فریبا نوروزی، عضو انجمن حسابداران خبره ایران در یادداشتی برای بیدار بورس نوشت:

یکی از مهمترین‌ترین چالش‌های انتخاباتی کاندیداها رفع معضل فیلترینگ و دسترسی به اینترنت پرسرعت بود. فیلترینگ اگر چه منبعث از اعمال مسائل سیاسی بوده اما خسارات قابل توجهی به اقتصاد وارد کرده که درصورت عدم رفع فلیترینگ و دسترسی آزاد به اینترنت جامعه اقتصادی کشور از دست‌یابی به تجربیات تکنولوژیکی مبتنی بر هوش مصنوعی محروم و نمی‌توان این تکنولوژی را در خدمت توسعه اقتصادی بکاربرد.

هوش مصنوعی « Artificial Intelligence= AI » شاخه‌ای از علوم کامپیوتر است که به توسعه سیستم‌ها و الگوریتم‌هایی می‌پردازد که می‌توانند وظایف مشابه با هوش انسانی را انجام دهند. این سیستم‌ها قادر به یادگیری، تفکر، تصمیم‌گیری، و درک زبان هستند. بنیاد هوش مصنوعی بر الگوریتم قراردارد. الگوریتم یک مجموعه دقیق از دستورالعمل‌ها یا مراحل است که برای حل یک مسئله خاص یا انجام یک وظیفه مشخص طراحی شده است. به عبارت دیگر، الگوریتم‌ها راهنمایی‌های گام به گام هستند که به یک کامپیوتر یا سیستم اجازه می‌دهند تا عملیات خاصی را انجام دهد.

ویژگی‌های اصلی الگوریتم‌ها عبارتند از:

۱. دقت: هر مرحله از الگوریتم باید واضح و مشخص باشد.

۲. فراگیری: الگوریتم باید برای مجموعه‌ای از ورودی‌ها کار کند و قادر به تولید خروجی‌های مناسب باشد.

۳. پایانی: الگوریتم باید در یک نقطه مشخص پایان یابد و نتیجه‌ای ارائه دهد.

۴. قابل اجرا: الگوریتم باید به گونه‌ای طراحی شود که بتوان آن را به صورت عملی بر روی یک کامپیوتر اجرا کرد.

الگوریتم‌ها در زمینه‌های مختلفی از جمله برنامه‌نویسی، علم داده، هوش مصنوعی و ریاضیات استفاده می‌شوند و انواع مختلفی دارند، از جمله الگوریتم‌های جستجو، مرتب‌سازی، یادگیری ماشین و بهینه‌سازی. الگوریتم‌ها در هوش مصنوعی نقش بسیار مهمی دارند، زیرا آنها دستورالعمل‌ها و مراحل لازم برای پردازش داده‌ها و انجام وظایف مختلف را تعریف می‌کنند.استفاده ازهوش مصنوعی و الگوریتم‌ها تأثیر عمیقی بر صنعت بیمه تا سال ۲۰۵۰ خواهد داشت. اتوماسیون فرآیندهای دستی مانند ارزیابی ریسک و مدیریت خسارت‌ها از مهم‌ترین تغییرات است. الگوریتم‌های یادگیری ماشین می‌توانند الگوهای پیچیده‌تری را شناسایی کرده و دقت در قیمت‌گذاری و کاهش تقلب را افزایش دهند. همچنین، ربات‌های چت و دستیارهای مجازی می‌توانند تجربه مشتری را بهبود بخشند. داده‌کاوی پیشرفته امکان پیش‌بینی دقیق‌تر ریسک‌ها را فراهم کرده و بیمه‌های شخصی‌سازی‌شده مبتنی بر رفتار فردی رایج‌تر خواهند شد.

برآوردهای موسسات بین اللملی تاکیددارد که هوش مصنوعی صنعت بیمه تا سال ۲۰۵۰ به طور عمیقی متحول خواهدساخت. پیش‌بینی می‌شود هوش مصنوعی مولد، با استفاده از مدل‌های زبان بزرگ (LLMs) و تکنیک‌های پردازش زبان طبیعی (NLP)، به تغییرات ساختاری در این صنعت منجر خواهد شد. برخی از این تغییرات به شرح زیر است:

۱. خودکارسازی فرایندهای پیچیده: بیمه‌گران می‌توانند فرآیندهای مرتبط با ارزیابی ریسک، پردازش خسارت‌ها، و پیش‌بینی رفتار مشتری را به طور خودکار انجام دهند که باعث کاهش هزینه‌ها و افزایش سرعت می‌شود.

۲. شخصی‌سازی محصولات بیمه‌ای: هوش مصنوعی با تحلیل داده‌های عظیم می‌تواند محصولات بیمه‌ای را بر اساس نیازهای فردی و الگوهای رفتاری مشتریان شخصی‌سازی کند. این به شرکت‌ها اجازه می‌دهد تا پیشنهادهای دقیق‌تری را به مشتریان ارائه دهند.

