یک مطالعه جدید توسط بانک تسویههای بینالمللی (BIS) که کاربرد ابزارهای هوش مصنوعی (AI) توسط بانکهای مرکزی را بررسی میکند، به تنظیمکنندگان بانکی در مورد خطرات ذاتی مرتبط با فناوری نوظهور هشدار داده است. گزارشی با عنوان «هوش مصنوعی در بانکداری مرکزی» به موارد استفاده و خطرات مدل های زبان بزرگ (LLM) برای بانک های مرکزی جهانی می پردازد. بانکهای مرکزی که بهعنوان پذیرندههای اولیه توصیف میشوند، قبل از اینکه در اواخر سال 2022 در کانون توجه قرار گیرند، برای تجزیه و تحلیل به مدلهای هوش مصنوعی تکیه کردهاند. از نظر کاربرد، اکثر بانکهای مرکزی برای جمعآوری اطلاعات به مدلهای هوش مصنوعی متکی هستند، با پیچیدگی دادههای مدرن که تلاش انسان را تقریباً منسوخ میکند. مدلهای هوش مصنوعی به طور فزایندهای برای نمونهگیری دادهها، تمیز کردن و تطبیق اطلاعات با منابع موجود استفاده میشوند، زیرا بانکهای مرکزی از تکنیکهای یادگیری ماشینی اثبات شده برای عملیات خود استفاده میکنند. بانک های مرکزی برای تصمیم گیری در مورد سیاست های پولی به تحلیل های مالی مبتنی بر هوش مصنوعی روی می آورند. با استفاده از شبکههای عصبی و مدلهای تصادفی جنگل، بانکهای مرکزی میتوانند به دادههای زمان واقعی برای انتظارات تورمی دسترسی داشته باشند و از طریق اسکن پستهای رسانههای اجتماعی، بازخوردی در مورد اثربخشی سیاستهای پولی دریافت کنند. در این گزارش آمده است: غربال کردن این انبوه اطلاعات برای استخراج بینشهای مرتبط میتواند زمانبر باشد و با حجم روزافزون دادهها تقریباً غیرقابل عبور میشود نشان داده شده است که چندین تنظیم کننده بانکی از LLM برای خلاصه کردن گزارش های مالی و اخبار برای پیگیری روندهای اقتصادی و تفسیر مصاحبه با مدیران تجاری و کارشناسان بازار استفاده می کنند. مدلهای زبان بانک مرکزی (CB-LM) که توسط BIS طراحی شدهاند، واکنشهای مربوط به اعلامیههای مربوط به سیاستهای پولی را با موفقیت پیشبینی کردهاند. موارد استفاده دیگر شامل استقرار سیستم های هوش مصنوعی برای نظارت و نظارت بر سیستم های پرداخت است. سیستمهای هوش مصنوعی در شناسایی تراکنشهای مالی نامنظم مهارت نشان دادهاند، روندی کلیدی که برای خفه کردن پولشویی و حملات سایبری در مسیرشان ضروری است. بانک مرکزی برزیل اخیراً ADAM را ارائه کرده است، یک مدل طبقه بندی که وام گیرندگانی را که احتمالاً وام های خود به طلبکاران را نکول می کنند، پیش بینی می کند. سایر رگولاتورهای بانکی در پاسخ به راه اندازی ارز دیجیتال بانک مرکزی (CBDC) به سیستم های هوش مصنوعی روی می آورند تا رفتارهای مصرف کنندگان را پیش بینی کنند. ریسک های پیش روی بانک مرکزی با هوش مصنوعی، خطرات ذاتی خروجی های آکنده از سوگیری ناشی از مجموعه داده های مورد استفاده برای آموزش مدل ها وجود دارد. مدلهای هوش مصنوعی مولد با یک مشکل توهم حتی تیرهتر مواجه هستند که برای کاهش احتمال خطا به نظارت انسان نیاز دارند. در کوتاهمدت، بانکهای مرکزی موظف به تجهیز کارکنان به مجموعههای مهارتهای جدید هوش مصنوعی خواهند بود تا بتوانند سیستمهای هوش مصنوعی را در جریان کاری خود به کار گیرند. با این حال، پیشبینی میشود که بانکهای مرکزی با رقابت سختی از سوی شرکتهای مالی خصوصی برای کارمندان با مجموعههای مهارتهای پیشرفته هوش مصنوعی، با توجه به تفاوت بین حقوق بخش خصوصی و موسسات دولتی، مواجه شوند. برای اینکه هوش مصنوعی (AI) به درستی در چارچوب قانون کار کند و در مواجهه با چالشهای فزاینده پیشرفت کند، باید یک سیستم بلاک چین سازمانی را ادغام کند که کیفیت ورودی دادهها و مالکیت را تضمین میکند و به آن اجازه میدهد دادهها را ایمن نگه دارد و در عین حال تغییر ناپذیری را تضمین کند. از داده ها پوشش CoinGeek در مورد این فناوری نوظهور را بررسی کنید تا بیشتر بدانید چرا بلاکچین Enterprise ستون فقرات هوش مصنوعی خواهد بود.