Τεχνητή νοημοσύνη: Γιατί σπεύδει να την υιοθετήσει η ΤτΕ, πώς την αξιοποιεί η ΕΚΤ

Πολύτιμο εργαλείο και για τις κεντρικές τράπεζες αναδεικνύεται η ΑΙ, τόσο για την άσκηση της εποπτείας του χρηματοπιστωτικού τομέα, όσο και για τις αποφάσεις νομισματικής πολιτικής

Τεχνητή νοημοσύνη © Freepik

Τη δημιουργία κοινότητας τεχνητής νοημοσύνης εντός της τράπεζας, με αρμόδιους ανά υπηρεσιακή μονάδα, έχει ξεκινήσει η Τράπεζα της Ελλάδος, αναγνωρίζοντας τον ρόλο που θα διαδραματίσει η ΑΙ στην άσκηση της εποπτείας του χρηματοπιστωτικού τομέα και την αξιολόγηση των κινδύνων, αλλά και στις προβλέψεις για την πορεία της οικονομίας.

Η ΤτΕ έχει χαράξει ήδη οδικό χάρτη για την τεχνητή νοημοσύνη, που περιλαμβάνει, μεταξύ άλλων, δράσεις για τη δημιουργία στρατηγικής ΑΙ, τον καθορισμό σχετικής εσωτερικής διακυβέρνησης, την εκπαίδευση του προσωπικού και την αξιοποίηση της τεχνητής νοημοσύνης μέσω πρακτικών εφαρμογών (υπάρχουν ήδη πρακτικές εφαρμογές που βρίσκονται σε διάφορα στάδια υλοποίησης και περιλαμβάνουν, μεταξύ άλλων, ψηφιακό βοηθό που απαντά σε ερωτήσεις του προσωπικού για θέματα ανθρώπινου δυναμικού και αυτοματοποίηση της εξαγωγής μη δομημένων δεδομένων από οικονομικές καταστάσεις, τα οποία χρησιμοποιούνται για θέματα διαχείρισης κινδύνων), ενώ παράλληλα, η τεχνητή νοημοσύνη αποτελεί αντικείμενο θεωρητικής μελέτης από τους ερευνητές της ΤτΕ, αναδεικνύοντας διάφορες πιθανές εφαρμογές της.

Από την ανάλυση data έως τις προβλέψεις για τον πληθωρισμό και το παγκόσμιο εμπόριο

Τα βήματα της ΤτΕ ακολουθούν τις τεχνολογικές τάσεις διεθνώς στο πεδίο της τεχνητής νοημοσύνης, οι οποίες δεν αφήνουν εκτός ούτε τις κεντρικές τράπεζες. Μάλιστα, η τεχνητή νοημοσύνη αποτελεί εργαλείο για τις κεντρικές τράπεζες για τη διευκόλυνση άσκησης της νομισματικής πολιτικής, των εποπτικών τους δραστηριοτήτων αλλά και των εν γένει εσωτερικών τους λειτουργιών.
Όπως αναφέρεται στην έκθεση του διοικητή της ΤτΕ, η Ευρωπαϊκή Κεντρική Τράπεζα χρησιμοποιεί ήδη την τεχνητή νοημοσύνη για την ενίσχυση της άσκησης των αρμοδιοτήτων της τόσο στο σκέλος της κεντρικής τραπεζικής, όσο και στο σκέλος της τραπεζικής εποπτείας. Για παράδειγμα, στον χώρο της στατιστικής, η τεχνητή νοημοσύνη συμβάλλει στη βελτίωση της ποιότητας των συνόλων δεδομένων, από τον εντοπισμό και την αντιστοίχιση παρατηρήσεων μεταξύ διαφορετικών συνόλων δεδομένων έως τη χρήση σύγχρονων τεχνικών μηχανικής μάθησης για τη διασφάλιση της ποιότητας των δεδομένων. Με τον τρόπο αυτό, η ΕΚΤ μπορεί να εντοπίζει και να προτεραιοποιεί περιπτώσεις που απαιτούν περαιτέρω προσοχή, αξιολόγηση και πιθανή αντιμετώπιση. Επιπλέον, μεγάλα γλωσσικά μοντέλα (large language models – LLM) μπορούν να υποστηρίξουν στατιστικές και οικονομικές αναλύσεις με νέους τρόπους, όπως χρήση νέων πηγών δεδομένων – για παράδειγμα, μη δομημένα δεδομένα όπως κείμενο, εικόνα, βίντεο ή ήχος.

