و فعالیت در ذیل آنها در نظر گرفته شده است.

به گفته رئیس مرکز هوش مصنوعی پژوهشگاه ارتباطات و فناوری اطلاعات، در این سند حوزه‌های اولویت‌دار برای توسعه هوش مصنوعی در کشور مشخص شده که حوزه‌های اقتصاد و حمل و نقل در اولویت بوده و نقشه راه نیز برای همه این راهبرد‌ها به طور دقیق و شفاف طراحی و متولی این موضوع هم مشخص شده است.

طبق این سند، راهبردهای توسعه که می‌توان آنها را معین‌کننده مجموعه جهت‌گیری‌های اصلی برای رسیدن به اهداف دانست بدین شرح‌اند:

  • توسعه محیط تحقیق و توسعه هوش مصنوعی
  • تقویت ظرفیت نیروی انسانی برای توسعه هوش مصنوعی
  • توسعه و تقویت کسب‌وکارهای مبتنی بر هوش مصنوعی
  • توسعه همکاری‌های فناورانه و انتقال فناوری
  • ایجاد محیط قانونی و اخلاقی پویا و پاسخگو برای هوش مصنوعی
  • راه‌اندازی زیرساخت‌ها و سکوهای مورد نیاز توسعه هوش مصنوعی
  • ایجاد، جمع‌آوری و به اشتراک گذاری داده‌های با کیفیت بالا
  • توسعه کاربردهای هوش مصنوعی در حوزه‌های اولویت‌دار
  • مدیریت و راهبری برنامه توسعه ملی هوش مصنوعی

معین در پایان گفت: برای تحقق سند توسعه هوش مصنوعی در کشور نهاد‌هایی از جمله مرکز فضای مجازی، مجلس شورای اسلامی، قوه قضائیه، سازمان استاندارد و چندین دستگاه دیگر وظایف مشخصی دارند. وزارت ارتباطات باید هسته اجرایی هوش مصنوعی در کشور باشد.

سیاست‌های کلان توسعه فناوری هوش مصنوعی عبارت‌اند از:

  • فراهم آوردن زمینه‌های شکل‌گیری تقاضا برای تحریک فعالیت‌های تحقیق و توسعه در حوزه‌های اولویت‌دار هوش مصنوعی
  • حمایت و پشتیبانی سیاسی و اقتصادی از تولید و عرضه کالا و خدمات در حوزه هوش مصنوعی
  • بسترسازی مناسب با بهره‌گیری از هوش مصنوعی در جهت ارتقای سطح بهره‌وری ملی و بخشی
  • تقویت شرکت‌های فعال در حوزه هوش مصنوعی
  • گسترش همکاری و تعامل فعال، سازنده و الهام بخش در حوزه‌ هوش مصنوعی با کشورهای پیشرو، کشورهای منطقه و جهان اسلام
  • گسترش دسترسی به زیرساخت‌های توسعه هوش مصنوعی در سراسر اسلام
  • حمایت از ایجاد و توسعه شبکه‌های تحقیقاتی و فناوری به منظور افزایش تعاملات و تسهیل انتقال و انتشار دانش
  • ترغیب سرمایه‌گذاری بخش غیردولتی و مشارکت آنها برای توسعه کاربردهای هوش مصنوعی
  • تاکید بر تربیت نیروی انسانی کارآمد، خلاق و متعهد، شناسایی نخبگان، پرورش استعدادهای درخشان، حفظ و جذب سرمایه‌های انسانی و ارتقای روحیه خودباوری و خوداتکایی.

این سند قرار است در بخش سیاست‌های کلان با ارائه راهنماهای کلی، به یکپارچگی و رفع تناقضات راهبردها در مسیر دستیابی به اهداف کمک کرده، مسیر اجرای راهبردها را تسهیل و به عنوان یک راهنما در جهت‌دهی به راهبردها ایفای نقش کند.

