در دنیای امروز فناوری هوش مصنوعی یکی از جذاب‌ترین و پرمخاطب‌ترین موضوعات تکنولوژی است. با وجود مشکلات اقتصادی که امروز حتی گریبانگیر جوامع و کشورهای پیشرفته و صنعتی دنیا را گرفته، محققان موضوع نقش هوش مصنوعی در اقتصاد را مطرح و پیگیری می‌کنند. در این مقاله تلاش می‌کنیم کاربردهای هوش مصنوعی در اقتصاد را با هم بررسی کنیم.
در اولین مرحله نگاهی به دیکشنری آکسفورد می‌اندازیم تا با معنی لغوی هوش مصنوعی آشنا شویم دیکشنری آکسفورد این دانش نوین را «نظريه و توسعه سيستم‌هاي كامپيوتري كه قادر به انجام و كاركرد وظايف مورد نياز به هوش انساني است» تعریف کرده است. اما کارشناسان این حوزه به زبان خیلی ساده و روان هوش مصنوعی را دانشی دانسته‌اند که ماشین‌ها نمی‌توانند آن را به تنهایی انجام دهند.
با بررسی مطالعات کارشناسان اقتصادی در می‌یابیم که کاربردهای هوش مصنوعی در موضوع اقتصاد عبارتست از شبکه‌های عصبی، یادگیری عمیق، یادگیری ماشین، رگرسیون چندگانه، مدل‌های مارکف و ….
یکی از زیرمجموعه‌های مهم کاربردهای هوش مصنوعی که با استفاده از پردازش و تحلیل داده‌های موجود انجام می‌شود ، پیش‌بینی وقوع اتفاقات در آینده نه چندان دور است. این موضوع در زمینه‌های مختلف و مهم مثل سیاست و اقتصاد می‌تواند بسیار هوشمندانه و در عین حال کمک کننده باشد.
در بیان اهمیت این موضوع آقای ولادیمیر پوتین رئیس جمهور فعلی کشور پهناور روسیه بیان می‌کند که «هر كسي رهبر اين حوزه شود تبديل به حاكم جهان خواهد شد ».
تکنولوژی‌های مرتبط و زیرمجموعه‌های هوش مصنوعی
با مطالعه منابع موثق این حوزه درمی‌یابیم که تکنولوژی‌های مرتبط با هوش مصنوعی و زیرمجموعه‌های آن‌ها رشد قابل توجهی در بازدهی و استاندارد در زمینه‌های مختلف در زندگی بشر داشته‌اند که توسعه و گسترش هر روزه‌ی آن کمک بیشتری به رفاه و راحتی زندگی انسان‌ها می‌کند.
شاید فکر کنید که کاربردها و ویژگی‌ها و خدماتی که این تکنولوژی برای آدم‌ها دارد فقط منوط به جوانب مختلف علوم کامپیوتر است در صورتی که شواهد و مطالعات نشان می‌دهد که کاربردهای هوش مصنوعی (AI) در زمینه‌هایی به غیر از علوم کامپیوتر بسیار بیشتر و مفیدتر و کاربردی‌تر است و توانسته در زمینه‌های بسیاری کمک‌های قابل توجه و زیادی را به بشر اهدا کند. یکی از این زمینه‌ها موضوع اقتصاد به خصوص در اندازه و حجم بسیار بزرگ است چون به هر حال عملکردهای انسانی دارای خطا و اشتباهات اجتناب‌ناپذیری است که این فناوری توانسته با حذف این خطاها و اشتباهات و سرعت بخشیدن به فرآیندهای مربوط به آن که شامل جمع‌آوری اطلاعات و تجزیه و تحلیل داده‌ها و سپس یادگیری ماشین با توجه به این دیتای آنالیز شده است، نتایج جالب و مفیدی را در پی داشته باشد.
همچنین با نظر به اقتصادهای بزرگ و کلان جوامع پیشرفته متوجه می‌شویم اقتصاددان‌های این جوامع با بهره‌گیری از کاربردهای بسیار زیاد این فناوری توانسته‌اند تا حد زیاد نه تنها برای مشکلات اقتصادی راه‌حل و پیشنهاد ارائه کنند بلکه با مطالعه الگوهای پیش‌رونده در گذشته متوجه می‌شویم که یادگیری ماشین برای سالیان آینده هم می‌تواند برنامه و طرح‌های احتمالی مفیدی داشته باشد.
