بینش
در سال ۲۰۲۳، تلاقی هوش مصنوعی (AI) و محاسبات کوانتومی (QC) تأثیری ژرف بر صنعت بانکداری و مالی گذاشته است. این فناوریها شیوه فعالیت مؤسسات مالی را متحول کرده و تأثیری چشمگیر بر پرداختها، مدیریت ریسک و امنیت سایبری داشتهاند.
این مقاله به بررسی تأثیر مدلهای هوش مصنوعی متنباز، محاسبات کوانتومی در امنیت تراکنشها و مقررات و حاکمیت در بانکداری و مالی میپردازد.
.class="m-10 w-100"
اهمیت هوش مصنوعی و محاسبات کوانتومی در صنعت بانکداری
صنعت بانکداری در حال گذر از دگرگونیای ژرف است که با همگرایی هوش مصنوعی (AI) و محاسبات کوانتومی (QC) پیش میرود. این فناوریهای انقلابی در حال بازآرایی بخش خدمات مالی هستند و سطوح بیسابقهای از کارایی، صرفهجویی در هزینه و تجربههای بهبودیافته مشتری را به ارمغان میآورند.
درآمد رو به رشد بازار نرمافزار هوش مصنوعی: تصویری از رشد
.class="img-fluid w-100 clearfix fade-in"
بازار نرمافزار هوش مصنوعی مسیر رشدی چشمگیر را تجربه میکند و پیشبینی میشود درآمد سالانه آن تا سال ۲۰۲۵ به رقم حیرتانگیز ۱۲۶ میلیارد دلار برسد.
این تصویرسازی رشد چشمگیر بازار را از سال ۲۰۱۸ تا ۲۰۲۵ به نمایش میگذارد و تقاضای رو به افزایش برای راهکارهای مبتنی بر هوش مصنوعی را در صنایع گوناگون برجسته میکند.
قدرت هوش مصنوعی در بانکداری
الگوریتمهای هوش مصنوعی تواناییهای چشمگیری در تحلیل حجم عظیمی از دادهها، شناسایی الگوها و اتخاذ تصمیمهای آگاهانه از خود نشان دادهاند. این توانایی در جنبههای گوناگون فعالیت بانکها بسیار ارزشمند از آب درآمده است.
-
ارزیابی ریسک: سامانههای مدیریت ریسک مبتنی بر هوش مصنوعی میتوانند دادههای مالی پیچیده را برای ارزیابی اعتبار، شناسایی تقلب احتمالی و کاهش ریسکهای مالی تحلیل کنند. این امر به بانکها امکان میدهد تصمیمهای وامدهی آگاهانهتری بگیرند و سرمایه خود را حفظ کنند.
-
فرایندهای تصویب وام: هوش مصنوعی میتواند فرایندهای تصویب وام را روانتر کند، زمان انجام کار را کاهش دهد و رضایت مشتری را بهبود بخشد. با خودکارسازی وظایف و بهرهگیری از تحلیل پیشبینانه، بانکها میتوانند درخواستها را کارآمدتر و سریعتر پردازش کنند.
-
بهینهسازی سبد سرمایهگذاری: هوش مصنوعی میتواند روندهای بازار، عوامل ریسک و اهداف سرمایهگذاری فردی را برای بهینهسازی سبدهای سرمایهگذاری تحلیل کند. این کار میتواند به مشتریان کمک کند تا ضمن مدیریت مؤثر تمایل به ریسک، به اهداف مالی خود دست یابند.
-
تشخیص تقلب: الگوریتمهای هوش مصنوعی میتوانند الگوهایی را در دادههای تراکنش شناسایی کنند که ممکن است نشانه فعالیت متقلبانه باشند. این امر به بانکها امکان میدهد تراکنشهای مشکوک را نشانهگذاری کرده و برای پیشگیری از زیانهای مالی اقدام مناسب را انجام دهند.
-
خدمات مشتری: هوش مصنوعی میتواند تعاملات خدمات مشتری انسانی را با ارائه پشتیبانی فعال، پاسخگویی سریع به پرسشها و پیشنهاد محصولات و خدمات شخصیسازیشده تقویت کند. این کار میتواند رضایت و وفاداری مشتری را افزایش دهد.
.class="m-10 w-100"
محاسبات کوانتومی: گشودن دری به تحلیل دادهای بیهمتا
HSBC ⧉ در خط مقدم یکپارچهسازی محاسبات کوانتومی در بخش مالی بوده است. این بانک برای بررسی کاربرد فناوریهای کوانتومی در مسائل دنیای واقعی، با ارائهدهندگان فناوری و آزمایشگاههای تحقیقاتی همکاری کرده است.