۳. کاهش تقلب و ریسک: سیستم‌های مبتنی بر AI می‌توانند الگوهای تقلب را تشخیص دهند و از خطرات احتمالی جلوگیری کنند، که باعث کاهش هزینه‌های بیمه‌گر و افزایش اعتماد مشتریان می‌شود.

۴. بهبود خدمات مشتری: از طریق چت‌بات‌های هوشمند و دستیارهای مجازی، پاسخگویی به سوالات مشتریان سریع‌تر و کارآمدتر خواهد شد. این تکنولوژی‌ها می‌توانند به صورت ۲۴ ساعته پشتیبانی و سوالات پیچیده را پاسخ دهند.

علاوه بر این ازطریق مدیریت انطباق با مقررات پیچیده نیز از طریق تحلیل اسناد قانونی و بررسی خودکار بهبود قابل ملاحظه‌ای خواهد یافت. بررسی های اخیر نشان داده که استفاده از هوش مصنوعی راهگشای پنج مشکل کلیدی صنعت بیمه بشرح زیراست:

۱-آشفتگی داده‌ها: مدیریت و سازماندهی داده‌ها به چالش اصلی شرکت‌های بیمه تبدیل شده است. داده‌های پراکنده و متعدد، روند پردازش و تحلیل را پیچیده می‌کند. با استفاده از هوش مصنوعی و تحلیل داده‌ها این آشفتگی سامان خواهد یافت.

۲-ریسک‌های دیجیتال پنهان: افزایش استفاده از فناوری‌های دیجیتال می‌تواند باعث افزایش خطراتی مانند تقلب و سرقت هویت شود. بیمه‌گران باید برای مقابله با این تهدیدات آماده باشند.

۳-انتخاب ریسک معکوس: مشکل همیشگی بیمه‌گران این است که برخی افراد یا کسب‌وکارها علیرغم آن که ریسک بیشتری دارند، اما با استفاده از روش‌های پیچیده‌تری وارد سیستم می‌شوند تا تحت پوشش بیمه قرار بگیرند.هوش مصنوعی با تفکیک مشتریان و تحلیل داده‌های آنان اجازه این پنهان‌کاری را به این افراد نمی‌دهد.

۴-تمرکز بیش از حد بر جبران خسارت: بیمه‌گران باید به جای تمرکز صرف بر جبران خسارت، به پیش‌بینی و پیشگیری از ضررها توجه کنند.با استفاده از هوش مصنوعی و دستورالعمل‌های آنلاین درجلوگیری از خسارات اقدامات خاص بعمل خواهدآمد.

۵-سیاست‌های زیست‌ محیطی، اجتماعی و حاکمیتی (ESG): شرکت‌های بیمه باید با توجه به تغییرات آب و هوایی و دیگر مسائل اجتماعی، سیاست‌های جدیدی را اتخاذ کنند تا بتوانند نقش موثری در جامعه ایفا کنند.

به طور کلی، نقش الگوریتم‌ها در هوش مصنوعی عبارت است از:

۱. یادگیری از داده‌ها: الگوریتم‌ها به سیستم‌های هوش مصنوعی این امکان را می‌دهند که از داده‌ها یاد بگیرند و الگوها را شناسایی کنند. به عنوان مثال، الگوریتم‌های یادگیری ماشین به مدل‌ها کمک می‌کنند تا از تجربیات گذشته خود استفاده کنند.

۲. تصمیم‌گیری: الگوریتم‌ها می‌توانند در فرآیندهای تصمیم‌گیری خودکار به کار گرفته شوند. این امر به سیستم‌های هوش مصنوعی اجازه می‌دهد تا براساس داده‌های ورودی، تصمیمات مناسبی اتخاذ کنند.

۳. پردازش و تحلیل داده: الگوریتم‌ها ابزارهایی برای پردازش و تحلیل داده‌ها ارائه می‌دهند، که به شناسایی الگوها، پیش‌بینی نتایج و ایجاد بینش‌های جدید کمک می‌کند.

۴. بهینه‌سازی: در بسیاری از کاربردهای هوش مصنوعی، الگوریتم‌ها بهینه‌سازی راه‌حل‌ها را تسهیل می‌کنند، به ویژه در مسائل پیچیده که نیاز به جستجوی بهترین راه‌حل دارند.

۵. تعامل با محیط: در سیستم‌های یادگیری تقویتی، الگوریتم‌ها به مدل‌ها اجازه می‌دهند تا از طریق تعامل با محیط و یادگیری از نتایج اقدامات خود، بهینه‌سازی کنند.به طور کلی، الگوریتم‌ها پایه و اساس تمامی سیستم‌های هوش مصنوعی را تشکیل می‌دهند و تعیین‌کننده کارایی و دقت آنها هستند.تفاوت‌های اصلی بین هوش انسان و هوش مصنوعی عبارتند از:

۱. آگاهی و خودآگاهی: انسان‌ها دارای آگاهی و خودآگاهی هستند و می‌توانند تجربه‌های خود را درک کنند. هوش مصنوعی فاقد این ویژگی‌هاست و فقط بر اساس داده‌ها عمل می‌کند.

