از هوش مصنوعی مشاوره‌ی مالی نمی‌گیرید؟ شاید هنوز هم در معرض ریسک‌های آن باشید!

بسیاری از توصیه‌های مالی درباره‌ی هوش مصنوعی یک هشدار ثابت دارند: برای معامله و تصمیم‌گیری درباره‌ی سرمایه‌گذاری به این ابزارها اعتماد نکنید. ما نیز پیش‌تر در نوشدارو به این موضوع پرداخته بودیم. اما این ماجرا روی دیگری هم دارد: حتی اگر شخصاً از هوش مصنوعی برای ترید استفاده نکنیم، ممکن است از پیامدهای استفاده‌ی گسترده‌ی دیگران از آن در امان نباشیم!

این روزها سرمایه‌گذاران و مؤسسات مالی فراوانی از الگوریتم‌ها و مدل‌های هوش مصنوعی برای جست‌وجو میان هزاران داده، نمودار و شاخص استفاده می‌کنند تا فرصت‌های سرمایه‌گذاری را بیابند. وقتی تعداد زیادی از معامله‌گرها با ابزارهایی مشابه تصمیم می‌گیرند، خطر اشتباه‌های فردی خیلی ساده به بحرانی سراسری تبدیل می‌شود که کل سرمایه‌گذاران را تحت تأثیر قرار می‌دهد.

مشاوره‌ی مالی با هوش مصنوعی: قماری که در اکثر مواقع می‌بازید!

وقتی الگوریتم‌ها بازار را به هم می‌ریزند

بعد از ظهر ۶ می ۲۰۱۰، بازار سهام آمریکا شاهد رویدادی بود که بعدها به «سقوط ناگهانی بازار» (Flash Crash) معروف شد. در تنها چند دقیقه، شاخص داو جونز نزدیک به هزار واحد سقوط کرد و بخش بزرگی از ارزش بازار از بین رفت.

یک الگوریتم، و نه خطای انسانی، پشت این سقوط بود.

یکی از شرکت‌های بزرگ بازار، از الگوریتمی استفاده می‌کرد که سرعت فروش را براساس حجم معاملات تنظیم می‌کرد، نه قیمت یا زمان. با افزایش نوسان و حجم معاملات، این الگوریتم ده‌ها هزار سهم به‌ارزش ۴.۱ میلیارد دلار را در بازار فروخت. این حجم فروش بسیار زیاد، یک مکانیسم بازخورد به‌وجود آورد که در آن، تمام بازیگران شروع به فروش سهام و خروج از بازار کردند. نتیجه، یکی از تاریخی‌ترین سقوط‌های بازار سهام بود.

اهمیت این واقعه فقط در سرعت و شدت سقوط نبود؛ بلکه در آشکار شدن آسیب‌پذیری بازاری بود که بخش قابل‌توجهی از معاملات آن را سامانه‌های خودکار پیش می‌بردند. هرکدام از الگوریتم‌ها بر اساس منطق و اهداف مشخصی عمل می‌کردند. بااین‌حال، تعامل رفتار آن‌ها در شرایط خاص بازار، یک حلقه‌ی بازخورد تقویت‌شونده ایجاد کرد که هیچ بازیگر واحدی به‌تنهایی قصد رقم‌زدن آن را نداشت.

رفتار گله‌ای؛ وقتی همه به یک سمت می‌روند

در بازارهای مالی، پیامدهای تصمیم‌های اشتباه همیشه بلافاصله آشکار نمی‌شوند. گاهی سرمایه‌گذاری‌های بزرگ و انتظارات مشترک، روندی را شکل می‌دهند که سودآور به نظر می‌رسد و سرمایه‌گذاران بیشتری را به خود جذب می‌کند؛ پدیده‌ای که «رفتار گله‌ای» نامیده می‌شود.

مشکل این است که این رشد نه بر پایه‌ی ارزش واقعی دارایی‌ها و برنامه‌های اقتصادی، بلکه بر اساس خوش‌بینی و دنباله‌روی از دیگران شکل می‌گیرد. بنابراین آشکار شدن واقعیت، به خروج همزمان سرمایه‌ها و سقوط بازار منجر می‌شود.

واقعه‌ی ۱۹ اکتبر ۱۹۸۷ که به «دوشنبه‌ی سیاه» مشهور است، نمونه‌ای از چنین سازوکاری بود. راهبردهای معاملاتی مشابه، در واکنش به افت قیمت‌ها، فروش دارایی‌ها را افزایش می‌دادند؛ فروش بیشتر، افت بیشتر؛ و افت بیشتر، موج دیگری از فروش را به دنبال داشت که باز هم افت را بیشتر می‌کرد.

در بحران مالی ۲۰۰۸ نیز باور گسترده به رشد پایدار بازار مسکن و سرمایه‌گذاری در دارایی‌های مرتبط، به شکل‌گیری حباب منجر شد. با از بین رفتن این باور و ترکیدن حباب، زیان‌ها از مؤسسات مالی فراتر رفت و میلیون‌ها خانوار را مستقیم و غیرمستقیم تحت تأثیر قرار داد.