HSBC نخستین بانکی بود که در سال ۲۰۲۳ معاملات ارز خارجی مبتنی بر هوش مصنوعی را با فناوری کوانتومی محافظت کرد ⧉. در آزمایشی که برای نخستین بار در جهان انجام شد، HSBC از توزیع کلید کوانتومی برای پاسداری از سناریوی معاملاتی ۳۰ میلیون یورویی از یورو به دلار آمریکا بهره برد. این آزمایش نشان داد که هنگامی که فناوری کوانتومی بهصورت تجاری در دسترس و مقیاسپذیر شود، معاملات با هر ارزشی را محافظت خواهد کرد.
.class="m-10 w-100"
ظهور هوش مصنوعی متنباز: تغییری بنیادین در هوش مصنوعی
سال ۲۰۲۳ شاهد جهشی چشمگیر در پذیرش فناوری هوش مصنوعی متنباز، بهویژه در حوزه مدلهای زبانی بزرگ (LLMها)، بوده است. هوش مصنوعی متنباز به نرمافزارها و ابزارهای هوش مصنوعیای اشاره دارد که کد منبع آنها در اختیار توسعهدهندگان، پژوهشگران و دیگر ذینفعان قرار دارد.
این مردمیسازی فناوری هوش مصنوعی، پیشرفتهای چشمگیری را تقویت کرده، گسترش مدلهای متنباز را شتاب بخشیده و جایگاه LLMها را بهعنوان پیشتاز نوآوری در هوش مصنوعی تثبیت کرده است. این مدلها نقشی محوری در پیشبرد نوآوری، تقویت تصمیمگیری و بهبود مدیریت ریسک در صنایع گوناگون ایفا کردهاند.
LLMهای متنباز: متحولکننده چشمانداز هوش مصنوعی
LLMهای متنباز، همچون WizardLM ⧉ و LLaMA 2 ⧉، به رقبایی جدی برای مدلهای متنبسته بدل شدهاند. برای نمونه، Vicuna ⧉، یک LLM مقرونبهصرفه، با وجود آنکه کل فرایند آموزش آن تنها ۳۰۰ دلار هزینه داشت، به ۹۰٪ تواناییهای ChatGPT دست یافت. LLaMA 2 ⧉ با کسب کمترین امتیازهای نقض تا به امروز، استاندارد طلایی هوش مصنوعی اخلاقی را رقم زده است. LLMهای متنباز در مقایسه با LLMهای متنبسته «جعبهسیاه» که فاقد تفسیرپذیری هستند، شفافتر و قابلسفارشیسازیترند.
رشد انفجاری مدلهای هوش مصنوعی متنباز در سال ۲۰۲۳
.class="img-fluid w-100 clearfix fade-in"
این نمودار میلهای بهروشنی رشد چشمگیر مدلهای هوش مصنوعی متنباز در سال ۲۰۲۳ را نشان میدهد، همراه با جهشی حیرتانگیز در هم شمار پروژهها و هم شمار مشارکتها. این روند اهمیت رو به رشد هوش مصنوعی متنباز را در پیشبرد نوآوری و تقویت همکاری در جامعه هوش مصنوعی برجسته میکند.
چندین LLM متنباز بهخاطر تواناییهای نوآورانهشان توجه چشمگیری را جلب کردهاند:
-
Mixtral 8x7B ⧉: این مدل زبانی قدرتمند هوش مصنوعی که توسط Mistral AI توسعه یافته، بهخاطر وزنهای باز خود متمایز است و امکان اجرای محلی با محدودیتهای کمتر نسبت به مدلهای رقبا را فراهم میکند. این مدل پنجرههای زمینه با اندازه تا ۳۲ هزار توکن را پردازش میکند و از چند زبان از جمله فرانسوی، آلمانی، اسپانیایی، ایتالیایی و انگلیسی پشتیبانی میکند. Mixtral 8x7B ⧉ برای کارهای ترکیبی، تحلیل داده، عیبیابی نرمافزار و برنامهنویسی طراحی شده است. این مدل ادعا میکند که در برخی معیارها با GPT-3.5 محصول OpenAI برابری کرده یا از آن پیشی میگیرد و از مدل LLaMA 2-70B شرکت Meta بهتر عمل میکند.