رویداد تجربه هوش مصنوعی در صنعت توسط کارگزاری مفید برگزار شد / بستری برای توسعه هوش مصنوعی در کشور

پنج‌شنبه ۲۹ اردیبهشت‌ رویداد تجربه هوش مصنوعی در صنعت با حضور فعالان و متخصصان حوزه هوش مصنوعی، یادگیری ماشین و علوم داده با هدف به‌اشتراک‌‌گذاری تجربیات و توسعه محصولات مبتنی بر هوش مصنوعی و علوم داده با حضور متخصصانی از شرکت‌های معتبر ایرانی و بین‌المللی توسط کارگزاری مفید برگزار شد.

در ابتدای این نشست، حمیدرضا مختاریان مدیر تیم دیجیتال مفید همایش تجربیات هوش مصنوعی در صنعت را با توضیحاتی در خصوص کشور چین آغاز کرد. طبق توضیحات او چند سال پیش یک شرکت انگلیسی برنامه‌ای طراحی کرد به نام آلفاگو (AlphaGo) توسط هوش مصنوعی برای انجام بازی محبوب چینی‌ها؛ یعنی گو، شبیه‌سازی شده بود. در آن زمان تصور غالب بر این بود هوش مصنوعی هنوز به سطحی از پیشرفت نرسیده است که بتواند در این بازی نیز همانند شطرنج انسان را مغلوب کند. با این حال در سال ۲۰۱۷ هوش مصنوعی موفق به این کار شد و یکی از خبره‌ترین و معروف‌ترین بازیکنان چینی در مقابل چشم همگان در بازی «گو» از هوش مصنوعی شکست خورد.

چین؛ سرمایه‌گذار عمده هوش مصنوعی در جهان

این اتفاق در ابتدا با واکنش‌های منفی در چین مواجه شد تا اینکه چینی‌ها پذیرفتند که برای هم‌جهت‌شدن با دنیا در پیشرفت علم و فناوری باید هوش مصنوعی را جدی بگیرند. در چندسال اخیر بازار سرمایه و استفاده از هوش مصنوعی که دنیار در حال دست و پنجه نرم کردن با پاندمی کرونا بود چینی‌ها ۴۸ درصد از کل سرمایه‌گذاری‌های انجام‌شده در حوزه هوش مصنوعی را به خود اختصاص داده‌اند و این آمار برای ایالات متحده حدود ۴۲ درصد است.

مختاریان در ادامه این توضیحات در خصوص صنعت هوش مصنوعی در ایران گفت: «ایران نیز در استفاده از هوش مصنوعی و بهره‌گیری از فواید آن چیزی از کشور چین کم ندارد. ما در ایران به computing power دسترسی داریم و علاوه برآن با کمک استعدادهای خوب و منابع مالی موجود می‌توانیم مدل‌ها را شبیه‌سازی کنیم. مهم‌ترین موضوعی که در خصوص صنعت هوش مصنوعی در کشور می‌توان به آن اشاره کرد این است که ما به نسبت کشورهای اروپایی و ایالات متحده وضعیت خوبی در بحث «داده» داریم. در ایران به دلیل ایجاد محدودیت کمتر توسط قوانین محدودکننده دسترسی به داده‌ها و حریم شخصی عملیات مربوط به داده‌کاوی راحت‌تر انجام می‌شود. مهم‌ترین چیزی که باید روی آن کار کنیم داده‌های بیشتر با کیفیت بالاتر است.»

در ادامه این رویداد علی الهی، مدیر واحد هوش مصنوعی تپسی نیز در خصوص تأثیر هوش مصنوعی در افزایش کیفیت، دقت و رضایت کاربران از سفرهای انجام‌شده با تپسی مطالبی را به حضار ارائه کرد.

روایت کاربرد هوش مصنوعی برای کسب رضایت مشتری

در این رویداد علی زارع‌زاده، مدیر تیم هوش مصنوعی کارگزاری مفید همچنین، روایت طراحی یک مدل اختصاصی برای کسب رضایت مشتری را برای حضار توضیح داد.

