چرا روبات

ولادیمیر پوتین، کمتر صحبت می‌کند، اما وقتی صحبت می‌کند، معمولا راهبردی است. وی می‌گوید: «کشوری که سردمدار هوش مصنوعی باشد، رهبری دنیا را در دست خواهد داشت». هوش مصنوعی و تاثیر آن بر بازارهای مالی و صنعت اکنون توجهات بیشتری را به خود جلب کرده است و در بخش‌های مختلف تا حدودی توسعه پیدا کرده است. اگر بخواهیم هوش مصنوعی را تعریف کنیم، به صورت خلاصه می‌توان گفت هوش مصنوعی به دستگاه‌ها یا سیستم‌هایی گفته می‌شود که می‌توانند واکنش‌هایی مشابه رفتارهای هوشمندانه انسانی از جمله درک شرایط پیچیده، شبیه‌سازی فرآیندهای فکری و شیوه‌های استدلالی انسانی و پاسخ موفق به آنها، یادگیری و توانایی کسب دانش و استدلال کمی‌ برای حل مسائل را داشته باشد. در واقع به صورت خلاصه می‌توان آن را «دانش شناخت و طراحی عامل‌های هوشمند» تعریف کرد. استفاده از هوش مصنوعی در بازارهای مالی نیز اهمیت ویژه‌ای پیدا کرده است و امروزه می‌بینیم که شرکت‌های بزرگ برای تجزیه و تحلیل داده‌های مربوط به سهام از هوش مصنوعی استفاده می‌کنند.

کاربرد هوش مصنوعی در بازارهای سهام

وضعیت هوش مصنوعی در جهان

برای دریافت رایگان روبات معامله گر تمام اتوماتیک فارکس کلیک کنید .

برای دریافت روبات معامله گر هوشمند بورس ایران کلیک کنید .

برآورد می‌شود ارزش بازار هوش مصنوعی تا سال ۲۰۲۰ حدود ۱۶ میلیارد دلار خواهد بود. اکنون بسیاری از شرکت‌ها در جهان از حوزه هوش مصنوعی درآمد زیادی کسب می‌کنند. طبق برآوردهایی که انجام گرفته میزان درآمد از فعالیت‌های مربوط به هوش مصنوعی در سال ۲۰۱۷ حدود دو میلیارد دلار بوده است و این در حالی است که پیش‌بینی می‌شود این میزان درآمد در سال ۲۰۱۸ دوبرابر شود و به چهار میلیارد دلار برسد. پیش‌بینی‌ها حاکی از این است که تا سال ۲۰۲۵ میزان درآمد‌ از حوزه هوش مصنوعی به ۵۹ میلیارد دلار برسد.

فروش جهانی ربات‌های صنعتی برای فعالیت در شرکت‌ها به جای نیروی کار نیز روز به روز در حال افزایش است. در سال ۲۰۰۴ حدود ۹۷ هزار ربات صنعتی برای فعالیت در بخش‌های مختلف به فروش رفته است و این میزان در سال ۲۰۰۵ به ۱۲۰ هزار عدد رسیده است. از سال ۲۰۱۳ به این سو شاهد افزایش بسیار زیاد فروش ربات‌های صنعتی بوده‌ایم، به طوری که میزان ربات‌های فروش رفته در سال ۲۰۱۴ حدود ۲۲۱ هزار دستگاه بوده و این در حالی است که این میزان برای سال ۲۰۱۵‌، معادل ۲۵۴ هزار دستگاه بوده است. آخرین آمار مربوط به فروش تعداد ربات‌ها در سال ۲۰۱۶ بوده که حدود ۲۹۴ هزار عدد بوده است.

 کاربردهای هوش مصنوعی

 از جمله صنایعی که بیشترین استفاده را از ربات‌ها و هوش مصنوعی کرده‌اند به ترتیب عبارتند از صنعت اتوماسیون که حدود ۱۰۳ هزار واحد از این صنعت از ربات‌ها استفاده کرده‌اند و بعد از آن حوزه صنایع الکترونیک است که شامل ۹۱ هزار بنگاه می‌شود. صنایع فلزات، مواد شیمیایی و غذایی به ترتیب با ۲۹ هزار، ۲۰ هزار و ۸ هزار به ترتیب در رده‌های بعدی قرار دارند. اگر بخواهیم به کشورهای پیشرو در حوزه هوش مصنوعی اشاره کنیم به دو روش می‌توان این کار را انجام داد:

 1.  بر اساس تعداد شرکت‌هایی که از هوش مصنوعی بهره می‌برند؛ حدود ۲۹۰۵ شرکت در ایالات متحده قرار دارند که مبتنی بر هوش مصنوعی هستند و در این راستا چین با ۷۰۹ شرکت در رده دوم است. بریتانیا با ۳۶۶ و هندوستان با ۲۳۳ و کانادا با ۲۲۸ در رده‌های بعدی قرار گرفته‌اند.

