Οι προκλήσεις της Τεχνητής Νοημοσύνης

 

Επιπτώσεις στον χρηματοπιστωτικό τομέα

 

του Παναγιώτη Ρουμελιώτη 

 

 

Από τις αρχές του 2010, ο κόσμος μας άρχισε να βιώνει την 4^η βιομηχανική επανάσταση: αυτή της τεχνητής νοημοσύνης (ΤΝ).

 

             Ο όρος ΤΝ καθιερώθηκε από τη δεκαετία του 1950, όταν για πρώτη φορά οι επιστήμονες διαφόρων ειδικοτήτων στις ΗΠΑ προώθησαν, το 1956, την ιδέα κατασκευής ενός τεχνητού εγκεφάλου. Ωστόσο, πατέρας την ΤΝ θεωρείται ο Alan Turing, ο οποίος κατά τη διάρκεια του Β΄Παγκοσμίου Πολέμου κατάφερε να σπάσει μηχανικά τον μυστικό κώδικα Enigma των γερμανικών ενόπλων δυνάμεων. Στη συνέχεια ο Martin Quillian, Esward Feigenbaum, και αργότερα ο Martin Minsky, οργάνωσαν και ανέπτυξαν το εργαστήριο ΤΝ του ΜΙΤ. Σκοπός τους ήταν να κατασκευάσουν έναν ηλεκτρονικό υπολογιστή ικανό να λειτουργεί όπως ο ανθρώπινος εγκέφαλος.

 

             Μέχρι τις αρχές του 2000 αναπτύχθηκαν σταδιακά διάφορες ψηφιακές τεχνολογίες, όπως η βιομηχανία των υπολογιστών και των τηλεπικοινωνιών (βιομηχανία Hardware), οι υποδομές (διαδίκτυο), οι τεχνολογίες της πληροφορίας, της κινητής τηλεφωνίας και των κινητών εφαρμογών (ITC) και η ρομποτική. Στη συνέχεια αναπτύχθηκαν οι ψηφιακές πλατφόρμες, τα δεδομένα-στοχεία (big data), οι υπερυπολογιστές, οι πολύπλοκοι αλγόριθμοι, η machine learning το deep learning, Natural language processing, τα βιομετρικά συστήματα, οι νευροεπιστήμες καθώς και η ΤΝ.

              Γενικότερα, η ψκηφιακή οικονομία αντιπροσωπεύει σήμερα το 15,5% του παγκόσμιου ΑΕΠ και απασχολεί 39 εκατομμύρια εργαζόμενους στον κόσμο. Εκτιμάται ότι, λόγω της ΤΝ, μέχρι το 2030 το ΑΕΠ των χωρών της Βόρειας Ευρώπης θα αυξηθεί κατά 9,9% και αυτών της Νότιας Ευρώπης κατά 11, 5%. Οι μεγάλες ψηφιακές εταιρίες στον κόσμο είναι η Apple (κεφαλοποίηση 1.040 δισ. δολάρια),  η Amazon (883 δισ. δολάρια), η Microsoft (785 δισ. δολάρια), η Google (Alphabet) (732 δισ. δολάρια), η Facebook (541 δισ. δολάρια), η Netflix (117 δισ. δολάρια), η κινεζική Tencent (376 δισ. δολάρια), η Alibaba (355 δισ. δολάρια) και η Baidu (53 δισ. δολάρια), καθώς και η Νοτιοκορεατική Samsung (207 δισ. δολάρια).

 

             Ειδικότερα, όσον αφορά την ΤΝ, αυτή ορίζεται ως ένα σύνολο τεχνικών και εφαρμογών που επιτρέπουν τη δημιουργία μιας μηχανής (υπολογιστή) ικανής να μιμείται, με αυτόνομο τρόπο, την ανθρώπινη νοημοσύνη.

 

             Η machine learning είναι ένα σύνολο αλγορίθμων που σκοπός τους είναι να επιλύουν προβλήματα, των οποίων η αποτελεσματικότητα βελτιώνεται με την εμπειρία και τα δεδομένα-στοιχεία (big data) χωρίς ανθρώπινη παρέμβαση εκ των προτέρων.

 

Το deep learning είναι μια υποκατηγορία της machine learning. To deep learning  μελετά ειδικότερα την εκμάθηση δικτύων βαθιών νευρώνων πολλαπλών στρωμάτων και έχει την ικανότητα να ταξινομεί διαρθρωμένα δεδομένα-στοιχεία (που βρίσκονται σε βάσεις δεδομένων) και μη διαρθρωμένα δεδομένα-στοιχεία (αποθηκευμένα χωρίς οργάνωση).

