هوش مصنوعی برای تجارت و ابزارهای مالی هم مفید و هم مضر است

به گزارش خبرگزاری صداوسیما به نقل از کانورسیشن،هوش مصنوعی مزایای زیادی دارد اما استفاده رو به رشد از این فناوری ها در بازارهای مالی خطراتی به همراه داشته است. برای سرعت بخشیدن به تجارت مالی با رایانه‌ها و هوش مصنوعی،باید دقت بسیار زیادی داشت.
در اوایل دهه 1980، با تقویت پیشرفت در فناوری و نوآوری های مالی مانند مشتقات، سرمایه گذاران نهادی شروع به استفاده از برنامه های رایانه ای برای اجرای معاملات بر اساس قوانین و الگوریتم های از پیش تعریف شده کردند. 
در آن زمان، این الگوریتم‌ها نسبتا ساده بودند و عمدتاً برای اصطلاحا شاخص ها استفاده می‌شدند.
با پیشرفت تکنولوژی و در دسترس قرار گرفتن داده های بیشتر، این نوع تجارت برنامه به طور فزاینده ای پیچیده شد، با الگوریتم هایی که قادر به تجزیه و تحلیل داده های پیچیده بازار و اجرای معاملات بر اساس طیف گسترده ای از عوامل بودند. تعداد این معامله‌گران برنامه در آزادراه‌های بزرگ تجاری بدون نظارت - که هر روز بیش از یک تریلیون دلار دارایی در آنها تغییر می‌کند - به رشد خود ادامه دادند و باعث افزایش شدید نوسانات بازار شدند.
در نهایت این منجر به سقوط گسترده بازار سهام در سال 1987 به نام دوشنبه سیاه شد. میانگین صنعتی داوجونز در آن زمان بیشترین کاهش درصدی را در تاریخ خود تجربه کرد.

در مقابل، مقامات نظارتی تعدادی از اقدامات را برای محدود کردن استفاده از معاملات برنامه اجرا کردند، از جمله قطع کننده های مدار که معاملات را در صورت وجود نوسانات قابل توجه بازار و محدودیت های دیگر متوقف می کنند. اما علی‌رغم این اقدامات، محبوبیت تجارت برنامه در سال‌های پس از سقوط ادامه یافت.

در سال 2002، زمانی که بورس نیویورک یک سیستم معاملاتی کاملاً خودکار را معرفی کرد. در نتیجه، معامله‌گران برنامه جای خود را به اتوماسیون‌های پیچیده‌تر با فناوری بسیار پیشرفته‌تر دادند آن هم تجارت با فرکانس بالا.

برخلاف معامله‌گران برنامه‌ای که در طول زمان سبدهایی از اوراق بهادار را خرید و فروش می‌کردند تا از فرصت استفاده کنند، معامله‌گران با فرکانس بالا از رایانه‌های قدرتمند و شبکه‌های پرسرعت برای تجزیه و تحلیل داده‌های بازار استفاده می‌کنند. و معاملات را با سرعتی بسیار بالا انجام می دهند.

الگوریتم‌های هوش مصنوعی مقادیر زیادی از داده‌ها را در زمان واقعی تجزیه و تحلیل می‌کنند و الگوها و روندهایی را شناسایی می‌کنند که بلافاصله برای معامله‌گران انسانی آشکار نمی‌شوند. این به معامله گران کمک می کند تا تصمیمات بهتری بگیرند و معاملات را با سرعتی سریعتر از آنچه که به صورت دستی امکان پذیر است انجام دهند.

یکی دیگر از کاربردهای مهم هوش مصنوعی، پردازش زبان طبیعی است که شامل تجزیه و تحلیل و تفسیر داده های زبان انسانی مانند مقالات خبری و پست های رسانه های اجتماعی است. با تجزیه و تحلیل این داده ها، معامله گران می توانند بینش ارزشمندی در مورد احساسات بازار به دست آورند و استراتژی های معاملاتی خود را بر این اساس تنظیم کنند.

مغز انسان قادر به انجام محاسبات سریع، با دقت بالا و ممیز شناور مورد نیاز برای تجزیه و تحلیل حجم عظیمی از داده ها برای شناسایی سیگنال های تجاری نیست. رایانه‌ها میلیون‌ها بار سریع‌تر هستند، با حافظه‌ای اساساً خطاناپذیر، توجه کامل و توانایی بی‌پایان برای تجزیه و تحلیل حجم زیادی از داده‌ها در چند میلی‌ثانیه.

