در دنیای امروز که هوش مصنوعی (AI) با سرعتی سرسامآور در حال پیشرفت است، شاهد ظهور ابزارها و قابلیتهایی هستیم که تا همین چند سال پیش صرفاً در قلمرو داستانهای علمی-تخیلی قرار داشتند. یکی از جنبههای شگفتانگیز و در عین حال نگرانکننده این پیشرفت، توانایی هوش مصنوعی در ورود به حوزههای تخصصی و پیچیدهای مانند بازارهای مالی است. این موضوع زمانی اهمیت بیشتری پیدا میکند که فردی با پیشزمینه علمی غیرمالی، قادر باشد در مدت زمانی کوتاه، ابزاری قدرتمند در این حوزه خلق کند.
تجربه اخیر یک محقق در زمینه علوم محیطی که توانست در عرض شش روز یک پلتفرم معاملاتی مجهز به هوش مصنوعی بسازد، زنگ خطری جدی برای نهادهای مالی و رگولاتورهای جهانی به شمار میرود. این پلتفرم نه تنها توانایی اتصال به چندین بورس مالی، جمعآوری اخبار از منابع مختلف و تحلیل بازار با استفاده از مدلهای زبانی بزرگ را دارد، بلکه قادر به تخمین احتمالات، تصمیمگیری برای ورود به معامله، مدیریت ریسک با استفاده از معیارهای پیشرفته و مسیریابی هوشمندانه سفارشات است. این قابلیتها که پیش از این نیازمند تیمهای متخصص و سرمایهگذاریهای هنگفت در شرکتهای فینتک بود، اکنون با ابزارهای در دسترس عموم قابل دستیابی است.
خیزش عاملان هوش مصنوعی در بازارهای مالی
پلتفرمی که توسط این محقق ساخته شد، صرفاً یک پروژه شخصی نبود؛ بلکه یک سیستم در سطح تولید (production-grade) محسوب میشد که شامل دهها ماژول مختلف از جمله کانکتورهای صرافی، مدیریت ریسک، تحلیل زبان طبیعی، مسیریابی سفارش و ردیابی پرتفوی بود. این سیستم بدون وقفه و نظارت انسانی فعالیت میکرد و بازارهای پیشبینی مانند Polymarket و Kalshi را هدف قرار داده بود. نکته حائز اهمیت این است که سازنده این پلتفرم، هیچگونه سابقه قبلی در زمینه معاملات مالی نداشته و تخصص اصلی وی در زمینه هیدرولوژی محاسباتی و علوم محیطی قطبی است.
ابزارهایی که این محقق از آنها استفاده کرده است، شامل Claude Code از Anthropic و مدلهای زبانی بزرگ دیگر مانند GPT از OpenAI است. این ابزارها به سادگی از طریق اشتراک ماهانه در دسترس هستند. گزارشها نشان میدهند که در حال حاضر، بخش قابل توجهی از کدهای عمومی در GitHub توسط هوش مصنوعی نوشته شده است و پیشبینی میشود این روند به شدت افزایش یابد. این توسعه سریع، تأثیرات ملموسی در بازارهای مالی داشته است؛ به طوری که بخش قابل توجهی از حسابهای سودآور در پلتفرمهای معاملاتی، متعلق به رباتها گزارش شده و درصد بالایی از کیف پولها توسط عاملان هوش مصنوعی مدیریت میشوند. این در حالی است که این سیستمها بر پایه تعداد محدودی از مدلهای پایه هوش مصنوعی ساخته شدهاند که دادههای آموزشی و الگوهای استدلالی مشابهی دارند.
تجمع ریسک و همگرایی مدلها
ترس اصلی ناشی از این پدیده، در همگرایی و تجمع ریسک نهفته است. نهادهایی مانند هیئت ثبات مالی (FSB)، بانک تسویه حسابهای بینالمللی (BIS) و بانک انگلستان (BOE) پیش از این نسبت به افزایش همبستگی در بازارها و تشدید بحرانها در صورت استفاده گسترده از مدلهای هوش مصنوعی مشترک هشدار داده بودند. نگرانی اصلی این است که با افزایش تعداد عاملان هوش مصنوعی که بر اساس مدلهای مشابه توسعه یافتهاند، احتمال وقوع رفتارهای همافزا و یکسان در بازارهای مالی افزایش مییابد.
یکی از مقامات بانک انگلستان، نسبت به ظهور یک «تکفرهنگی» (monoculture) در بازارهای مالی هشدار داده و معتقد است که انگیزههای مالی برای توسعه مدلهای جایگزین در حال ناپدید شدن است. این موضوع میتواند منجر به افزایش آسیبپذیریهای سیستمی شود. با این حال، این هشدارها بیشتر بر روی شرکتهای مالی بزرگ و تحت نظارت متمرکز هستند، در حالی که بخش بزرگی از این عاملان جدید توسط افراد مستقل و بدون الزام به گزارشدهی یا نظارت رگولاتوری توسعه یافتهاند.