۲. احساسات: انسان‌ها احساساتی مانند عشق، شادی، غم و خشم دارند. هوش مصنوعی نمی‌تواند احساسات واقعی را تجربه کند، بلکه فقط می‌تواند به الگوهای احساسات پاسخ دهد.

۳. خلاقیت: انسان‌ها توانایی خلق ایده‌های جدید و ابتکاری را دارند. هوش مصنوعی می‌تواند الگوهای خلاقانه را شبیه‌سازی کند، اما در واقع خلاقیت عمیق انسانی را ندارد.

۴. تجربه و یادگیری: انسان‌ها از تجربیات گذشته خود یاد می‌گیرند و می‌توانند به شکل پیچیده‌تری از موقعیت‌ها پاسخ دهند. هوش مصنوعی یادگیری خود را بر اساس داده‌ها و الگوریتم‌ها محدود کرده است.

۵. قضاوت و اخلاق: انسان‌ها می‌توانند در مورد مسائل اخلاقی و اجتماعی قضاوت کنند، در حالی که هوش مصنوعی فاقد درک عمیق از مفاهیم اخلاقی است و فقط می‌تواند بر اساس معیارهای از پیش تعیین ‌شده عمل کند. این تفاوت‌ها باعث می‌شود که هوش انسان و هوش مصنوعی هرکدام در زمینه‌های خاصی قوی‌تر باشند.

آیا هوش مصنوعی قادر به یادگیری هستند؟

بله، هوش مصنوعی قادر به یادگیری است، اما نوع یادگیری آن متفاوت از یادگیری انسانی است. هوش مصنوعی معمولاً از طریق الگوریتم‌های یادگیری ماشین و یادگیری عمیق عمل می‌کند. این الگوریتم‌ها به سیستم‌ها اجازه می‌دهند تا از داده‌ها الگوها را شناسایی کرده و بر اساس آن‌ها پیش‌بینی یا تصمیم‌گیری کنند.

 جهان تکنولوژی در تکامل خود در حال حاضر ابزارگفتگوئی به نام « Chat GPP »را ارائه نموده است.

به طور خلاصه، ChatGPT یک پیاده‌سازی عملی از هوش مصنوعی است که به کاربران این امکان را می‌دهد تا با یک سیستم هوشمند به صورت طبیعی و معنادار تعامل داشته باشند. ترکیب واژه « Chat Generative Pre-trained Transformer" = ChatGPT شامل « Chat » به معنی مکالمه یا گفتگو و « Generative » به معنای تولیدکننده یا مدلی که می‌تواند متن جدیدی تولید کند، و« Pre-trained » یعنی مدلی که قبلاً بر روی یک مجموعه داده بزرگ آموزش دیده تا قابلیت‌های زبانی خود را توسعه ده و « Transformer » یعنی نوعی از معماری شبکه‌های عصبی که برای پردازش زبان طبیعی استفاده می‌شود و به طور خاص در مدل‌های زبانی بزرگ مانند ChatGPT به کار می‌رود، می باشد. بطور خلاصه « ChatGPT » به یک سیستم هوش مصنوعی اشاره دارد که برای مکالمات طبیعی طراحی شده و می‌تواند به سوالات پاسخ دهد و متون جدیدی تولید کند. با این توضیحات می توان گفت« ChatGPT » یک نمونه خاص از هوش مصنوعی است که بر پایه مدل‌های زبانی بزرگ« Large Language Models » ساخته شده که این مدل‌ها با استفاده از تکنیک‌های یادگیری عمیق « Deep Learning » آموزش می‌بینند و قادر به تولید متن، پاسخ به سوالات، و تعامل با کاربران به صورت طبیعی هستند.

رابطه ChatGPT و هوش مصنوعی به شرح زیر است:

۱. مدل زبانی: ChatGPT بر اساس الگوریتم‌های یادگیری ماشین و مدل‌های زبان مانند Transformer ساخته شده است. این مدل‌ها با استفاده از داده‌های متنی بزرگ آموزش می‌بینند تا الگوهای زبان را شناسایی کنند.

۲. تعامل طبیعی: ChatGPT توانایی ایجاد مکالمات طبیعی و پاسخگویی به سوالات را دارد. این ویژگی به واسطه یادگیری از تعاملات انسانی و درک زمینه‌های مختلف به دست آمده است.

۳. کاربردهای مختلف: ChatGPT می‌تواند در زمینه‌های مختلفی مانند پشتیبانی مشتری، تولید محتوا، آموزش و مشاوره استفاده شود. این کاربردها به هوش مصنوعی کمک می‌کند تا در زندگی روزمره و کسب‌وکارها موثرتر باشد.

۴. ادغام با فناوری‌های دیگر: ChatGPT می‌تواند با دیگر تکنولوژی‌های هوش مصنوعی مانند سیستم‌های تشخیص صدا یا بینایی کامپیوتری ترکیب شود تا تجربیات تعاملی پیچیده‌تری ایجاد کند.