فن‌آوری‌های نوین و هوش مصنوعی در مقابله با تقلب

به گزارش می‌متالز، مهمترین ابزار جدید در فن آوری اطلاعات، هوش مصنوعی نام دارد. هوش مصنوعی متضمن استفاده از دامنه وسیعی از تکنیک ها، ابزار‌ها و برنامه‌های کاربردی نظیر پردازش تحلیلی پیوسته، پایگاه داده تحلیلی، داده کاوی، سیستم‌های تصمیم یار هوشمند و سیستم‌های مدیریت دانش بوده که وظیفه آن‌ها ارتقاء کیفیت و تحلیل عملیات است. در همین زمینه هوش تجاری، فرآیند تبدیل داده‌ها به اطلاعات است که مدیران با استفاده از تحلیل این اطلاعات به اتخاذ تصمیمات دقیق، هوشمند و سریع در زمینه کسب و کار می‌پردازند.
از طرف دیگر توسعه فن آوری‌های جدید امکان تقلبات الکترونیکی و رایانه‌ای را نیز افزایش داده است، زیرا ایجاد سیستم‌های اطلاعاتی نوین فارغ از کلیه محاسن و فواید آن، فرصت‌های نوینی را هم برای تقلب برای مجرمان فراهم می‌سازند که هرگونه کم توجهی به آن‌ها آسیب‌های جدی بوجود خواهد آورد. استفاده از فن آوری‌های نوین در بازار‌های مالی و بیمه ای، از طریق شناسایی نقاط بحرانی بروز تقلب می‌تواند حجم فعالیت‌های متقلبانه را به شدت کاهش دهد.
صنعت بیمه ذاتا ریسک پذیر است و، چون ماهیت این صنعت مبتنی برتجمیع اطلاعات وآمار فراوان است، نقش مدیریت ریسک درآن بسیار با اهمیت تلقی می‌شود. بنابر این شرکت‌های بیمه گر علاوه بر راهبری فرآیند قیمت گذاری، مدیریت دارایی‌ها و بدهی‌ها در پی آن هستند استراتژی‌های خود را بر مبنای ریسک جامع طراحی و به کارگیرند. ریسک جامع یک شرکت بیمه‌ای شامل تک تک فعالیت‌های آن شرکت بوده که بر جریان نقدی آن شرکت تاثیرگذار است. برای مصون ماندن هریک از این رده‌های فعالیتی از تقلب، استفاده از داده کاوی مبتنی بر تجزیه و تحلیل داده‌ها بر مبنای هوش مصنوعی، الزامی است، زیرا فن آوری‌های نوین به جای کشف تقلب فرآیند تقلب را شناسایی وآن راخنثی می‌سازند.
در ساختار‌های کنترلی مدیریت ریسک تقلب که شامل مراحل پیشگیری وِ کشف است، کشف تقلب اهمیت فوق العاده‌ای دارد، زیرا آمار‌های جهانی نشان دهنده آن هستند که از کل حجم هزارمیلیارد دلاری صنعت بیمه در جهان، حدود۲۵ درصد از فعالیت‌ها در معرض تقلب بوده است. عدم کشف تقلب عملا باعث افزایش حق بیمه شده که مخل توسعه بازار‌های بیمه‌ای خواهدشد، بنابر این مقابله با تقلب مهمترین وظیفه استراتژیک مدیریت ریسک است.
عصر حاضر، عصر اطلاعات است. اطلاعات فراوانی در پایگاه‌های داده ذخیره می‌شود که تبدیل آن‌ها به دانش مورد نیاز برای تصمیم گیری، به ابزار‌هایی نیازدارد که قادر به تجزیه و تحلیل این حجم داده‌ها باشند و دیگر نمی‌توان از روش‌های آماری که در تحلیل داد ه‌ها بیشتر بر پایه استخراج شاخص‌های کمّی استوار است، تکیه کرد، زیرا اگرچه این روش‌ها غیر مستقیم ما را به دانش مورد نیاز در تصمیم گیری سوق می‌دهند؛ اما در نهایت تفسیر نتایج آن‌ها نیازمند تحلیل‌های انسانی است. در حالی که فن آوری‌های نوین نظیر هوش مصنوعی علاوه بر استفاده از روش‌های نوین تحلیل و تفسیر داده ها، به طور اتوماتیک از طریق انطباق با پلاتفرم یادگیری ماشین «Machin Learning» و داده کاوی بر مبنای مدل‌های ریاضی، سرعت تفسیر و تصمیم گیری را به شدت افزایش داده اند.
استفاده از مدل‌های ریاضی و الگوریتم ژنتیک داروین و شبکه‌های عصبی برای شناسایی تقلب، این امکان را فراهم کرده که متخصصان شرکت‌های بیمه گر با صرف زمان و هزینه کمتری تشخیص دهند که ادعای خدمات درخواستی از لحاظ آماری، مشکوک به تقلب هست یا خیر. زیرا شبکه‌های عصبی مصنوعی برپایه یک الگوی ریاضی مبنی بر سیستم زیستی عمل می‌کنند. سیستم‌های عصبی، الگوریتمی برای بهینه سازی و یادگیری آزادانه بر اساس مفاهیم الهام گرفته از تحقیق در ماهیت مغز هستند. مغز با استفاده از قابلیتی شنا خته شده به عنوان نورون اجزاءساختاری خود را سازماندهی می‌کند، در نتیجه محاسبات داده‌ای و کمی را بسیار سریع‌تر از کامپیوتر دیجیتال انجام می‌دهد. اساسا شبکه عصبی مشابه ماشینی است که طراحی شده تا روشی را مدل سازی کند که مغز برای انجام وظایف خاص یا عملکرد قابل توجه انجام می‌دهد. این شبکه یک پردازنده توزیع شده موازی و بزرگ، متشکل از واحد‌های پردازش ساده است که تمایلی طبیعی به ذخیره سازی دانش تجربی و ایجاد دسترسی به آن دارد. با چنین توصیفی بازار‌های مالی و به ویژه صنعت بیمه که همیشه در معرض آفت تقلب و ریسک است راهکاری به جز استفاده از فن آوری‌های نوین مبتنی بر هوش مصنوعی متضمن استفاده از بلاک چین و کلاد ندارد.
فریبا نوروزی
کارشناس ارشد صنعت بیمه

منبع: پایگاه خبری بازار سرمایه ایران (سنا)