این معامله گران معمولا دارایی ها را با قیمت های بسیار نزدیک به قیمت بازار خرید و فروش می کنند، به این معنی که از سرمایه گذاران کارمزد بالایی دریافت نمی کنند. این کمک می کند تا اطمینان حاصل شود که همیشه خریداران و فروشندگان در بازار وجود دارند که به نوبه خود به تثبیت قیمت ها و کاهش احتمال نوسانات ناگهانی قیمت کمک می کند. اما سرعت و کارایی نیز می تواند باعث آسیب شود.

الگوریتم‌های هوش مصنوعی می‌توانند آنقدر سریع به رویدادهای خبری و سایر سیگنال‌های بازار واکنش نشان دهند که باعث افزایش ناگهانی یا افت قیمت دارایی‌ها شوند.
علاوه بر این، شرکت های مالی می توانند از سرعت و فناوری خود برای به دست آوردن مزیت ناعادلانه نسبت به سایر معامله گران استفاده کنند و سیگنال های بازار را بیشتر مخدوش کنند. نوسانات ایجاد شده توسط این هیولاهای تجاری بسیار پیچیده با نیروی هوش مصنوعی منجر به سقوط به اصطلاح فلش در می 2010 شد، زمانی که سهام سقوط کرد و سپس در عرض چند دقیقه بهبود یافت
از آن زمان، بازارهای بی ثبات به یک امر عادی تبدیل شده اند. در تحقیقات سال 2016، نوسانات - معیاری برای افزایش سریع و غیرقابل پیش بینی قیمت ها - پس از معرفی به طور قابل توجهی افزایش یافت.

سرعت و کارایی که معامله‌گران با فرکانس بالا داده‌ها را تجزیه و تحلیل می‌کنند به این معنی است که حتی یک تغییر کوچک در شرایط بازار می‌تواند تعداد زیادی از معاملات را تحریک کند و منجر به نوسانات ناگهانی قیمت و افزایش نوسانات شود.

این بدان معناست که اگر الگوریتم‌هایشان سیگنال‌های معاملاتی مشابهی را منتشر کند، همه معامله‌گران با فرکانس بالا ممکن است در همان سمت بازار معامله کنند. یعنی همه آنها ممکن است در صورت اخبار منفی بفروشند یا در صورت اخبار مثبت خرید کنند. اگر کسی نباشد که طرف دیگر معامله را بگیرد، بازارها می توانند شکست بخورند.

حضور برنامه هایی مانند چت جی پی تی می تواند مشکل بسیاری از معامله گران در یک طرف معامله باشد و آن را حتی بدتر کنند.
به طور کلی، انسان‌ها اگر همه تصمیمات خود را از یک هوش مصنوعی مشابه گرفته باشند، این می تواند تنوع نظرات را محدود کند.
یک موقعیت غیرمالی و شدید را در نظر بگیرید که در آن همه به چت جی پی تی برای تصمیم گیری در مورد بهترین رایانه برای خرید وابسته هستند. مصرف کنندگان در حال حاضر بسیار مستعد رفتار جمعی یکسان هستند که در آن تمایل به خرید محصولات و مدل های مشابه دارند.
از آنجایی که تصمیمات اتخاذ شده توسط ربات چت مولد مبتنی بر هوش مصنوعی مبتنی بر داده های آموزشی گذشته است، در تصمیمات پیشنهادی چت بات شباهت وجود دارد. بسیار محتمل است که چت جی پی تی مارک و مدل یکسانی را به همه پیشنهاد می دهد.
زمانی که هوش مصنوعی تصمیم‌گیرنده از اطلاعات مغرضانه و نادرست مطلع شود، این مسئله مشکل‌سازتر می‌شود. الگوریتم‌های هوش مصنوعی می‌توانند سوگیری‌های موجود را هنگامی که سیستم‌ها بر روی مجموعه‌های داده‌ای باطرف، قدیمی یا محدود آموزش داده می‌شوند، تقویت کنند. و چت جی پی تی و ابزارهای مشابه به دلیل ایجاد خطاهای واقعی مورد انتقاد قرار گرفته اند.
در حال حاضر، به نظر می‌رسد که اکثر بانک‌ها به کارمندان خود اجازه نمی‌دهند از چت جی پی تی و ابزارهای مشابه استفاده کنند. سیتی‌گروپ، بانک آمریکا، گلدمن و چندین بانک دیگر قبلاً استفاده از آنها را در طبقات اتاق‌های معاملات ممنوع کرده‌اند و دلیل آن نگرانی‌های مربوط به حفظ حریم خصوصی است.
خطرات بازارهای مالی، اقتصاد جهانی با هوش مصنوعی بسیار زیاد است.