هند همچنان با یک بحث حیاتی روبرو است: آیا این کشور باید در توسعه مدل زبانی بزرگ پایه خود سرمایهگذاری کند یا بر ساخت برنامههای کاربردی بر روی مدلهایی که توسط دیگران توسعه یافتهاند تمرکز کند؟ Mahesh Ramamoorthy، مدیر ارشد اطلاعات بانک بله، معتقد است که پاسخ درست یا غلطی وجود ندارد، بلکه یک راه پیچیده پیش رو است.
در Razorpay FTX’25، رامامورتی بر نیاز به یک رویکرد ساختاریافته شامل نظارت نظارتی و مشارکتهای دولتی و خصوصی، با تشریح پیچیدگی ساخت یک مدل زبانی بزرگ، تأکید کرد.
او اظهار داشت: «در پایه همه چیز، دادهها قرار دارند.» او توضیح داد که به عنوان مثال، موسسات مالی فقط به دادههای خود دسترسی دارند و تحت مقررات انطباق سختگیرانه فعالیت میکنند. این دامنه محدود، توسعه یک مدل هوش مصنوعی جامع و بیطرفانه را دشوار میکند.
در حالی که تخصص فناوری در هند وجود دارد، یک چالش کلیدی در آموزش موثر این مدلها نهفته است. چارچوب نظارتی فعلی دسترسی به دادهها را بیشتر محدود میکند. بانکها و موسسات مالی به مکانیسمهای مبتنی بر رضایت، مانند دفاتر اعتباری، متکی هستند که توانایی آنها را در جمعآوری مجموعههای داده متنوع محدود میکند.
رامامورتی خاطرنشان کرد: «به عنوان نهادهای تنظیمشده، ما با انتظارات انطباق همسو هستیم، به این معنی که توانایی ما برای جستجوی دادهها فراتر از آنچه داریم یا فراتر از دفاتر اعتباری، اساساً مبتنی بر رضایت است.»
مشارکت دادههای دولتی و خصوصی
رامامورتی برای رسیدگی به این چالش، یک رویکرد تریاژ شامل تنظیمکنندهها، نهادهای مالی خصوصی و شرکتهای فناوری پیشنهاد کرد. او بر نیاز به یک نهاد متمرکز متمرکز بود که بتواند دادهها را از منابع متعدد جمعآوری کند و در عین حال از حریم خصوصی و انطباق اطمینان حاصل کند.
او توضیح داد: «این نهاد میتواند یک پایگاه داده معتبر فراتر از آنچه امروز در دفاتر اعتباری میبینیم، بسازد.» او افزود که این امر به بانکها و موسسات مالی اجازه میدهد تا مدلهای هوش مصنوعی خاص دامنه را بدون به خطر انداختن امنیت دادهها توسعه دهند.
او همچنین بر اهمیت تبدیل این دادهها به یک دارایی ملی تأکید کرد. او گفت: «ما به عنوان یک کشور، باید دیتامارت خودمان را داشته باشیم که بتواند به عنوان یک دارایی مستقل مورد استفاده قرار گیرد، نه اینکه برای آن به اشخاص ثالث نگاه کنیم.»
رامامورتی تأکید کرد که یک چارچوب نظارتی برای اطمینان از توسعه منصفانه و مسئولانه هوش مصنوعی بسیار مهم است. او با حمایت از یک مکانیسم ساختاریافته که در آن استفاده از دادهها مبتنی بر رضایت و به خوبی اداره میشود، گفت: «چنین چیزهایی به چارچوب نظارت نظارتی عادلانهای نیاز دارد.»
او تصدیق کرد که گامهای اولیه برای ساخت زیرساختهای هوش مصنوعی در حال حاضر در حال انجام است، اما ادغام تنظیمکنندههایی مانند بانک مرکزی هند (RBI)، هیئت بورس و اوراق بهادار هند (SEBI) و مرجع تنظیم و توسعه بیمه هند (IRDAI) بسیار مهم خواهد بود.
او پیشبینی کرد: «در 12 تا 18 ماه آینده، میتوانم فراخوانهای مهمی را در اینجا ببینم.» او خاطرنشان کرد که مدلهای تجاری نوظهور نحوه توسعه و استقرار هوش مصنوعی در هند را شکل میدهند.
مسیر پیش رو
رامامورتی نسبت به سفر هوش مصنوعی هند خوشبین است. در حالی که چالشهایی وجود دارد، این کشور در موقعیت خوبی برای ساخت مدلهای پایه خود قرار دارد. او به نقش بالقوه دفاتر اعتباری در گسترش سبد خود برای کمک به توسعه مدل هوش مصنوعی اشاره کرد.
او تأمل کرد: «آیا آنها میتوانند سبد خود را گسترش دهند؟ زیرا آنها نیز به نوعی توسط RBI تنظیم میشوند. بنابراین، آیا میتوان از آنها برای گسترش سبد تجاری خود با مشارکتهای مختلف استفاده کرد؟»
ما در این زمینه عقب نخواهیم ماند. اما چارچوبها، مقررات و نهادها کلید موفقیت ما خواهند بود. من فکر نمیکنم که ما باید به طور گسترده به خارج از هند تکیه کنیم. ما باید بر اساس آن بنا کنیم.»
بانک بله نسبت به اجرای هوش مصنوعی در چندین پیشنهاد خود خوشبین بوده است. این بانک از اتوماسیون فرآیند رباتیک سنتی (RPA) به یک رویکرد پیشرفتهتر و مبتنی بر هوش مصنوعی تغییر میکند. Yes Robot که در طول همهگیری COVID-19 راهاندازی شد، همچنان یک ابزار کلیدی برای تعامل با مشتری است. این ابزار از درخواستهای خدمات پشتیبانی میکند و فروش متقابل و فروش بیشتر محصول را امکانپذیر میکند.
این بانک از یک استراتژی ابری ساختاریافته متمرکز بر مقیاسپذیری، انعطافپذیری و امنیت پیروی میکند. بانک بله با کار با چندین ارائهدهنده خدمات ابری، کارایی عملیاتی را از طریق بهینهسازی هزینه، منابع محاسباتی الاستیک، مقیاسپذیری درخواستی و فرآیندهای بازیابی خودکار بهبود بخشیده است.