۲. بر اساس حوزه رباتیک و تولید آن؛ طبق آمار منتشر شده کشورهای ژاپن، چین، ایالات‌متحده، کره‌جنوبی و آلمان به ترتیب کشورهای پیشتاز در حوزه تولید هوش مصنوعی به شمار می‌روند. بازیگران و شرکت‌های کلیدی در حوزه ساخت ربات‌ها عبارتند از‌ ABB، KUKA، Fanuc، کاواساکی و «شرکت الکترونیک یاشاوا». به عنوان مثال شرکت ژاپنی «یاشاوا» که رتبه اول در ساخت ربات‌ها را دارد حدود ۲۳ درصد کل بازار رباتیک را پوشش می‌دهد.

 گزارش مکنزی

موسسه مک‌کنزی در پژوهشی به بررسی تاثیر هوش مصنوعی و ربات‌ها بر نیروی کار پرداخته و برآورد کرده است تا سال ۲۰۵۰ حدود ۸۰۰ میلیون کارگر در سراسر جهان در نتیجه توسعه هوش مصنوعی و ارتقای ربات‌ها در بخش‌های مختلف، شغل خود را از دست خواهند داد. این موسسه همچنین اعلام کرده است هم کشورهای توسعه‌یافته و هم در حال توسعه از این فرآیند متاثر خواهند شد. اپراتورهای دستگاه‌ها، کارگران فست‌فود و کارمندان اداری در میان کسانی هستند که بیشترین تاثیر منفی را از ارتقای هوش مصنوعی در شغل‌های مختلف می‌گیرند. مک‌کنزی همچنین نوشته برآورد کرده است حتی اگر سرعت رشد هوش مصنوعی در مشاغل مختلف پایین باشد باز هم در ۱۳ سال آینده حدود ۴۰۰ میلیون نفر در سراسر جهان شغل خود را از دست خواهند داد و در این راستا باید حرفه‌های دیگری را برای خود دست و پا کنند.

مک‌کنزی اما سویه‌‌ دیگر این وضعیت را نیز توضیح داده و آن اینکه در نتیجه افزایش ربات‌ها و هوش مصنوعی در مشاغل مختلف شغل‌های جدیدی ایجاد خواهد شد که البته شامل نیروی کار متخصص و تکنسین‌های جدید خواهد شد. به همین خاطر بسیاری از افراد برای وفق دادن خود با این شرایط مجبورند برای تطبیق با شرایط شغلی جدید آموزش‌های لازم را ببینند که این امر وظیفه دولت‌هاست تا بتوانند در این باب و بر اساس نیاز صنایع مختلف امکانات آموزشی را برای مردم ایجاد کنند و به نوعی مهارت‌زایی کنند.

افزایش هوش مصنوعی در صنعت و بازارهای مالی گریزناپذیر است و اکنون تمامی ‌کشورها به دنبال این هستند که سرمایه‌گذاری‌های بیشتری روی هوش مصنوعی انجام دهند. در نتیجه این افزایش باید امکانات آموزش و فراهم کردن تکنسین‌ها برای مشاغل مختلف نیز فراهم شود. کشورهایی که بیشترین تاثیر را از رشد هوش مصنوعی در صنعت و اتوماسیون می‌گیرند عبارتند از چین، هندوستان، ایالات متحده، ژاپن، مکزیک و آلمان. در اهمیت هوش مصنوعی باید این جمله ولادیمیر پوتین را به خاطر داشت که: «هرکشوری که رهبری هوش مصنوعی را در دست داشته باشد، رهبری جهان را در دست خواهد داشت».

 هوش مصنوعی و بازارهای سهام

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.

«یادگیری عمیق» که به آن «یادگیری سلسله‌مراتبی» نیز می‌گویند و در چند سال اخیر بسیار مورد اقبال قرار گرفته بخشی از یک خانواده بزرگ‌تر روش یادگیری ماشین بر مبنای «بازنمایی‌هایی یادگیری داده» است. بسیاری از بازنمایی‌ها تا حد زیادی از طریق تفسیر پردازش اطلاعات و الگوهای ارتباطی در یک سیستم بیولوژیک‌ عصبی از قبیل رمزگذاری عصبی الگو گرفته‌اند که تلاش می‌کند رابطه بین چندین محرک و پاسخ‌های مرتبط با آن را تعریف کند. بر مبنای همین کارکرد یادگیری عمیق یا سلسله‌مراتبی که بنیان اصلی هوش مصنوعی را تشکیل می‌دهد، بسیاری از سازمان‌ها یادگیری عمیق هوش مصنوعی را برای کارکردهای مختلف مورد استفاده قرار می‌دهند. یک نمونه بسیار آشکار استفاده از هوش مصنوعی توسط شرکت فیس‌بوک مورد استفاده قرار می‌گیرد که به آن تکنولوژی DeepMind می‌گویند و کارهایی از قبیل تگ کردن اتوماتیک عکس‌ها را با قراردادن نام افراد روی آنها انجام می‌دهد.