 

            Το Natural Language Processing σημαίνει αυτόματη επεξεργασία των γλωσσών και χρησιμεύει στην ανάλυση των μη διαρθρωμένων δεδομένων-στοιχείων. Σε συνδυασμό με τις τεχνικές επεξεργασίας του ήχου, το εργαλείο αυτό καθιστά εφικτή την ανάλυση των φωνητικών δεδομένων-στοιχείων.

 

Η βιομετρία είναι οι τεχνικές ταυτοποίησης των ατόμων που στηρίζονται σε βιολογικά χαρακτηριστικά, όπως τα δακτυλικά αποτυπώματα, τα χαρακτηριστικά του προσώπου, η φωνή, κλπ.

 

Η νευροεπιστήμη  είναι η επιστήμη του νευρικού συστήματος, όπως η δομή και η λειτουργία του, από το μοριακό επίπεδο μέχρι εκείνο των οργάνων, όπως ο εγκέφαλος. Η επιστήμη αυτή συνδέεται στενά με την ΤΝ, καθώς επιτρέπει την καλύτερη κατανόηση της συμπεριφοράς του ανθρώπου, ώστε να την αναπαράξουν οι μηχανές.

 

Η ρομποτική περιλαμβάνει τα ρομπότ που είναι ικανά να αναπαράγουν μια ανθρώπινη κίνηση, χειραγωγούμενα από έναν χειριστή ή/και βρίσκονται σε αλληλεπίδραση με τον άνθρωπο. Τα στοιχεία-δεδομένα (big data) προκύπτουν από τη χρήση του internet (χρήστες) , του internet των αντικειμένων (δηλ. τη διασύνδεση αντικειμένων μεταξύ τους και μεταξύ των αντικειμένων αυτών και των ανθρώπων).

 

Οι υπερυπολογιστές είναι μηχανήματα που μπορούν να κάνουν δισεκατομμύρια υπολογισμούς ανά δευτερόλεπτο. Με τους κβαντικούς υπολογιστές, που βρίσκονται ακόμα σε πειραματικό στάδιο, αναμένεται ότι οι υπερυπολογιστές αυτοί θα είναι δυνατόν να πραγματοποιούν άπειρους υπολογισμούς ανά δευτερόλεπτο. Ήδη η Google ανακοίνωσε, μέσω ενός ιστότοπου της NASA , ότι με έναν κβαντικό υπολογιστή πραγματοποίησε πολύπλοκους υπολογισμούς για τρία λεπτά και είκοσι δευτερόλεπτα, για τους οποίους ένας σημερινός υπερυπολογιστής θα χρειαζόταν 10.000 χρόνια εργασίας.

 

Ένας αλγόριθμος είναι απλώς ένας τρόπος να περιγράφεται λεπτομερώς η διαδικασία πραγματοποίησης ενός πράγματος, βάσει μηχανικών ενεργειών και επιτρέπει στη ψηφιακή μηχανή (υπολογιστή) να αναζητεί και να αποκτά πληροφορίες και να πραγματοποιεί έρευνες (π.χ. αναγνώριση φωνής, προσώπου, ενεργοποίηση συσκευών, διαχείριση ενεργειακών πόρων, κ.ά.).

 

Με την τεχνολογία Cloud Computing θα επιταχυνθούν οι ταχύτητες στο διαδίκτυο και θα μειωθεί σημαντικά ο χρόνος αναμονής των χρηστών που είναι απομακρυσμένοι απο τα κέντρα big data.

 

Με τις τεχνολογίες  Blockchain θα διευκολυνθούν οι ασφαλείς και εμπιστευτικές συναλλαγές, χωρίς ενδιάμεσους (π.χ. συναλλαγές με κρυπτονομίσματα).

 

Με τη τεχνολογία 5G θα ενισχυθεί σημαντικά η ψηφιακή βιομηχανία και οι διεθνείς συναλλαγές, καθώς θα διευκολυνθεί η χρησιμοποίηση των  big data, καθώς και θα προσφέρει χίλιες φορές μεγαλύτερη δυνατότητα επεξεργασίας των δεδομένων-στοιχείων αυτών.

