Web Analytics Made Easy - Statcounter

در گذشته، بانک‌ها برای اتخاذ تصمیمات موثر و بدون اشتباه در اعتبار، ناگزیر بودند تا به مدل‌ها و نظر کارشناسان اعتماد کنند اما امروزه شاهد آن هستیم که به دلیل گسترش و پیچیدگی مدل‌ها، پارامترها و حتی رفتارهای انسانی، دیگر چنین رویکردی کارایی لازم را ندارد و رفته رفته منسوخ شده است.

امروزه از فرآیند اعتبارسنجی به منظور ارزیابی مشتریان و اختصاص امتیاز اعتباری به آنان استفاده می‌شود اما اعتبارسنجی متداولی که در حال حاضر مورد استفاده قرار می‌گیرد نیز نارسایی‌هایی دارد که در عدم حصول نتیجه بهینه تأثیرگذار است.

بیشتر بخوانید: اخباری که در وبسایت منتشر نمی‌شوند!

در فرآیند اعتبارسنجی رایج به دلیل اینکه از مدل‌های خطی لوجیت و نیز داده‌های سنتی استفاده می‌شود، تمامی متغیرها و روابط میان آن‌ها درنظر گرفته نمی‌شود که این مسئله سبب ایجاد خطا شده و برای بانک‌ها و سایر نهادهای مالی و اعتباری ریسک‌های متعددی را به همراه دارد. به همین دلیل ضرورت به کارگیری روش و یا مدلی که تمام متغیرها و روابط میان آن‌ها را با تمام پیچیدگی‌ها و در هم تنیدگی‌ها در نتایج خود منعکس کند، نیاز روز تمام بانک‌ها و موسسات و نهادهای مالی و اعتباری است. اعتبارسنجی با استفاده از هوش مصنوعی متدی است که اکنون در سراسر جهان به عنوان روشی موثر، بهینه و منحصربفرد در شناخت متقاضیان واجد شرایط با قبول کمترین ریسک به کار گرفته می‌شود.

در اعتبارسنجی  و گزارش اعتباری با استفاده از هوش مصنوعی، از انواع مدل‌های غیرخطی، پارامترها و اطلاعات سنتی و غیرسنتی برای ارزیابی وام‌گیرندگان استفاده می‌شود و مهم‌ترین تکنیک در هوش مصنوعی استفاده از یادگیری ماشین است که دامنه افراد مورد بررسی را گسترش می‌دهد. با استفاده از تکنیک یادگیری ماشین، امکان تخمین ضرر و زیان وارده به سیستم مالی در اثر رفتار افرادی که حتی سابقه اعتباری طولانی مدتی نیز ندارند امکان‌پذیر می‌شود در صورتی که در اعتبارسنجی متداول گذشته چنین امکانی وجود نداشت و تنها افرادی که سابقه اعتباری بلندمدتی داشتند در ارزیابی‌ها دخیل بودند زیرا اطلاعات نسبتاً کاملی از سوابق آنها با توجه به مدت اعتبار وجود داشت.

مزایای استفاده از اعتبارسنجی بر پایه هوش مصنوعی: استفاده از اطلاعات بیشتر و عمیق‌تر

 بی‌شک بزرگترین مزیت اعتبارسنجی مبتنی بر هوش مصنوعی در نظر گرفتن تمام متغیرهای پنهانی است که با استفاده از اعتبارسنجی متداول امکان پی بردن به آنها وجود نداشته است. در اعتبارسنجی با استفاده از هوش مصنوعی گستره وسیع و عمیقی از پارامترها و اطلاعات غیررسمی برای ارزیابی افراد مورد بررسی قرار می‌گیرند. به عنوان مثال هوش مصنوعی می‌تواند علاوه بر اطلاعات رسمی همچون سطح دستمزد و درآمد، از طریق اطلاعات غیررسمی مانند داده‌های شبکه‌های اجتماعی و تلفن همراه نیز رفتار اعتباری و سلامت اعتباری افراد را مورد ارزیابی قرار می‌دهد.

2- قابلیت استفاده از قوانین پیچیده

 در سیستم اعتبارسنجی متداول گذشته، تنها امکان طرح‌ریزی قوانین ساده وجود داشته است در صورتی که اعتبارسنجی مبتنی بر هوش مصنوعی قابلیت گنجایش و پردازش قوانین بسیار پیچیده را نیز دارد.

3- فرآیند پیش‌بینی

 در اعتبارسنجی رایج، سیستم موردنظر براساس داده‌های تاریخی اقدام به فرضیه‌سازی نموده و آزمون‌هایی را برای تعیین شایستگی افراد در نظر می‌گیرد. در صورتی که در اعتبارسنجی بر پایه هوش مصنوعی، تمام اطلاعات و داده‌ها مستقلاً مورد تجزیه و تحلیل قرار گرفته و پیش‌بینی‌ها نیز متناسب با عمق اطلاعات و جزئیات است.