-
GPT-NeoX-20B ⧉: با ۲۰ میلیارد پارامتر حیرتانگیز، GPT-NeoX-20B بهعنوان یکی از LLMهای متنباز پیشرو مطرح است. GPT-NeoX-20B بر پایه GPT-3 بنا شده اما موازیسازی داده همزمان و نقطهگذاری گرادیان را برای بهبود کارایی و بهرهوری معرفی میکند. این مدل عملکردی استثنایی در وظایف گوناگون از جمله پرسشوپاسخ، خلاصهسازی و ترجمه از خود نشان داده است.
-
GPT-J ⧉: با ۶ میلیارد پارامتر، GPT-J ⧉ در مقایسه با مدلهای بزرگتر دسترسیپذیری بیشتری ارائه میدهد. GPT-J ⧉ روی مجموعهداده Pile آموزش دیده و ریشههای خود را با معماری GPT-2 مشترک دارد. این مدل ظرافتهای گفتوگویی را درک میکند، از منابع گوناگون بینش ارائه میدهد، لحن و سبک خود را تطبیق میدهد و تولید محتوای اخلاقی و مسئولانه را در اولویت قرار میدهد.
-
OPT-175 ⧉B: با اندازه بیسابقه ۱۷۵ میلیارد پارامتر، OPT-175B ⧉ غولی از بهرهوری و مقیاس است. OPT-175B ⧉ که روی دادههای متنی بدون برچسب و عمدتاً حاوی جملات انگلیسی آموزش دیده، از معماری Transformer برای پردازش سلسلهمراتبی متن ورودی بهره میگیرد. این مدل عملکردی چشمگیر در وظایف گوناگون از جمله پرسشوپاسخ، خلاصهسازی و ترجمه از خود نشان داده است.
-
LLMa 2 ⧉: با ۱.۶ میلیارد پارامتر، LLMa 2 ⧉ انعطافپذیری خود را به نمایش میگذارد و طیف گستردهای از وظایف از جمله پرسشوپاسخ، خلاصهسازی و ترجمه را پوشش میدهد. LLMa 2 ⧉ که روی مجموعهداده Pile و با استفاده از معماری Transformer آموزش دیده، سازگاری خود را در کاربردهای گوناگون اثبات میکند.
-
Google Gemini LLM ⧉: Google Gemini LLM ⧉ که در سال ۲۰۲۳ رونمایی شد، گامی مهم رو به جلو در حوزه مدلهای زبانی بزرگ بهشمار میرود. Gemini LLM ⧉ که بهعنوان جانشین PaLM 2 ⧉ معرفی شده، برای درخشش در حوزههای گوناگون از جمله درک زبان طبیعی، تولید قالبهای متنی خلاقانه متنوع و بهکارگیری دانش برای حل مسائل طراحی شده است. با توانایی پردازش دادههای چندوجهی، Google Gemini LLM ⧉ پتانسیل بالایی برای کاربرد در حوزههایی چون بینایی رایانه، پژوهشهای علمی و مراقبتهای بهداشتی دارد. این مدل هماکنون در سه اندازه ارائه میشود: Ultra، Pro و Nano، که نیازهای محاسباتی گوناگونی را پوشش میدهند.
انقلاب هوش مصنوعی متنباز: شکلدهی به آینده هوش مصنوعی
انقلاب هوش مصنوعی متنباز بهگونهای بنیادین چشمانداز توسعه، استقرار و بهرهگیری از هوش مصنوعی را متحول میکند. فناوری متنباز با در دسترستر، مقرونبهصرفهتر و انعطافپذیرتر کردن هوش مصنوعی، تواناییهای آن را مردمی میسازد و راه را برای نوآوریها و کاربردهای پیشگامانه هموار میکند. با شتابگیری جنبش متنباز، میتوانیم با اطمینان چشمبهراه پیشرفتهای دگرگونکننده بیشتری باشیم که آینده هوش مصنوعی و تأثیر ژرف آن بر جهان ما را شکل خواهند داد.
.class="m-10 w-100"
چالشهای تنظیمگری هوش مصنوعی
چالش دیگر، اطمینان از منصفانه و بدون سوگیری بودن سامانههای هوش مصنوعی است. سامانههای هوش مصنوعی میتوانند سوگیریهای موجود در دادههایی را که روی آنها آموزش دیدهاند تداوم بخشند. از این رو مهم است که سامانههای هوش مصنوعیای توسعه یابند که شفاف و پاسخگو باشند و بتوان آنها را برای شناسایی و رفع سوگیریهای احتمالی ممیزی کرد.
