پروفسور علی رحمانی رئیس هیات مدیره انجمن حسابرسی فناوری اطلاعات ایران در گفت‌وگو با «دنیای اقتصاد»
هوش مصنوعی در خدمت بهره‌وری هوش انسانی
هوش مصنوعی این روز‌ها بروز و ظهور قابل‌توجهی در جهان یافته است. بروز و ظهوری که در اقتصاد نیز ورود کرده و تبادلات مالی و مالیاتی برای تفکیک از این قابلیت بهره می‌برند. به جهت بررسی موضوع فوق، گفت‌وگو کردیم با پرفسور علی رحمانی در حاشیه همایش هوش مصنوعی و صنعت حسابداری که با همکاری همکاران سیستم و انجمن مدیران مالی استان اصفهان در دانشگاه اصفهان برگزار شد که ادامه مشروح آن را می‌خوانیم:
وقتی صحبت از هوش مصنوعی می‌کنیم منظور ما چیست؟
هوش مصنوعی عنوانی است که در مقابل هوش طبیعی استفاده می‌شود؛ عده‌ای مخالف‌اند که از هوش مصنوعی برای این پدیده استفاده کنیم چون ما یک مجموعه فناوری داریم که به ماشین امکان این را می‌دهد که عملکرد‌ها و فعالیت‌هایی را انجام دهیم که تداعی‌کننده فعالیت‌های حاصل از هوش انسانی است. آن‌ها معتقدند که باید از عنوان یادگیری ماشین استفاده کنیم. صرف‌نظر از این موارد، هوش مصنوعی در جامعه جاافتاده و به مجموعه‌ای از فناوری‌های منطبق می‌شود که به‌سرعت درحال‌توسعه هستند. بعد از چت جی‌پی‌تی که توسط شرکت اوپن آل (OpenAI ) به وجود آمد، هوش مصنوعی مولد موردتوجه قرار گرفت. این موضوع مطرح شد که هوش مصنوعی فراتر از چیزی است که تاکنون تجلی پیداکرده است. یادگیری ماشین، یادگیری عمیق، یادگیری‌ای علم داده بخشی از این مسأله است. در سال‌های اخیر سرمایه‌گذاری‌های خیلی سنگینی در این حوزه انجام‌شده است. چندین سال پیش ماکروسافت ۱۵ میلیارد دلار در استارتاپ‌های این حوزه سرمایه‌گذاری کرد که رقم خیلی قابل‌توجهی بود. طبیعی است که هوش مصنوعی می‌تواند به بهره‌وری هوش طبیعی کمک کند.
هوش مصنوعی در کشور ما با چه ابعاد و کارکرد‌هایی شناخته می‌شود؟ آیا هوش مصنوعی توانایی بهبود عملکرد فرآیند‌های فعلی در اداره امور اقتصادی را دارد؟
این پدیده در ایران استفاده می‌شود اما خیلی فراگیر نیست. سازمان مالیاتی در تحلیل تراکنش از نوعی از این فناوری استفاده کرده است. اگرچه در تحلیل تراکنش‌ها خطا زیاد بوده است چون بانک‌ها در ثبت تراکنش‌ها توضیحات کاملی نداشتند ولی بسیاری از موارد را توانستند به‌خوبی تحلیل کنند. در قوه قضاییه و نیروی انتظامی نیز از آن استفاده‌شده است. نمونه ملموس‌تر این پدیده را در بازار سرمایه می‌بینیم. استفاده از این تکنیک‌ها در کشف و دست‌کاری قیمت و هم در انجام معاملات که تحت عنوان معاملات الگوریتمی انجام‌شده است. ما چندین استارتاپ داشتیم که به نتیجه رسیده‌اند والان چند صد میلیارد هم ارزش‌گذاری شده‌اند. حتی در حوزه سبد گردانی که امکان تحلیل گسترده سبد‌ها وجود داشت. عملاً در این نقاط، هوش مصنوعی به بهره‌وری کمک کرده است. مثلاً اگرچند نیرو می‌خواستند ممیزی‌های معاملاتی را بسنجند و معاملات مشکوک به درآمد را بررسی کنند، کار سختی بود. الان هوش مصنوعی این تفکیک را به‌سرعت و دقت انجام می‌دهد. در بازار سهام هم‌حجم زیادی از اطلاعات وجود دارد. بحث خودکارسازی فرآیند‌ها نیز تحولات خوبی داشته است. ما در همایش هوش مصنوعی دغدغه‌مان این است که مدیران مالی ما و افراد حاضر در بازار‌های مالی، درک مناسبی از هوش مصنوعی داشته باشند و به استقبال بروند.
