- Центральные банки предупреждены о рисках, связанных с использованием инструментов ИИ при их внедрении для анализа данных, принятия монетарных решений и прогнозирования реакции рынка.
- ИИ помогает центральным банкам эффективно обрабатывать огромные объемы данных, однако существуют опасения по поводу предвзятости и необходимости человеческого надзора.
- Конкуренция за таланты в области ИИ между центральными банками и частными компаниями растет, что создает вызовы для государственных институтов.
В недавнем отчете Банка международных расчетов (BMR) центральным банкам по всему миру было предупреждено о присущих рисках, связанных с их растущей зависимостью от инструментов искусственного интеллекта (ИИ). Этот девятистраничный отчет под названием «Искусственный интеллект в центральном банкинге» освещает варианты использования и потенциальные подводные камни интеграции больших языковых моделей (LLM) в их операции.
Центральные банки, часто считающиеся ранними последователями технологии ИИ, все чаще обращаются к моделям ИИ для различных целей. Эти модели ИИ сыграли ключевую роль в трансформации сбора и обработки информации, сделав многие традиционные человеческие усилия почти устаревшими. Модели ИИ теперь развернуты для выборки данных, очистки и сопоставления, помогая центральным банкам оптимизировать свои операции с помощью проверенных методов машинного обучения.
Одним из значимых применений ИИ в центральном банкинге является принятие обоснованных решений по монетарной политике. Используя нейронные сети и модели случайного леса, центральные банки получают доступ к данным в реальном времени для оценки ожиданий по инфляции и оценки эффективности своей монетарной политики. Эти данные поступают не только из традиционных финансовых каналов, но и из огромного массива информации, доступной на платформах социальных сетей.
Извлечение аналитических данных из огромных объемов информации
Как подчеркивается в отчете, перебор огромного объема данных может быть трудоемким и сложным, что делает модели ИИ незаменимыми для эффективного извлечения релевантных аналитических данных. Центральные банки используют языковые модели для обобщения сложных финансовых отчетов, отслеживания экономических тенденций и интерпретации интервью с бизнес-лидерами и рыночными экспертами. Кроме того, эти языковые модели центральных банков (CB-LM) продемонстрировали способность предсказывать реакции рынка на объявления по монетарной политике.
Системы ИИ также доказали свою эффективность в надзоре и контроле платежных систем. Они преуспевают в выявлении аномальных финансовых транзакций, что является критическим фактором в борьбе с отмыванием денег и предотвращении кибератак. Центральный банк Бразилии, например, недавно внедрил ADAM, модель классификации, предназначенную для прогнозирования заемщиков, которые, вероятно, не смогут погасить свои кредиты, что повышает их способность смягчать финансовые риски.
Помимо традиционных приложений, центральные банки также обращаются к системам ИИ для прогнозирования поведения потребителей в ответ на введение цифровых валют центральных банков (CBDC) и других финансовых разработок. Эти предиктивные модели предоставляют ценные аналитические данные для политиков, чтобы предвидеть реакции рынка и соответствующим образом адаптироваться.
Вызовы и риски интеграции ИИ
Хотя преимущества интеграции ИИ очевидны, отчет подчеркивает вызовы и риски, с которыми сталкиваются центральные банки. Одна из основных опасений — это потенциальная предвзятость выходов, исходящих из данных, используемых для обучения моделей ИИ. Кроме того, генеративные модели ИИ, хотя и мощны, требуют тщательного человеческого надзора для снижения вероятности ошибок и неточностей.
В краткосрочной перспективе центральным банкам придется инвестировать в оснащение своего персонала новыми навыками в области ИИ для эффективной интеграции систем ИИ в их рабочие процессы. Однако они, вероятно, столкнутся с жесткой конкуренцией со стороны частных финансовых фирм в найме сотрудников с продвинутыми знаниями в области ИИ. Разница в зарплатах между государственными учреждениями и частным сектором еще больше усиливает эту конкуренцию.
Самые умные крипто-энтузиасты уже читают нашу рассылку. Хотите присоединиться? Присоединяйтесь.
Отказ от ответственности. Предоставленная информация не является торговой рекомендацией. Cryptopolitan.com Мы не несем ответственности за любые инвестиции, сделанные на основе информации, представленной на этой странице. Мы настоятельно рекомендуем проводить независимое исследование и/или проконсультироваться с квалифицированным специалистом перед принятием любых инвестиционных решений.
Бренда Канана
Бренда имеет более 4 лет опыта, специализируясь на криптовалютах, искусственном интеллекте и новых технологиях. Она работала в Zycrypto, Blockchain Reporter, The Coin Republic, а теперь делает Cryptopolitan своим домом. Степень по социологии, полученная в Техническом университете Момбасы, помогает ей оставаться в курсе настроений своих читателей.