سرانجام، مهم است که دستورالعملهای اخلاقی برای توسعه و استقرار هوش مصنوعی وضع شود. سامانههای هوش مصنوعی باید بهگونهای طراحی و بهکار گرفته شوند که مسئولانه و محترمانه نسبت به حقوق بشر باشد. برای نمونه، سامانههای هوش مصنوعی نباید برای آسیبرساندن یا بهرهکشی از افراد بهکار روند و نباید برای تجاوز به حریم خصوصی افراد استفاده شوند.
پرداختن به این چالشها نیازمند رویکردی چندذینفعی است که دولتها، کسبوکارها، پژوهشگران و جامعه مدنی را دربر بگیرد. مهم است که همین حالا گفتوگو درباره چگونگی تنظیمگری هوش مصنوعی بهگونهای که میان نیاز به حریم خصوصی و امنیت و نیاز به نوآوری توازن برقرار کند، آغاز شود.
وضعیت حاکمیت هوش مصنوعی
.class="fade-in w-100 p-3 me-3 img-thumbnail "
در سال ۲۰۲۳، ابتکارها و تحولات جهانی مهمی چشمانداز حاکمیت و تنظیمگری هوش مصنوعی را شکل دادهاند. این فعالیتها بازتابدهنده شناخت رو به رشد نیاز به چارچوبهای استوار برای نظارت بر توسعه و استقرار فناوریهای هوش مصنوعی ⧉ هستند.
در ایالات متحده، رئیسجمهور جو بایدن فرمان اجراییای برای مدیریت ریسکهای مرتبط با هوش مصنوعی و پشتیبانی از تلاشهای بینالمللی برای حکمرانی بر هوش مصنوعی ⧉ صادر کرد. دفتر سیاست علم و فناوری (OSTP) ⧉ کاخ سفید در گفتوگوهای گستردهای با پژوهشگران، شرکتها و جامعه مدنی برای شکلدهی به حاکمیت هوش مصنوعی مشارکت داشته است. ایالات متحده در زمینه حاکمیت هوش مصنوعی با متحدان و شرکای خود همکاری میکند، از جمله مشارکت در فرایند هوش مصنوعی هیروشیمای G7 و نشست ایمنی هوش مصنوعی ⧉ بریتانیا.
بریتانیا میزبان نخستین نشست ایمنی هوش مصنوعی ⧉ بود و رهبران دولتهای جهان را گرد هم آورد تا درباره ریسکهای هوش مصنوعی و اقدام هماهنگ بینالمللی ⧉ گفتوگو کنند.
در جریان نخستین نشست ایمنی هوش مصنوعی در بریتانیا، بیانیه بلچلی ⧉ شاهد تعهد ۲۸ کشور بههمراه اتحادیه اروپا برای همکاری در راستای رویارویی با ریسکهای ناشی از هوش مصنوعی بود.
رهبران و پژوهشگران MIT مجموعهای از یادداشتهای سیاستی درباره حاکمیت هوش مصنوعی منتشر کردند تا به سیاستگذاران در ایجاد نظارت بهتر کمک کنند. چارچوبی برای حاکمیت هوش مصنوعی ایالات متحده: ایجاد بخش هوش مصنوعی ایمن و شکوفا ⧉ پیشنهاد میدهد که نهادهای دولتی موجود ابزارهای هوش مصنوعی را تنظیم کنند.
بیش از ۶۰ کشور در قاره آمریکا، آفریقا، آسیا و اروپا راهبردهای ملی هوش مصنوعی منتشر کردهاند که بازتابدهنده شتاب جهانی بهسوی حاکمیت هوش مصنوعی است. چین در راهاندازی اصول و مقررات فعال بوده است، از جمله ابتکار جهانی حاکمیت هوش مصنوعی ⧉ و تدابیر اداری موقت برای مدیریت خدمات هوش مصنوعی مولد ⧉.
این ابتکارها و تحولات نشاندهنده نیاز رو به رشد به تلاشهای هماهنگ ملی و بینالمللی برای تضمین توسعه و استقرار مسئولانه هوش مصنوعی هستند. با آنکه پیشرفتهایی حاصل شده، ماهیت پیچیده و بهسرعت در حال تحول هوش مصنوعی چالشهای مستمری را پدید میآورد که نیازمند توجه پیوستهاند.