H ΕΚΤ διερευνά επίσης χρήσεις της τεχνητής νοημοσύνης και για την οικονομική ανάλυση στην οποία βασίζεται η νομισματική πολιτική της. Η τεχνητή νοημοσύνη μπορεί να εντοπίσει επαναλαμβανόμενα φαινόμενα στα δεδομένα πιο αποτελεσματικά από ό,τι οι παραδοσιακές μέθοδοι. Αυτό ισχύει ιδιαίτερα για μη γραμμικές συσχετίσεις δεδομένων, οι οποίες διαδραματίζουν μεγαλύτερο ρόλο σε ένα περιβάλλον που γίνεται όλο και πιο ευμετάβλητο λόγω πιθανών διαταραχών (γεωπολιτικών, οικονομικών, περιβαλλοντικών κ.λπ.). Η τεχνητή νοημοσύνη επιτρέπει επίσης την ανάλυση οικονομικών δεικτών σε πραγματικό χρόνο και έτσι προσφέρει έγκαιρη πληροφόρηση και διεξοδική ανάλυση, παρέχοντας στις κεντρικές τράπεζες μεγαλύτερη ευελιξία στη λήψη αποφάσεων.

Πώς χρησιμοποιεί η ΕΚΤ την τεχνητή νοημοσύνη

Συγκεκριμένα παραδείγματα διερεύνησης χρήσεων τεχνητής νοημοσύνης από την ΕΚΤ για σκοπούς οικονομικής ανάλυσης αποτελούν:

  1. η πρόβλεψη της παρούσας κατάστασης (nowcasting) του πληθωρισμού, μέσω ανάλυσης τιμών που βρίσκονται στο διαδίκτυο (web scraping) και της χρήσης μοντέλων LLM για την ταξινόμηση δεδομένων,
  2. η χρήση μοντέλων μηχανικής μάθησης για την πρόβλεψη του πληθωρισμού στην ευρωζώνη, τα οποία λαμβάνουν υπόψιν πιθανές μη γραμμικότητες,
  3. η αξιοποίηση τεχνικών μηχανικής μάθησης για την πρόβλεψη της παρούσας κατάστασης (nowcasting) του παγκόσμιου εμπορίου,
  4. η χρήση καινοτόμων συνόλων δεδομένων, όπως ο συνδυασμός κειμενικών δεδομένων και τεχνικών μηχανικής μάθησης για την ποσοτικοποίηση κινδύνων και εντάσεων στην παγκόσμια οικονομία και η διερεύνηση της χρήσης δορυφορικών δεδομένων για την παρακολούθηση της οικονομικής δραστηριότητας, και
  5. η χρήση ανάλυσης συναισθήματος της ειδησεογραφίας (news sentiment analysis) προκειμένου να εκτιμηθεί το τρέχον επίπεδο (nowcasting) του ΑΕΠ της ευρωζώνης.

Στον τομέα της επικοινωνίας, η ΕΚΤ χρησιμοποιεί την τεχνητή νοημοσύνη για εργασίες όπως: ταχύτερη ανάλυση μεγάλου όγκου δημοσιογραφικών δεδομένων και σχολίων της αγοράς, κατανόηση του αντίκτυπου που έχει το λεκτικό που χρησιμοποιεί η ΕΚΤ για ανακοινώσεις, μελέτες κ.ά. στις χρηματοπιστωτικές αγορές και στην πραγματική οικονομία, μετάφραση μεγάλου όγκου κειμένων στις 24 επίσημες γλώσσες της ΕΕ και απλούστευση του τρόπου επικοινωνίας της ΕΚΤ με τους πολίτες και ιδιαίτερα με κοινωνικές ομάδες που δεν είναι εξοικειωμένες με το έργο μιας κεντρικής τράπεζας.