دانش‌های زیرمجموعه این حوزه شامل منطق نمادی، علم رباتیک و همچنین یادگیری ماشین است البته در زمینه یادگیری ماشین با توجه به نتایج بسیار تاثیرگذار آن تمرکز بیشتری شده است.
اما جالب است که به تازگی پژوهش‌ها و مطالعاتی در این حوزه انجام شده است که نشان می‌دهد همیشه الگوها و پیشینه‌های گذشته و تاریخی نمی‌توانند مفید باشند و زمینه یادگیری ماشین باید و بهتر است که با دیگر تکنولوژی‌ها و فناوری‌ها ترکیب شود تا بتواند نتایج بسیار مفیدی را به دنبال داشته باشد.
سیاست‌هایی برای گسترش فناوری هوش مصنوعی
سیاست‌های موجود در این حوزه در مورد زمینه‌های سرعت انتشار، بهبود کیفی، جامعیت دادن و … است که برای توسعه و گسترش هوش مصنوعی سیاست‌های دیگری مثل حفظ حریم خصوصی افراد و سازمان‌ها، مسئولیت حفظ و نگهداری دیتا و اطلاعات و … مانع می‌شوند.
به این موضوع توجه کنید که دیتا و اطلاعات پایه‌‌ی اصلی تکنولوژی هوش مصنوعی و زیرمجموعه‌های آن است و دریافت و استفاده این اطلاعات از افراد و یا از سازمان‌ها کاری بسیار دشوار و چالش برانگیز است زیرا موضوع نقض حریم خصوصی چه برای افراد حقیقی و چه حقوقی پیش می‌آید به همین دلیل گاهی مانع فعالیت در این زمینه می‌شود. موضوع دیگر این است که دیتا ممکن است حاوی اطلاعات و دانش بسیار زیادی باشد که موضوعات امنیتی را دچار اختلال و مشکل کند.
همچنین وقتی صحبت از تاثیر هوش مصنوعی در مقیاس بزرگ مثل اقتصادهای بزرگ و کلان می‌شود صحبت از اطلاعات و دیتای مردم یک کشور و جامعه است و نگهداری و حفظ این اطلاعات خود معقوله‌ای بسیار پیشرفته و هزینه بر است که گاهی رشد این فناوری و تکنولوژی را با مشکل مواجه می‌کند.
اين موضوع باعث نگراني هاي امنيتي مي‌شود. در اين باره به سه دليل «حريم خصوصي»، چالش برانگيز است: «ذخيره سازي ارزان» به اين مفهوم كه داده‌ها به مدت طولاني تر نسبت به توليد داده‌ها توسط شخص باقي مي‌مانند. «وضعيت غيررقابتي» به اين مفهوم كه داده ها ممكن است در مواردي غير از موضوع اصلي توليدشده مورد استفاده قرار گيرند.
اثرات خارجي به اين مفهوم كه توليد اطلاعات وارده در مورد يك نفر شامل اطلاعات و داده‌هاي ديگري نيز مي‌شود. بنابراين جمع‌آوري و استفاده از اطلاعات ممكن است به افرادي كه از جمع‌آوري و استفاده از اطلاعات و داده ها آگاهي نداشته باشند زيان وارد كند. بنابراين همانطور كه جمع‌آوري و استفاده از آمارها بهبود يافته است، سياستگذار بايد توجه بيشتري به قواعد و مقررات جمع‌آوري و ذخيره‌سازي و استفاده از داده‌ها كند. در فعاليت‌هاي داده‌محور مقررات حفظ حريم خصوصي بر نرخ و ميزان و جهت نوآوري موثر است. حفاظت كم از حريم خصوصي، به اين مفهوم است كه مصرف‌كننده ممكن است به شكل ناخواسته در مبادلات بازار مشاركت كند كه داده‌ها و اطلاعات آن به او آسيب وارد كند. مقررات حفاظت از حريم خصوصي ديگران نيز به اين مفهوم است كه بنگاه‌ها از داده‌ها براي نوآوري نمي‌توانند استفاده كنند.