طبق توضیحات او مرکز خدمات مشتریان مفید با چندمیلیون کاربر این کارگزاری جز ۱۰ مرکز تماس بزرگ ایران است. واحد هوش مصنوعی مفید در اواسط سال ۹۹ با تمرکز بر مسائل اصلی سرویس سنتر و باهدف بهبود خدمات‌رسانی به مشتریان راه‌اندازی شد.

جالب است بدانید بر اساس آخرین نظرسنجی که از مدیران اجرایی شرکت‌های بزرگ انجام شده، دلیل اصلی استفاده از هوش مصنوعی در این شرکت‌های بزرگ کسب رضایت مشتریان است نه کاهش هزینه‌های شرکت.

زارع‌زاده ادامه داد: «اولین مسئله‌ای که در کارگزاری مفید با آن مواجه بودیم، کی‌وای‌سی یا ثبت نام مشتریان و احراز هویت آن‌ها بود که برای کاهش خطا در این عملیات ناگزیر به استفاده از هوش مصنوعی بودیم. بر همین اساس در پایان سال ۹۹ از نسخه اولیه هوش مصنوعی مفید، رونمایی کردیم. در این فرآیند، اصلی‌ترین مسئله تشخیص زنده‌بودن تصویر بود که برای آن یک ماژول طراحی شده است که به خوبی می‌تواند تصاویر زنده را تشخیص دهد. در واقع تلاش ما در کارگزاری مفید در این مسیر پیش می‌رفت که نرخ پذیرش اشتباه به صفر برسد؛ نرخی که در آن مقطع روی تستر خودمان حدود دو درصد بود.»

او گفت: «هدف اصلی در مرکز خدمات مشتریان مفید این است که همه تماس‌ها پایش شود نه اینکه صرفا مثل مدل‌های سنتی چند تماس به طور گزینشی مورد بررسی قرار گیرد. می‌دانیم که هر تماس دو سمت دارد؛ یک سوی تماس مشتری‌ها و سوی دیگر کارشناس‌های ما قرار گرفته‌اند و در چنین بستری بسیار مهم است که میزان رضایت مشتری‌ها تحلیل و تا حد امکان اندازه‌گیری شود. همچنین به شکل مستمر باید این پایش صورت بگیرد که آیا اپراتورها کار خود را به درستی انجام می‌دهند؟ هوش مصنوعی همه تماس‌ها را پایش می‌کند و تماس‌های دارای مشکل‌ را به شما برمی‌گرداند. در این فرمول، با توجه به ظرفیت واحد پایش‌، روز به روز کیفیت خدمات سرویس‌دهی بالاتر خواهد رفت.»

مدیر تیم هوش مصنوعی کارگزاری مفید توضیح داد: «در همین راستا تصمیم گرفتیم که فردی مثل مسئول پایش کارگزاری مفید به کمک ابزار هوش مصنوعی و با در نظرگرفتن فاکتورهای مختلفی مثل میانگین زمان پاسخ‌گویی، صدای افراد، میزان سکوت آن‌ها در صوت و … به میزان رضایت هر مشتری دست پیدا کرده و بتواند وضعیت رضایت کلی مشتریان را تحلیل کند. در اینجا چالش دیگری اما به وجود آمد. بررسی ویژگی‌های کمی صوت قرار است چگونه انجام شود؟ میزان عصبانیت و رضایت مشتری را چطور می‌توان به درستی درک کرد؟ ناچار بودیم که صوت‌ها را به متن مکتوب تبدیل کنیم تا بررسی آن‌ها آسان‌تر شود. همه می‌دانیم دستیار صوتی گوگل این امکان را فراهم کرده و استفاده از آن می‌توانست برای ما یک مزیت باشد اما تبدیل گفتار به متن توسط گوگل به ما نشان داد که این ابزار گوگل با درصد خطای ۸۰ درصد، ابزار قابل اتکایی به شمار نمی‌آید.»