4- قابلیت تطابق:

دیر یا زود، مدل‌های اعتبارسنجی سنتی به دلیل نواقصی که دارد کاملاً منسوخ می‌شوند و مقدار زیادی پول و زمان برای تطابق آنها با زمان جدید صرف خواهد شد. در صورتی که اعتبارسنجی بر پایه هوش مصنوعی از این نظر کاملاً پویا بوده و می‌تواند به سرعت خود را با شرایط جدید تطبیق دهد. همچنین در صورت استفاده از داده‌های جایگزین، زمان و هزینه کمتری برای ایجاد مدل‌های جانشین صرف خواهد شد.

5- دقت و تمرکز بیشتر:

 در روش اعتبارسنجی سنتی متغرهایی که برای ارزیابی افراد مورد استفاده قرار می‌گیرند، بسیار کلی هستند که جزئیات بیشتر را در اختیار تحلیل‌گر قرار نمی‌دهند؛ در حالی که در اعتبارسنجی مبتنی بر هوش مصنوعی، به جزئیات و تفاوت‌های رفتار افراد نیز توجه می‌شود و همین منجر می‌شود تا بتوان مشتریان را براساس نیازهای آنان و محصولات و خدمات بانک‌ها و موسسات مالی و اعتباری طبقه‌بندی نمود. دستیابی به طبقه‌بندی در نهایت باعث قیمت‌گذاری مناسب محصولات و خدمات و بدنبال آن، ارائه خدمات بهینه به مشتریان می‌شود.

6- سرعت بیشتر

با استفاده از هوش مصنوعی، حجم بسیار زیادی از پرونده‌های اعتبارسنجی با استفاده از منبع عظیمی از اطلاعات در نهایت سرعت، دقت و کیفیت مورد ارزیابی قرار می‌گیرند. در صورتی که در اعتبارسنجی متداول، پردازش اطلاعات و حصول نتیجه‌ نیازمند زمان بیشتری است.

نتیجه‌گیری

با توجه به تمام مزایایی که برای استفاده از اعتبارسنجی مبتنی بر هوش مصنوعی برشمرده شد، از آن‌جایی که جمعیت زیادی از مردم در دنیا وجود دارند که نیاز به اعتبارات داشته و منابع بانک‌ها نیز برای اعطای تسهیلات محدود است، اعتبارسنجی با استفاده از هوش مصنوعی می‌تواند مشتریان بالقوه را در کمترین زمان و بالاترین دقت شناسایی کند و در عین حال ریسک‌ اعتباری یک نهاد مالی را نیز به حداقل برساند.

پربیننده ترین فوری/ توصیه مهم ثبت نام ایران خودرو پراید ۱۲۹میلیون شد/جدیدترین قیمت ساینا، کوییک و تیبا در بازار قیمت دلار ۲۷ بهمن ماه ۱۳۹۹ قیمت دلار ۲۸ بهمن ماه ۱۳۹۹ قیمت خودرو دنا در تهران +جدول

منبع: اقتصاد آنلاین

کلیدواژه: هوش مصنوعی اعتبارسنجی با استفاده استفاده از هوش مصنوعی استفاده از اعتبارسنجی بانک ها داده ها مدل ها

درخواست حذف خبر:

«خبربان» یک خبرخوان هوشمند و خودکار است و این خبر را به‌طور اتوماتیک از وبسایت www.eghtesadonline.com دریافت کرده‌است، لذا منبع این خبر، وبسایت «اقتصاد آنلاین» بوده و سایت «خبربان» مسئولیتی در قبال محتوای آن ندارد. چنانچه درخواست حذف این خبر را دارید، کد ۳۱۰۴۶۲۷۵ را به همراه موضوع به شماره ۱۰۰۰۱۵۷۰ پیامک فرمایید. لطفاً در صورتی‌که در مورد این خبر، نظر یا سئوالی دارید، با منبع خبر (اینجا) ارتباط برقرار نمایید.

با استناد به ماده ۷۴ قانون تجارت الکترونیک مصوب ۱۳۸۲/۱۰/۱۷ مجلس شورای اسلامی و با عنایت به اینکه سایت «خبربان» مصداق بستر مبادلات الکترونیکی متنی، صوتی و تصویر است، مسئولیت نقض حقوق تصریح شده مولفان در قانون فوق از قبیل تکثیر، اجرا و توزیع و یا هر گونه محتوی خلاف قوانین کشور ایران بر عهده منبع خبر و کاربران است.

خبر بعدی:

مهندس سابق گوگل با ۱۴ فقره اتهام سرقت اسرار هوش مصنوعی مواجه شد

یکی از مهندسان سابق گوگل به جرم سرقت اسرار تجاری هوش مصنوعی و فروش آن به شرکت‌های چینی تحت تعقیب قرار گرفت.

به گزارش تک‌ناک، دادستان‌های ایالات متحده دیروز (۴ فوریه) کیفرخواستی گسترده علیه لین‌وی دینگ، مهندس سابق نرم‌افزار گوگل، صادر کردند که شامل ۱۴ مورد اتهام مرتبط با سرقت اسرار تجاری هوش مصنوعی و جاسوسی اقتصادی است. این مهندس چینی متهم است که اطلاعات محرمانه مرتبط با هوش مصنوعی گوگل را به‌نفع دو شرکت فناوری چینی که مخفیانه برای آن‌ها کار می‌کرد، به سرقت برده است.