 

Με τα λογισμικά των εκτυπωτών 3D,  καθίσταται δυνατή η σύλληψη και εκτύπωση αντικειμένων και εξαρτημάτων όχι μόνο εγχρώμων αλλά με όλα τα υλικά (μέταλλα, πλαστικό, μπετόν), όπως για παράδειγμα εξαρτημάτων αυτοκινήτων και παιχνίδια. Σύντομα οι εκτυπωτές 3D θα αυτοαναπαράγονται και θα κατασκευάζουν ανθρώπινα όργανα και οπλικά συστήματα.

 

Οι δύο πρώτες φάσεις της ΤΝ είναι γνωστές: η πρώτη αντιστοιχεί  στα παραδοσιακά λογισμικά πληροφορικής, τα οποία προγραμματίζονται από αλγόριθμους που εκπονούν οι άνθρωποι. Η δεύτερη φάση, η οποία ξεκίνησε από το 2012, είναι το deep learning, που αποτελεί μια μορφή ΤΝ η οποία συνθέτει τους εικονικούς νευρώνες που υπάρχουν στα δίκτυα, με αποτέλεσμα να αυτομορφώνονται και να αυτοδιορθώνονται. Τα big data διαδραματίζουν σημαντικό ρόλο στη διαδικασία αυτή. Η τρίτη φάση της ΤΝ εκτιμάται ότι θα έχει ολοκληρωθεί μέχρι το 2030. Στη φάση αυτή το κύριο χαρακτηριστικό της ΤΝ θα είναι η δυνατότητα να αντιλαμβάνεται το περιβάλλον και να συνδέει πολλά γνωστικά πεδία και καταστάσεις (Contextual and Traversal Artificial Intelligence).

 

Η ΤΝ θα συμβάλει αποφασιστικά στην αύξηση του κύκλου εργασιών της ψηφιακής οικονομίας.  Μέχρι το 2030 προβλέπεται  ότι θα προσθέσει 13 τρισ. δολάρια στο παγκόσμιο ΑΕΠ, με τις ΗΠΑ και την Κίνα να διαθέτουν το 78% των δικαιωμάτων ευρεσιτεχνίας ΤΝ στον κόσμο.

 

Οι τομείς που θα επωφεληθούν περισσότερο από την ΤΝ είναι αυτοί της υγείας (π.χ. οι διαγνώσεις θα καταστούν περισσότερο ακριβείς και γρήγορες, η εξατομικευμένη θεραπεία θα ενισχυθεί και η θνησιμότητα θα μειωθεί), της αυτοκινητοβιομηχανίας (π.χ. αυτόνομο αυτοκίνητο) και των χρηματοπιστωτικών υπηρεσιών.

 

Γενικότερα, η ΤΝ θα επιταχύνει τον μετασχηματισμό του παραγωγικού συστήματος. Θα αυξηθεί η παραγωγικότητα (μείωση κόστους ανά εργαζόμενο, λόγω της αυτοματοποίησης των εργασιών, βελτίωση συντονισμού, κ.λ.π.) και θα δημιουργηθούν νέες αγορές. Η ΤΝ θα προκαλέσει τη δημιουργία νέων επεγγελμάτων (επιστήμονες και ειδικοί στα big data, προγραμματιστές ΤΝ κ.ά.).

 

Από την άλλη πλευρά, η ΤΝ θα περιορίσει την εργασία και θα συμβάλει στην όξυνση των ανισοτήτων, με την κατάργηση πολλών επαγγελμάτων σε πολλούς τομείς της οικονομικής δραστηριότητας (βιομηχανία, τράπεζες, χρηματοπιστωτικές αγορές, εμπόριο, κ.λ.π.).

 

Ο ΟΟΣΑ προβλέπει ότι τα επόμενα δέκα χρόνια το 31,6% των θέσεων εργασίας θα επηρεαστούν από την αυτοματοποίηση μέσω ρομπότ. Συγκεκριμένα προβλέπει ότι θα εξαφανιστεί το 14% των θέσεων εργασίας τα επόμενα είκοσι χρόνια, ενώ 31,6% των επαγγελμάτων θα επηρεαστεί μέσα στα χρόνια αυτά.

 

 

 

ΤΝ και χρηματοπιστωτικός τομέας

 

Ο χώρος αυτός προσφέρεται περισσότερο για τις εφαρμογές της ΤΝ επειδή στηρίζεται στην ψηφιοποίηση και εκμετάλλευση δεδομένων-στοιχείων big data των πελατών, στην ανταλλαγή πληροφοριών και την αυτοματοποίηση των συναλλαγών.