 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 و استفاده از روش‌های تحلیلی متکی بر هوش مصنوعی جای روش سنتی تحلیل انسان‌محور را می‌گیرد.

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.

اکنون معامله‌گران، کانال‌های خبری بسیاری دارند که از خلال آنها اخبار مربوط به داده‌های سهام را رصد می‌کنند اما استخراج اطلاعات از این مجموعه داده‌های ساختاربندی‌نشده بسیار اهمیت دارد به همین دلیل این تکنولوژی جدید بیش از پیش برای معامله‌گران اهمیت پیدا می‌کند تا بتوانند این داده‌های بدون ساختار و چارچوب را مدیریت کنند. این روند حتی برای وال استریت نیز یک تکنولوژی جدید به شمار می‌رود چرا‌که آنها هنوز هم در این راستا متکی به روش سنتی انسان‌محور هستند. با استفاده از یادگیری ماشین و نیز یادگیری عمیق یا سلسله‌مراتبی اکنون می‌توان اطلاعات مربوط به این داده‌های ساختاربندی نشده را ساختاربندی کرد و تعداد زیادی دیدگاه برای معامله‌گران فراهم کرد که پیش از این ممکن نبود.

 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.

حوزه دیگر استفاده از هوش مصنوعی در بازارهای مالی بحث شناسایی الگوهای چارت است که در وال استریت به افرادی که این کار را انجام می‌دهند، «چارتیست» می‌گویند. شرکت‌ها، تحلیلگرانی را استخدام می‌کنند که هر روزه به چارت‌ها نگاه می‌کنند و الگوهایی را از خلال آنها شناسایی می‌کنند، اما با به کارگیری تکنولوژی هوش مصنوعی می‌توان هر سهم را اسکن و تمامی ‌الگوهای چارتی کلاسیک آن را پیدا کرد، بدون اینکه نیازی به استفاده از انسان باشد و این امر باعث صرفه‌جویی در زمان می‌شود و فرصت‌های معامله‌گیری بیشتری را در اختیار معامله‌گران قرار دهد.

بعضی از کاربردهای هوش مصنوعی در بازارهای مالی

یادگیری ماشین بخشی از فرآیند پیچیده هوش مصنوعی را تشکیل می‌دهد و دارای کاربردهای بسیار در بازارهای سرمایه است و می‌تواند فرآیند معامله‌گری را تسهیل کند. بعضی از کاربردها به صورت زیر هستند:

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. کاربران این سیستم‌ها، اهداف (مثلا بازنشستگی در سن ۶۵ سالگی با ۲۵۰ هزار دلار سرمایه)، سن، درآمد و وضعیت کنونی دارایی‌های‌شان را وارد می‌کنند. سپس «ربات – مشاور» سرمایه‌گذاری مورد نظر را بر تمامی‌ طبقه‌بندی‌ دارایی‌ها و ابزارهای مالی در اختیار کاربر توزیع می‌کند تا هدف مورد نظر کاربر را به دست بیاورد. همچنین این سیستم روی تغییرات در اهداف و نیز تغییرات در بازه‌های زمانی مورد نظر در بازار همیشه باز است و بهترین مسیر را برای رسیدن به هدف کاربر فراهم می‌کند.

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. بیشتر صندوق‌های تامین سرمایه و نهادهای مالی رویکردهای هوش مصنوعی مورد استفاده خود را افشا نمی‌کنند، اما بر این باورند که یادگیری ماشینی و عمیق یا سلسله‌مراتبی تصمیمات معامله‌گری را در یک زمان واقعی قاعده‌مند می‌کند.

۳. کشف کلاهبرداری مالی

سیستم‌های قدیمی ‌کشف کلاهبرداری مالی تا حد زیادی وابسته به مجموعه‌های پیچیده‌ای از قوانین و قواعد بودند اما سیستم کشف کلاهبرداری مدرن، فراتر از دنبال کردن فاکتورهای خطرآفرین می‌رود و بر مبنای آن پتانسیل‌های جدید تهدیدات امنیتی در مورد اطلاعات شرکت‌ها را قاعده‌مند می‌کند. با استفاده از یادگیری ماشین، سیستم‌ها می‌توانند فعالیت‌ها یا رفتارهای منحصربه‌فرد آشفتگی را کشف کنند و آنها را برای تیم امنیتی ارسال کنند.

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.

پیام بگذارید