فهرست مطالب

اتهامات و مجازات‌های احتمالیسرقت اطلاعات مهم از گوگلفرایند سرقت و ارتباط با شرکت‌های چینینقش نیروی ضربتی فناوری مخرب در تحقیقاتاتهامات و مجازات‌های احتمالی

براساس اعلام وزارت دادگستری ایالات متحده، هیئت‌منصفه فدرال در سان‌فرانسیسکو این مهندس چینی ۳۸ ساله را به هفت فقره جاسوسی اقتصادی و هفت فقره سرقت اسرار تجاری هوش مصنوعی متهم کرده است. طبق قوانین فدرال، هر فقره جاسوسی اقتصادی می‌تواند مجازاتی تا ۱۵ سال زندان و ۵ میلیون دلار جریمه در پی داشته باشد. درمقابل، سرقت اسرار تجاری با حداکثر ۱۰ سال حبس و ۲۵۰ هزار دلار جریمه نقدی همراه است.

لین‌وی دینگ، مهندس سابق نرم‌افزار گوگل، در مارس گذشته به چهار مورد سرقت اسرار تجاری متهم شده بود و درحال‌حاضر با قرار وثیقه آزاد است. تاکنون، وکلای وی به این اتهامات واکنشی نشان نداده‌اند.

سرقت اطلاعات مهم از گوگل

طبق اسناد دادگاه، لین‌وی دینگ از اطلاعات زیرساخت سخت‌افزاری و پلتفرم نرم‌افزاری گوگل که برای آموزش مدل‌های هوش مصنوعی در مراکز داده این شرکت مورد استفاده قرار می‌گیرد. این اطلاعات شامل طراحی تراشه‌های اختصاصی گوگل بوده که به این شرکت کمک می‌کرد تا وابستگی کمتری به پردازنده‌های انویدیا داشته باشد و بتواند با آمازون و مایکروسافت رقابت کند که خود در حال توسعه تراشه‌های پیشرفته هستند.

فرایند سرقت و ارتباط با شرکت‌های چینی

اسناد ارائه‌شده دادستانی نشان می‌دهد که دینگ در می ۲۰۱۹ به استخدام گوگل درآمد؛ اما سه سال بعد، در سال ۲۰۲۲ شروع به انتقال اطلاعات محرمانه کرد. در آن زمان، وی در حال مذاکره برای پیوستن به یکی از شرکت‌های فناوری چینی بود. در می ۲۰۲۳، وی بیش از ۱,۰۰۰ فایل محرمانه را بارگذاری و سپس پاورپوینتی را برای کارکنان استارتاپی ارسال کرد که در چین تأسیس کرده بود. در این ارائه، وی به سیاست‌های حمایتی دولت چین از توسعه صنعت هوش مصنوعی داخلی اشاره کرده است.

نقش نیروی ضربتی فناوری مخرب در تحقیقات

رویترز می‌نویسد که این پرونده با هدایت نیروی ضربتی فناوری مخرب بررسی شده است که در سال ۲۰۲۳ ، دولت بایدن آن را تأسیس کرد. هدف از این نهاد جلوگیری از دستیابی کشورهای رقیب مانند چین و روسیه، به فناوری‌های پیشرفته‌ای است که می‌توانند امنیت ملی ایالات متحده را تهدید کنند. گوگل به‌عنوان شاکی در این پرونده شناخته نمی‌شود و اعلام کرده است که با مقام‌های قضایی در جریان تحقیقات همکاری کرده است.

در جلسه دادگاه مورخ ۱۸ دسامبر ۲۰۲۴، دادستان‌ها و وکلای دینگ درباره امکان دستیابی به توافق احتمالی مذاکره کرده‌اند؛ اما پیش‌بینی می‌شود که روند قضایی این پرونده ادامه یابد و به دادگاه کشیده شود.

دیگر خبرها

  • ضرورت یادگیری هوش مصنوعی برای مادران خانه‌ دار
  • چطور از DeepSeek به‌طور امن استفاده کنیم؟
  • قوانین جدید آمریکا کاربران هوش مصنوعی DeepSeek را هدف قرار می‌دهد
  • پروژه جدید گوگل درباره هوش مصنوعی | تبدیل موتور جست‌وجو به دستیار شخصی هوش مصنوعی
  • گوگل می‌خواهد موتور جستجویش را به یک دستیار هوش مصنوعی تبدیل کند
  • مهندس سابق گوگل با ۱۴ فقره اتهام سرقت اسرار هوش مصنوعی مواجه شد
  • خطرات نبود جستجوی ایمن در DeepSeek و Chatgpt
  • سه محور اساسی در تحول نظام مالیاتی/ ضرورت رفع فقر اطلاعاتی
  • دیپ‌سیک DeepSeek در چه کشورهایی ممنوع شد؟
  • هوش مصنوعی علی‌بابا وارد شد / این دستیار چینی روی دست دیپ‌سیک بلند شده است