.class="m-10 w-100"
نتیجهگیری
سال ۲۰۲۳ شاهد پیشرفتهای چشمگیری در حوزههای هوش مصنوعی و محاسبات کوانتومی، بهویژه در صنعت بانکداری، بوده است. بهرهگیری پیشگامانه HSBC از محافظت کوانتومی برای معاملات مبتنی بر هوش مصنوعی، نقطه عطفی مهم در کاربرد این فناوریها در بخش بانکداری بهشمار میرود. مدلهای متنباز بلوغ هوش مصنوعی را شتاب بخشیدهاند، در حالی که مقالات سفید MIT درباره حاکمیت هوش مصنوعی نقشه راهی برای تنظیمگری فراهم میکنند. این تحولات آینده هوش مصنوعی و محاسبات کوانتومی را شکل خواهند داد و پیامدهای ژرفی برای بانکداری و مالی خواهند داشت.
.class="m-10 w-100"
میخواهید درباره تأثیر هوش مصنوعی و محاسبات کوانتومی بر صنعت بانکداری بیشتر بدانید؟
در پایان، امیدوارم این مقاله علاقه شما را به قدرت دگرگونکننده هوش مصنوعی و محاسبات کوانتومی در صنعت بانکداری برانگیخته باشد.
اگر مشتاق دانستن بیشتر درباره تلاقی هوش مصنوعی و محاسبات کوانتومی در صنعت بانکداری هستید، در تماس با من از طریق LinkedIn ⧉ یا صفحه تماس ⧉ درنگ نکنید.
همچنین میتوانید در کانال یوتیوب جدید من، Banking on Quantum ⧉، به من بپیوندید، جایی که آخرین تحولات این فناوریهای دگرگونکننده و پیامدهای آنها برای آینده مالی را بررسی خواهم کرد.
بار دیگر از وقتی که گذاشتید سپاسگزارم و مشتاقانه منتظر شنیدن نظرات شما هستم!
.class="m-10 w-100"
آخرین بازبینی .
بازنشر متقابل این مقاله
کپی قالببندیشده برای Medium
# وضعیت هوش مصنوعی و محاسبات کوانتومی در بانکداری: مروری بر سال ۲۰۲۳ — Sebastien Rousseau > Originally published at [https://sebastienrousseau.com/fa/2023-12-18-state-of-ai-and-quantum-computing-in-banking-a-2023-review/](https://sebastienrousseau.com/fa/2023-12-18-state-of-ai-and-quantum-computing-in-banking-a-2023-review/) کاوش در چشمانداز فناوری سال ۲۰۲۳: هوش مصنوعی و محاسبات کوانتومی در حال متحولسازی بانکداری، ظهور مدلهای متنباز و تحول مقررات و حاکمیت Read the full article on sebastienrousseau.com: https://sebastienrousseau.com/fa/2023-12-18-state-of-ai-and-quantum-computing-in-banking-a-2023-review/
کپی قالببندیشده برای Mastodon
وضعیت هوش مصنوعی و محاسبات کوانتومی در بانکداری: مروری بر سال ۲۰۲۳ — Sebastien Rousseau کاوش در چشمانداز فناوری سال ۲۰۲۳: هوش مصنوعی و محاسبات کوانتومی در حال متحولسازی بانکداری، ظهور مدلهای متنباز و تحول مقررات و حاکمیت https://sebastienrousseau.com/fa/2023-12-18-state-of-ai-and-quantum-computing-in-banking-a-2023-review/
کپی قالببندیشده برای LinkedIn
وضعیت هوش مصنوعی و محاسبات کوانتومی در بانکداری: مروری بر سال ۲۰۲۳ — Sebastien Rousseau کاوش در چشمانداز فناوری سال ۲۰۲۳: هوش مصنوعی و محاسبات کوانتومی در حال متحولسازی بانکداری، ظهور مدلهای متنباز و تحول مقررات و حاکمیت. مهمترین نکات راهبردی به این شرح است: - بینش. در سال ۲۰۲۳، تلاقی هوش مصنوعی (AI) و محاسبات کوانتومی (QC) تأثیری ژرف بر صنعت بانکداری و مالی گذاشته است. - اهمیت هوش مصنوعی و محاسبات کوانتومی در صنعت بانکداری. صنعت بانکداری در حال گذر از دگرگونیای ژرف است که با همگرایی هوش مصنوعی (AI) و محاسبات کوانتومی (QC) پیش میرود. - ظهور هوش مصنوعی متنباز: تغییری بنیادین در هوش مصنوعی. سال ۲۰۲۳ شاهد جهشی چشمگیر در پذیرش فناوری هوش مصنوعی متنباز، بهویژه در حوزه مدلهای زبانی بزرگ (LLMها)، بوده است. - چالشهای تنظیمگری هوش مصنوعی. چالش دیگر، اطمینان از منصفانه و بدون سوگیری بودن سامانههای هوش مصنوعی است. رویکرد سازمان شما به چالشهای مطرحشده در این نوشته چیست؟ → https://sebastienrousseau.com/fa/2023-12-18-state-of-ai-and-quantum-computing-in-banking-a-2023-review/ #هوشمصنوعیدربانکداری،محاسباتکوانتومی،فناوریمالی،هوشمصنوعیمتنباز،مدیریتریسک،امنیتکوانتومی،مقرراتهوشمصنوعی،اخلاقهوشمصنوعی،حاکمیتهوشمصنوعی،نوآوریبانکی Sebastien Rousseau | CC-BY-4.0
استناد به این مقاله
وضعیت هوش مصنوعی و محاسبات کوانتومی در بانکداری: مروری بر سال ۲۰۲۳ — Sebastien Rousseau
کاوش در چشمانداز فناوری سال ۲۰۲۳: هوش مصنوعی و محاسبات کوانتومی در حال متحولسازی بانکداری، ظهور مدلهای متنباز و تحول مقررات و حاکمیت
BibTeX
@online{rousseau2023وضعیت,
author = {Rousseau, Sebastien},
title = {{وضعیت هوش مصنوعی و محاسبات کوانتومی در بانکداری: مروری بر سال ۲۰۲۳ — Sebastien Rousseau}},
year = {2023},
url = {https://sebastienrousseau.com/fa/2023-12-18-state-of-ai-and-quantum-computing-in-banking-a-2023-review/},
urldate = {2023}
}RIS
TY - GEN AU - Rousseau, Sebastien TI - وضعیت هوش مصنوعی و محاسبات کوانتومی در بانکداری: مروری بر سال ۲۰۲۳ — Sebastien Rousseau PY - 2023 UR - https://sebastienrousseau.com/fa/2023-12-18-state-of-ai-and-quantum-computing-in-banking-a-2023-review/ ER -
Vancouver
Rousseau S. وضعیت هوش مصنوعی و محاسبات کوانتومی در بانکداری: مروری بر سال ۲۰۲۳ — Sebastien Rousseau. sebastienrousseau.com. 2023 Dec 18. Available from: https://sebastienrousseau.com/fa/2023-12-18-state-of-ai-and-quantum-computing-in-banking-a-2023-review/
Chicago
Rousseau, Sebastien. "وضعیت هوش مصنوعی و محاسبات کوانتومی در بانکداری: مروری بر سال ۲۰۲۳ — Sebastien Rousseau." sebastienrousseau.com. December 18, 2023. https://sebastienrousseau.com/fa/2023-12-18-state-of-ai-and-quantum-computing-in-banking-a-2023-review/.
APA
Rousseau, S. (2023, December 18). وضعیت هوش مصنوعی و محاسبات کوانتومی در بانکداری: مروری بر سال ۲۰۲۳ — Sebastien Rousseau. sebastienrousseau.com. https://sebastienrousseau.com/fa/2023-12-18-state-of-ai-and-quantum-computing-in-banking-a-2023-review/
بازنشر این مقاله
وضعیت هوش مصنوعی و محاسبات کوانتومی در بانکداری: مروری بر سال ۲۰۲۳ — Sebastien Rousseau
کاوش در چشمانداز فناوری سال ۲۰۲۳: هوش مصنوعی و محاسبات کوانتومی در حال متحولسازی بانکداری، ظهور مدلهای متنباز و تحول مقررات و حاکمیت
این مقاله تحت مجوز زیر منتشر شده است Creative Commons Attribution 4.0 International. بازنشر مستلزم ذکر منبع با ارجاع به نشانی اصلی (canonical) است.
وضعیت هوش مصنوعی و محاسبات کوانتومی در بانکداری: مروری بر سال ۲۰۲۳ — Sebastien Rousseau کاوش در چشمانداز فناوری سال ۲۰۲۳: هوش مصنوعی و محاسبات کوانتومی در حال متحولسازی بانکداری، ظهور مدلهای متنباز و تحول مقررات و حاکمیت Originally published at https://sebastienrousseau.com/fa/2023-12-18-state-of-ai-and-quantum-computing-in-banking-a-2023-review/ by Sebastien Rousseau. Licensed under CC-BY-4.0.