او ادامه داد: «اینجا بود که فهمیدیم باید خودمان دست به کار شویم و در همان ابتدای کار با تخمینی که زدیم متوجه شدیم نیاز به شش ماه زمان داریم. اما کار عملیاتی شدن این ایده برای ما از کجا شروع شد؟ مثل طراحی هر مدل دیگری مرحله اول جمع آوری دیتاها بود. این مرحله شاید ساده‌ترین بخش به نظر برسد اما چالشی‌ترین بخش هم بی‌شک همین بخش است. در کارگزاری مفید روزانه چند هزار ساعت تماس داشتیم و همین باعث شد که دوباره با مسئله تازه‌ای مواجه شویم. انتخاب کردن دیتای مورد نیاز از بین اینهمه داده باید چگونه باشد که تنوع لهجه، جنسیت، سن و … درآن لحاظ شود؟ در نهایت تصمیم گرفتیم با طراحی چند قانون به فیلتر هوشمند داده‌ها دست بزنیم. و در نهایت مرحله بعدی مرحله طراحی مدلینگ بود. این مرحله مورد علاقه تعداد بسیاری از افراد است که تنوع و پیچیدگی بسیاری هم دارد اما در نهایت فرآیند کار در مفید به گونه‌ای پیش رفت که لیستی از خطاهای آنالیز و …تهیه شد که بر اساس و تجمع آن‌ها در بخش‌های مختلف باید به تصمیم نهایی می‌رسیدیم، اینکه کدام مسئله در اولویت حل کردن گذاشته شود تا بیشترین سود را به مشتری برساند؟»

در این روند بارها و بارها دست به اصلاح قانون‌هایی که خودمان طراحی کرده بودیم زدیم و بعضی ساز و کارها را به طور کلی بازنویسی کردیم و در نهایت به مدل اختصاصی خودمان رسیدیم، اینکه درصد خطا را از ۸۰ درصد به ۲۰ درصد کاهش دادیم و تعداد خطاها را در یک صوت مشخص از ۸۴ خطای موجود در دستیار صوتی گوگل به ۴ خطا در دستیار صوتی مفید رساندیم و این مسیر برای ما تا همیشه ادامه دارد…»

زارع‌زاده در انتهای ارائه خود دلیل برگزاری چنین رویدادی را توسط کارگزاری مفید این چنین عنوان کرد: «هدف اصلی ما این بود که بستری را برای انتقال تجربه‌ها در اکوسیستم و تغییر نگاه آکادمیک افراد به نگاهی که با صنعت سازگار است فراهم کنیم. بیان متدولوژی و KPIها و حتی نام مدل‌های به کار رفته در بخش هوش مصنوعی یک کسب‌وکار منافع سازمان را به خطر نمی‌اندازد چراکه موضوع اصلی این صنعت داده‌کاوی است نه مدلینگ. افراد باید به دنبال رفع نقایص و مدل‌سازی براساس داده‌های کسب‌وکار و حوزه فعالیت خود باشند و وجود بسترهایی نظیر این رویداد و انتقال تجربه می‌توان هم‌افزایی خوبی برای رشد هوش مصنوعی در صنعت ایجاد کرد بدون آنکه منافع سازمان‌ها به خطر بیفتند.»

او در خصوص کاربرد هوش مصنوعی برای پیش‌بینی بازار سرمایه با بیان اینکه در هوش مصنوعی هم مانند سایر حوزه‌ها باید از افراط و تفریط پرهیز کرد گفت: «با توجه به ذات اصلی بازار سرمایه و حالت رقابتی آن نمی‌توان با استفاده از هوش مصنوعی مدلی طراحی کرد که همه در آن سود کنند چراکه پس از شناسایی این مدل در بازار سرمایه همه به دنبال استفاده از آن می‌روند و این مدل شکست می‌خورد. از طرفی نمی‌توان گفت که هوش مصنوعی هیچ کاربردی در بازار سرمایه ندارد چرا که با استفاده از آن می‌توان به آمار و داده‌های بسیار مفیدی از معاملات دسترسی یافت که بسیار کمک‌کننده خواهند بود. این عملیات در حال حاضر در واحد هوش مصنوعی کارگزاری مفید انجام می‌شود و در حال بسط و توسعه است.»



اشتراک گذاری

دیدگاه شما

اولین دیدگاه را شما ارسال نمایید.