هوش مصنوعی و خطر همگرایی تصمیم‌ها

استفاده‌ی گسترده از هوش مصنوعی در بازارهای مالی به این آسیب‌پذیری‌ها رنگ و بوی تازه‌ای می‌دهد. سرمایه‌گذاران بزرگ از مدل‌ها برای تحلیل بازار و شناسایی فرصت‌ها استفاده می‌کنند و برخی معاملات را نیز به‌صورت خودکار انجام می‌دهند.

حتی اگر متخصصان انسانی خروجی مدل‌ها را بررسی کنند، باز هم تحلیل آن‌ها تحت تأثیر اطلاعات و الگوهایی است که هوش مصنوعی ارائه می‌دهد. آن‌چه در اطلاعات یا تحلیل مدل نادیده گرفته می‌شود، ممکن است در تصمیم نهایی انسان نیز نادیده بماند.

استفاده‌ی گسترده از هوش مصنوعی طبق سازوکارهای مختلف، تمام فعالان بازار را به‌صورت غیرمستقیم در معرض ریسک قرار می‌دهد.

استفاده از مدل‌های مشابه و شکل‌گیری رفتار گله‌ای

اگر تعداد زیادی از مؤسسات مالی از مدل‌های مشابه، داده‌های آموزشی مشترک یا روش‌های تحلیل نزدیک استفاده کنند، ممکن است به خروجی‌های یکسانی برسند. در نتیجه، تصمیم‌های خرید و فروش آن‌ها به هم نزدیک می‌شود و رفتار گله‌ای شکل می‌گیرد.

وقتی تصمیم‌های مشابه به نوسان‌های تشدیدشونده تبدیل می‌شوند

خرید یا فروش همزمان در حجم بالا ممکن است نوسان بازار را افزایش دهد. در این شرایط، تصمیم‌ها چرخه‌های بازخوردی ایجاد می‌کنند که در آن‌ها تغییر قیمت، سیگنال جدیدی برای مدل‌ها و معامله‌گران است و در نتیجه، موج بعدی معاملات فعال می‌شود. خروجی ممکن است کاهش نقدشوندگی، تغییرات شدید قیمت و حتی سقوط ناگهانی بازار باشد.

وابستگی بازار به تعداد محدودی از ارائه‌دهندگان هوش مصنوعی

تعداد زیادی از معامله‌گران و مؤسسات مالی به تعداد محدودی از شرکت‌ها برای تأمین مدل‌های هوش مصنوعی، خدمات ابری و زیرساخت محاسباتی وابسته‌اند. در چنین شرایطی، اختلال فنی، حمله‌ی سایبری یا توقف خدمات یک ارائه‌دهنده می‌تواند هم‌زمان چندین مؤسسه را تحت تأثیر قرار دهد و از یک مشکل عملیاتی به یک ریسک گسترده‌تر تبدیل شود.

ریسک مدل و داده

مدل‌هایی که تصمیم‌گیری آن‌ها شفاف نیست یا بر داده‌های ناقص و نامناسب تکیه دارند، ممکن است خطاهایی ایجاد کنند که شناسایی و اصلاح‌شان دشوار خواهد بود.

ریسک‌های سایبری و اطلاعاتی

هوش مصنوعی تولید اخبار دروغین، هویت‌های جعلی و اطلاعات گمراه‌کننده را آسان‌تر می‌کند.

انتشار اطلاعات نادرست درباره‌ی یک مؤسسه‌ی مالی یا ایجاد تردید گسترده درباره‌ی وضعیت آن، ممکن است به رفتارهای شتاب‌زده و حتی هجوم برای برداشت سپرده‌ها منجر شود.

اگر سرمایه‌گذاران از مدل‌های زبانی برای تحلیل اخبار و تصمیم‌گیری بر اساس آن‌ها استفاده کنند، خود این مدل‌ها نیز ممکن است به‌سادگی تحت‌تأثیر اخبار تولیدشده توسط هوش مصنوعی قرار بگیرند.

در چنین بازاری چگونه از سرمایه‌ی خود محافظت کنیم؟

هیچ راهی وجود ندارد که سرمایه‌گذاری را کاملاً از ریسک مصون کند؛ اما می‌توانیم به‌جای تلاش برای پیش‌بینی همه‌ی بحران‌ها، تصمیم‌های خود را طوری تنظیم کنیم که وابستگی کمتری به روندهای کوتاه‌مدت بازار داشته باشند.

امروز مدل‌های هوش مصنوعی به یک بخش اجتناب‌ناپذیر از بازارهای مالی تبدیل شده‌اند. در چنین شرایطی، لازم است یک اصل مهم را برای خودمان جا بیندازیم: در بازاری که مدل‌های مشابه با تصمیم‌های مشابه می‌توانند خطرات مشترک ایجاد کنند، سرمایه‌گذاری خود را به یک پیش‌بینی، یک فناوری یا یک موج جمعی وابسته نکنیم.

نتایج یک نظرسنجی جالب از پژوهشگران: هوش مصنوعی به کجا می‌رود و خطرات اصلی آن چیست؟