 

Οι εφαρμογές της ΤΝ είναι ιδιαίτερα εξελιγμένες στον τομέα της εκτίμησης και διαχείρισης του ρίσκου του πελάτη, της διαχείρισης περιουσίας, την πρόληψη της απάτης, της προσαρμογής των χρηματοπιστωτικών φορέων με τους εποπτικούς κανόνες κ.λ.π.

 

Με τη ΤΝ τα χρηματοπιστωτικά ιδρύματα μπορούν να αναπτύξουν συστήματα διαλόγου με τους πελάτες τους (μέσω ρομπότ, e-mail, what’s up, Facebook, Slak. WeChat, κ.ά.). Τα συγκεκριμένα συστήματα στηρίζονται στην ανάπτυξη αυτόματης διαχείρισης της φυσικής γλώσσας (Natural Language Processing), με τη βοήθεια της διαχείρισης, μέσω αλγορίθμων και υπολογιστών, ενός μεγάλου αριθμού δεδομένων, στοιχείων και συνομιλιών με τους πελάτες.

 

Για παράδειγμα η Bank of America προώθησε, από το 2016, ένα φωνητικό σύστημα ΤΝ που επιτρέπει τη διεξαγωγή συνομιλιών με πελάτες. Το σύστημα αυτό απαντά σε σχεδόν όλα τα αιτήματα των εκατομμρίων πελατών της. Μπορεί επίσης να κάνει και προβλέψεις.

 

Η ΤΝ επιτρέπει την κατασκευή του προφίλ των πελατών των χρηματοπιστωτικών ιδρυμάτων, πράγμα που επιταχύνει τη διαδικασία εξυπηρέτησής τους και τον εντοπισμό περιπτώσεων απάτης και ξεπλύματος βρόμικου χρήματος. Ειδικότερα με βάση το σύστημα credit scoring, τα χρηματοπιστωτικά ιδρύματα καθορίζουν το ποσό και τους όρους δανείων για τους πελάτες τους ή και των ασφαλιστηρίων συμβολαίων τους, ανάλογα με το ρίσκο τους, δηλαδή τη δυνατότητα των πελατών να αποπληρώσουν τα δάνειά τους.

 

Το σύστημα High Frequency Trading, που στηρίζεται σε μαθηματικοποιημένα μοντέλα (αλγορίθμων) των αγορών παράγωγων πρϊόντων, επιτρέπει την αυτόματη εντολή, εκτέλεση ή ακύρωση, μέσα σε μκροδευτερόλεπτα, των σχετικών συναλλαγών. Επίσης οι αποφάσεις για την αγορά ή πώληση μετοχών στα Χρηματιστήρια λαμβάνονται αυτόματα μέσα σε μικροδευτερόλεπτα. Το 90% του trading είναι σήμερα αυτοματοποιημένο.

 

Στα πλαίσια των συστημάτων ΤΝ, οι επενδυτές έχουν την επιλογή είτε να παραμείνουν κυρίαρχοι των αποφάσεων, όσον αφορά τη διαχείριση του χαρτοφυλακίου τους (σύστημα Findshop), είτε να δώσουν εντολή στην τράπεζά τους να διαχειριστεί το χαρτοφυλάκιό τους με αυτόματο τρόπο (συστήματα Yomoni και WeSave).

 

Σήμερα οι τράπεζες χρησιμοποιούν συστήματα ΤΝ για τον εντοπισμό της απάτης. Για παράδειγμα με συστήματα machine learning και ειδικούς αλγορίθμους τα Πιστωτικά Ιδρύματα μπορούν να γνωρίζουν τις συμπεριφορές των πελατών τους όσον αφορά τη χρήση πιστωτικών καρτών, και να τους ειδοποιούν στην περίπτωση που διαπιστωθεί απόκλιση από τη συμπεριφορά τους η οποία θα μπορούσε να οφείλεται στην απώλεια των πιστωτικών καρτών τους και τη χρήση τους από κλέφτες. Το ίδιο μπορούν να κάνουν τα συστήματα αυτά και σε περίπτωση κυβερνοαπατών με λογαριασμούς πελατών τους.

 

Με τα συστήματα ΤΝ, τα Πιστωτικά Ιδρύματα μπορούν, μέσω εξειδικευμένων πλατφορμών, να ερμηνεύουν συμβόλαια εταιρικών και προσωπικών δανείων μέσα σε δευτερόλεπτα, που θα απαιτούνταν χρόνια  για να το κάνουν δικηγόρουι και συμβολαιογράφοι. Για παράδειγμα ένα τέτοιο σύστημα έχει αναπτύξει η JP Morgan Chase Bank.