چالشهای نظارتی و آمادگی اقتصادی
چارچوبهای نظارتی فعلی، که عمدتاً بر روی بانکها و موسسات مالی بزرگ تمرکز دارند، قادر به رصد و کنترل کامل این عاملان هوش مصنوعی مستقل نیستند. ابزارهایی مانند نظرسنجیهای دورهای و گزارشدهی رگولاتوری که برای نظارت بر پذیرش هوش مصنوعی توسط نهادهای مالی طراحی شدهاند، در مواجهه با هزاران توسعهدهنده مستقل، ناکارآمد به نظر میرسند. این توسعهدهندگان، فاقد الزام به رعایت مقررات، داشتن دپارتمانهای تطبیق، الزامات سرمایهای یا حتی مدارهای قطع کننده (circuit breakers) هستند که در بازارهای سنتی وجود دارد.
این وضعیت، بازارهای پیشبینی را به یک میدان آزمایش برای این عاملان تبدیل کرده است، اما این روند به سرعت به سایر بازارهای مالی مانند ارز خارجی، سهام و اعتبار نیز گسترش خواهد یافت. با توجه به اینکه حدود ۷۰ درصد از فعالیتهای معاملات فوری ارز خارجی توسط سیستمهای الگوریتمی انجام میشود، حذف شدن موانع ورود به این حوزه، پیامدهای جهانی قابل توجهی خواهد داشت. این امر میتواند منجر به بحرانهای مالی شود که ریشه در همگرایی الگوریتمها دارند، نه لزوماً در ضعفهای بنیادی اقتصاد.
پیشبینی آینده و راهکارهای پیشنهادی
در سناریویی فرضی، تصور کنید کشوری مانند ترکیه با کسری بودجه مواجه است. انتشار خبری مبهم درباره تعدیل بودجه توسط این کشور میتواند منجر به این شود که هزاران عامل هوش مصنوعی با تحلیلهای مشابه، به طور همزمان ارزیابی اعتبار آن کشور را کاهش دهند. حتی اگر تحلیل اولیه مبهم بوده و یک گروه متنوع از تحلیلگران انسانی نظرات متفاوتی داشتند، این همگرایی سریع عاملان هوش مصنوعی میتواند منجر به کاهش ارزش ارز و افزایش سود اوراق قرضه شود. این چرخه معیوب میتواند در عرض چند دقیقه یک تعدیل مالی قابل مدیریت را به یک بحران مالی بدل کند.
این وضعیت با بحرانهای مالی گذشته که عمدتاً توسط رفتار گلهای انسانها و با سرعت کمتری رخ میدادند، تفاوت اساسی دارد. عاملان هوش مصنوعی با سرعت ماشین عمل میکنند و هیچ شکافی برای مداخله باقی نمیگذارند. این امر منجر به سیستمی میشود که هیچکس آن را طراحی نکرده، هیچکس بر آن حکمرانی نمیکند و ریسک همبستگی را به شیوهای بیسابقه تشدید میکند.
برای مقابله با این چالش، راهکارهای مشخصی پیشنهاد شده است. شرکتهای هوش مصنوعی باید ملزم به نظارت و افشای میزان استفاده از مدلهای خود در معاملات مالی خودکار شوند. صرافیها باید مدارهای قطع کننده هوشمند مبتنی بر همبستگی را پیادهسازی کنند که رفتار عاملان هوش مصنوعی را پیش از حرکت قیمت تشخیص دهند. همچنین، ایجاد یک چارچوب ثبتنام اجباری و هماهنگ در سطح بینالمللی برای سیستمهای معاملاتی خودکار، صرفنظر از میزان سرمایه به کار رفته، ضروری است. در نهایت، اقتصادهای کوچک و باز باید با افزایش ذخایر ارزی و آمادگی برای قطع بازارهای بدهی خود از معاملات خودکار در زمان وقوع بحران، تابآوری خود را افزایش دهند.
تحلیل تأثیر
رشد تصاعدی عاملان هوش مصنوعی در بازارهای مالی، یک واقعیت اجتنابناپذیر است. این روند نه تنها قابلیتهای معاملاتی را افزایش میدهد، بلکه ریسک همبستگی سیستمی را نیز تشدید میکند، زیرا اکثر این عاملان از مدلهای پایهای مشابه نشأت میگیرند. در حالی که برخی از این ابزارها میتوانند به افزایش کارایی و کشف قیمت بهتر کمک کنند، پتانسیل آنها برای ایجاد نوسانات شدید و بحرانهای مالی غیرقابل پیشبینی نیز نباید نادیده گرفته شود. جامعه جهانی باید با همکاری فعال، راهکارهای نظارتی و فنی مناسب را برای مدیریت این چالش نوظهور تدوین و اجرا کند، پیش از آنکه دیر شود.