داده‌ها به معنای شریان اصلی تغذیه‌کننده هوش مصنوعی‌اند؛ آیا تفاوت برداشت ما از داده‌ها تا چه حد بر نتیجه نهایی عملکرد هوش مصنوعی تأثیر دارد؟
همان‌طور که در روانشناسی مشخص‌شده، هوش طبیعی هم دچار سوگیری‌هایی است. مثلاً در تصمیم‌گیری یک سوگیری تأییدی داریم که با دیدگاه‌های موجودمان سازگار است. یا سوگیری در دسترس بودن یا نمونه‌های جدید که می‌تواند فرآیند تصمیم‌گیری را منحرف کند. سوگیری لنگر انداختن که به‌شدت تحت تأثیر پیشنهاد‌های دیگران قرار می‌گیریم. این داستان در رابطه با ماشین مطرح نیست ولی کیفیت داده‌ها خیلی مهم است. تفکیک کیفیت‌های یک ماشین و یادگرفتن آن نکته این موضوع است. مثلاً ماکروسافت یک ربات را عرضه کرده و هوش مصنوعی دیتا‌هایی که دریافت کرد را به یک ربات نژادپرست تبدیل کرد و پاسخ‌هایی که به ما می‌داد پاسخ‌های نژادپرستانه بود و ماکروسافت آن را از رده خارج کرد. پیشنهاد‌هایی که یک ماشین می‌دهد، مبتنی بر محاسبات ریاضی است؛ محاسباتی که روی‌داده‌ها انجام می‌شود. پس کیفیت داده‌ها خیلی مهم است. چالش دیگر حفظ حریم خصوصی و اخلاق است. ما سال‌ها به این شناخته شدیم که اطلاعات مربوط را ارائه می‌کنیم. بنابراین در برخی از کشور‌ها قانون داده‌ها تصویب‌شده و حتی در آمریکا، در دسامبر ۲۰۲۲ قانون استاندارد کردن اطلاعات را تصویب کردند. مسأله مهم این است که ازنظر کیفیت داده‌ها، شرایط بهبود پیدا کند. این‌یک چالش اساسی در ایران است که در جمع‌آوری و تمیز کردن داده‌ها و در دسترس بودن آن مشکلاتی داریم.
با توجه به شکل‌گیری روند تخریب خلاق در پی هر تحول نوین فناوری و مقاومت ذی‌نفعان پیشین در برابر روند‌های نو، می‌توان این احتمال را داد که سرنوشت هوش مصنوعی به‌مانند دیگر روند‌های نوین در تاریخ دچار انکار و مقاومت شود؟
در ایران ترس و مقاومت زیاد است. ما در انجمن حسابرسی فناوری اطلاعات ایران که یک انجمن علمی دارای مجوز از وزارت علوم و تحقیقات و فناوری است، دنبال این هستیم که فرهنگ‌سازی در رابطه باهوش مصنوعی صورت بگیرد. جامعه باید باهوش مصنوعی آشنا شود. این پدیده ترس ندارد. من پیشنهاد کردم که یک ساختار مدیریت تحقیقی برای آن پیش‌بینی کنیم و نگرانی‌ها و ترس‌ها را بشناسیم. مسأله مهم‌تری که جای نگرانی دارد، ما باید تخصص‌های مختلف و سازمان‌های متولی دورهم جمع شوند و کار باکیفیت انجام دهند. مثلاً در کنار حسابداران که متخصص اطلاعات هستند، کارشان شناسایی رویداد‌ها و معاملات است. ما فقط در حوزه آی تی ، برای مدیران مالی تعداد زیادی نرم‌افزار داریم. البته نیاز است که سایر کارشناسان و حرفه‌هایی که با مرتبط هستند، ارتباط داشته باشیم. دولت باید ورود کند. از سال‌ها پیش، آمریکا به این موضوع ورود کرده است. کمیسیون اوراق بهادارشان هم شرکت‌ها را ملزم به استفاده از هوش مصنوعی کرد. بخشی از نگرانی ما این است که دیتا لازم را نداریم اما نگران شفافیت هم هستند. بانک مرکزی سازمان امور مالیاتی و پلیس اقتصادی که به این حوزه ورود کرده‌اند، خیلی ارزشمند است.
نکته آخر؟
دانشمندان داده ما، گلایه‌مند هستند که شرکت‌های نرم‌افزاری امکان استفاده از داده‌ها را فراهم نمی‌کنند. اگر این کار نشود، عملاً نمی‌توان از داده‌های حسابداری استفاده کرد. البته اینجا بحث محرمانگی داده‌ها، حفاظت از داده‌ها و قانون مطرح است. تردید نباید بکنیم که هوش مصنوعی پارادایم‌ها را عوض خواهد کرد و بهتر است که آگاهانه به این سمت برویم. لازم نیست هر چیزی را به کار بگیریم اما فرصت‌های خیلی زیادی وجود دارد. من فکر می‌کنم که به‌مرور در دسترس تر خواهند بود و کمک خواهند کرد. یک مسأله دیگر این است که نسل ما نگرانی زیادی دارد اما نسل جدید از کارهای تکراری متنفر است و دانش دیجیتال خوبی دارند. آن‌ها کمک می‌کنند که تغییرات دیجیتال صورت بگیرد.