 

Από την πλευρά της η Citibank ανέλαβε μια σειρά από πρωτοβουλίες για την πργαγματοποίηση διασυνοριακών πληρωμών μέσω των συστημάτων ΤΝ CitiConnect for Blockchain Connectivity Platform και Ling Platform Powered της Nasdag Financial Network, για την πρόληψη και διερεύνηση της απάτης και του ξεπλύματος βρόμικου χρήματος.

 

Επίσης, με τις ηλεκτρονικές πληρωμές, μέσω κινητών τηλεφώνων, πιστωτικών καρτών, e-mails, κ.ά., τα Πιστωτικά Ιδρύματα μπορούν πλέον να επικεντρώνονται στις συμβουλευτικές τους υπηρεσίες, να μειώνουν το λειτουργικό κόστος τους (π.χ. μείωση προσωπικού, υποκαταστημάτων).

 

Οι ηλεκτρονικές πληρωμές αυξήθηκαν ραγδαία τα τελευταία χρόνια. Προβλέπεται ότι από 600 δισ. δολάρια το 2013 θα φθάσουν τα 4,5 τρισ. δολάρια το 2023. Σημαντικό ρόλο στις πληρωμές αυτές διαδραματίζουν τα κινητά τηλέφωνα smartphones που έχουν ενσωματωμένα συστήματα ΤΝ.

 

Ταυτόχρονα, οι ψηφιακοί κολοσσοί, που ανταγωνίζονται τις τράπεζες, δραστηριοποιούνται στις ηλεκτρονικές πληρωμές. Η Apple Pay και η Google Pay, προσφέρουν υπηρεσίες αποστολής χρημάτων με e-mail καθώς και τη χρήση κρυπτονομισμάτων. Οι υπηρεσίες αυτές προσφέρονται από τις Amazonpay, Alipay (Alibaba),  GPay, Smilepay και WeChatpay.

 

Γενικότερα, το ποσοστό των πελατών των τραπεζών που χρησιμοποιούν on line ψηφιακές υπηρεσίες αυξάνεται διαχρονικά. ΄Εχει φθάσει στο 62% στις ΗΠΑ και 72% στο Ηνωμένο Βασίλειο. Κατά τη διάρκεια της κρίσης του κορονοϊού εκτιμάται ότι οι πελάτες των τραπεζών που χρησιμοποιούν online υπηρεσίες αυξήθηκαν ακόμα περισσότερο, καθώς οι επισκέψεις σε υποκαταστήματα και η χρήση χαρτονομισμάτων περιορίστηκαν σημαντικά, λόγω των περιοριστικών μέτρων που εφαρμόστηκαν στις διάφορες χώρες.

 

Πρόσφατα η Facebook ανακοίνωσε τη δημιουργία ενός ψηφιακού κρυπτονομίσματος, του libra, που θα εκδίδεται από το 2020 από μια ανεξάρτητη, μη κερδοσκοπική ένωση, η οποία θα έχει έδρα την Ελβετία και θα ελέγχεται από τις εποπτικές αρχές της χώρας αυτής. Η ισοτιμία του libra θα καθορίζεται με βάση ένα καλάθι νομισμάτων (δολάριο και ευρώ κυρίως) και το ψηφιακό αυτό νόμισμα θα χρησιμοποιείται στις συναλλαγές, μέσω Smartphones, των χρηστών του διαδικτύου, αλλά και γενικότερα από τους πελάτες της Facebook (δύο δισεκατομμύρια άτομα). Αυτό το ψηφιακό νόμισμα, εφόσον βέβαια θα εγκριθεί η κυκλοφορία του, θα χρησιμοποιείται στις μεταβιβάσεις χρημάτων από λογαριασμό σε λογαριασμό τους εσωτερικού ή/και του εξωτερικού. Για την εξασφάλιση δε της ασφάλειας των συναλλαγών, η Facebook θα κάνει χρήση του κρυπτογραφικού συστήματος Blockchain.

 

Το Blockchain, που είναι ένα ασφαλές πληροφοριακό πρωτόκολο όπου καταγράφονται όλες οι χρηματοπιστωτικές συναλλαγές (συναλλάγματος, μετοχών, παραγώγων προϊόντων, κ.ά.), επιτρέπει στα Χρηματοπστωτικά Ιδρύματα να ταυτοποιούν πελάτες και αγαθά με ασφαλή τρόπο, χωρίς τη μεσολάβηση τρίτων. Εκτιμάται ότι η τεχνολογία του blockchain θα συμβάλει στη μείωση του λειτουργικού κόστους των Χρηματοπιστωτικών Ιδρυμάτων κατά 15-20 δισεκατομύρια δολάρια μέχρι το 2022.

 

Τα συστήματα ΤΝ χρησιμοποιούνται και τις 4 μεγάλες ελεγκτικές εταιρίες (Deloitte, Pricewaterhouse, Coopers, Ernest & Young, KPMG) για την ανάλυση δεδομένων, την κατανόηση και ερμηνεία, για λογαριασμό των πελατών τους, διαφόρων τύπων συμβολαίων, επακριβείς εκτιμήσεις για μεγάλες εταιρίες ακινήτων, εκτιμήσεις ρίσκου, τον εντοπισμό απάτης (σε τιμολόγια e-mails, SMS, voicemail) και την καταστρατήγηση εποπτικών κανόνων, τη τήρηση φορολογικών υποχρεώσεων και τις ελεγκτικές δραστηριότητες.

 

Αξίζει να σημειωθεί ότι η τραπεζική βιομηχανία θα οφεληθεί κατά 1 τρισ. δολάρια, λόγω των αναδιαρθρώσεων και της μείωσης του λειτουργικού κόστους και συγκεκριμένα:

 

• 490 δισ. δολάρια από τις δραστηριότητες του Front Office

• 350   “           “            “      “                “                   “    Middle Office

• 200   “           “           “      “             “                    “   Back Office

 

Με ορίζοντα το 2035 τα οφέλη αυτά θα φθάσουν τα 4,5 τρισ. δολάρια.

 

Ο μετασχηματισμός της Χρηματοπιστωτικής αγοράς, θα περιορίσει τις

θέσεις εργασίας (για παράδειγμα, το ΔΝΤ εκτιμά ότι τα Χρηματοπιστωτικά Ιδρύματα θα αναγκαστούν να κλείσουν το 30% των υποκαταστημάτων τους) αλλά θα δημιουργήσει και νέες εξειδικεύσεις και νέα επαγγέλματα όπως:

 

• Data scientist: ειδικοί στην επεξεργασία αλγορίθμων και της Machine

•  

• Data analysts:  ειδικοί στη δημιουργία βάσεων δεδομένων, τη

                                    διαχείριση και την επεξεργασία της αρχιτεκτονικής                                                   

βάσεων δεδομένων και της μοντελοποίησης των δεδομένων.

• Data engineers:μηχανικοί που προετοιμάζουν τα δεδομένα που

                                    χρησιμοποιούνται από τους αλγορίθμους της Machine

                                    Learning και παράγουν νέες μεταβλητές με βάση τις

                                    υφιστάμενες.

• Outologists:     εμπειρογνώμονες που ταυτοποιούν, δημιουργούν και

                            χειραγωγούν τα γνωσιολογικά γραφήματα.

• Εμπειρογνώμονες στην αυτόματη επεξεργασία της φυσικής γλώσσας

που συνδιάζει ταυτόχρονα γνώσεις και δεξιότητες σε γλωσσικά θέματα και επιστήμες data.

• Εμπειρογνώμονες στην αναγνώριση μορφών (προσώπων) και

επεξεργασίας εικόνων και video.

• Εμπειρογνώμονες στη διάδραση ανθρώπων-μηχανών.

 

Συμπερασματικά, οι δυνατότητες που διανοίγουν οι τεχνολογικές  καινοτομίες είναι ελπιδοφόρες, αλλά προκαλούν και τεράστιες ανησυχίες για τις μελλοντικές οικονομικές και κοινωνικές εξελίξεις που εγκυμονούν.

 

 

                                                Βιβλιογραφία

 

Financial Times, “Artificial Intelligence and Machine Learning in Financial

                                  Servives”, Financial Stability Board, November 2017.

 

Girasa, R., Artificial Intelligence as a Disruptive Technology, Palgrave, Macmillan,

                   2020.

 

Ρουμελιώτης, Π.,  Ρήξη, Ο πόλεμος της Τεχνιτής Νοημοσύνης, Εκδόσεις Λιβάνη,

                               2020.

 

UNCTAD, “Digital Economy Report” 2019.

 

 

 

 

             Ομότιμου καθηγητή Παντείου Πανεπιστημίου, συγγραφέα του βιβλίου «Ρήξη: Ο πόλεμος της Τεχνητής Νοημοσύνης», Εκδόσεις Λιβάνη, 2020