İqtisadi
Təhlildə Süni İntellektin Tədbiqi İmkanları və Mövcud Problemlər 1
Mündəricat
1. Giriş..................................................................................................................................... 2
2. Süni İntellektin Sahəsində Əldə Edilən Nailiyyətlər....................................................... 3
3. Süni İntellektin İqtisadi Əhəmiyyəti və Tətbiqləri ......................................................... 6
4. İqtisadi Təhlillərdə Süni İntellektin Tətbiqi.................................................................... 9
4.1. Makroiqtisadi Proqnozlaşdırmada Maşın Öyrənməsinin Nümunələri............... 10
4.2. Mikro İqtisadi Təhlillərdə Süni İntellektin Tətbiqi............................................... 11
5. Maliyyə sahəsində süni intellektin tətbiqi və tənzimləməsi.......................................... 13
6. İqtisadi təhlillərdə Süni İntellektin Tətbiqi Problemləri və Məhdudiyyətləri............ 16
6.1. Süni İntellektin Tətbiqində Qara Qutu Problemi.................................................. 18
6.2. Süni İntellektdə Ağ Qutu və Qara Qutunun Müqayisəsi...................................... 20
7. İqtisadi Təhlil Tətbiqləri və Program Təminatı............................................................ 23
7.1. Sahələrarası Balans Təhlili Nümunəsində Süni İntellektin Tətbiqi..................... 31
8. Nəticə................................................................................................................................. 32
9. Ədəbiyyat Siyahısı............................................................................................................ 34
İqtisadi Təhlildə Süni İntellektin Tədbiqi İmkanları və Mövcud Problemlər
2
1. Giriş
İnformasiya və kommunikasiya texnologiyalarının ictimai həyatda geniş istifadəsi iqtisadi
məlumatların artımına və bu məlumatların təhlilinin yeni imkanlarının yaranmasına səbəb
olmuşdur. Süni intellektin geniş istifadə sahəsinə malik olması, iqtisadi təhlillərdə də öz təsirini
göstərmişdir. Bu səbəbdən hesabatın məqsədi, iqtisadi təhlillərdə süni intellektin tətbiqini,
imkanlarını və praktiki nümunələrinin öyrənilməsidir. Bu çərçivədə meydana gələn tədqiqat
sualları aşağıdakı kimidir:
- Süni intellekt sahəsində əldə edilən nailiyyətlər iqtisadi təhlillərin həyata keçirilməsində
hansı imkanları yaradır?
- İqtisadi təhlillərdə süni intellektin tədbiqində meydana gələn məhdudiyyətlər və
yetərsizliklər nələrdir?
- İqtisadi təhlillərdə süni intellektin tədbiqlərinin praktiki nümunələri hansılardır?
- İqtisadi təhlil üçün istifadə olunan alternatiflər nələrdir?
Bu suallar tədqiqatda süni intellektin meydana gələn yeni sahələri və onların təqdim etdiyi
imkanları üzərində diqqət mərkəzində saxlanılmışdır. Əlavə olaraq yeni imkanların iqtisadi
təsiri və əhəmiyyəti vurğulanmışdır. İqtisadiyyat elminin iki ana sahəsini təşkil edən makro və
mikro iqtisadi təhlillər mövzularına görə fərqlənirlər. Buna görə hesabatda əlavə olaraq makro
iqtisadi və mikro iqtisadi təhlillərin süni intellekt tətbiqləri göstərilmişdir. Araşdırma
nəticəsində aydın olmuşdur ki, süni intellektin ən geniş istifadə edildiyi iqtisadi sahələrdən biri
də maliyyə sahəsidir.
Hesabatda süni intellektin iqtisadi təhlillərdə potensiyalının tam təyin edilməsi üçün,
istifadə olunma məhdudiyyətləri və problemləri araşdırılmışdır. Problemlər çərçivəsində süni
intellektin “qara qutu” və “ağ qutu” modelləri vurğulanmış və müqayisəli qiymətləndirilməsi
aparılmışdır.
Ədəbiyyat tədqiqatı əsasında süni intellektin sahələrinin iqtisadi təhlillərdəki
üstünlükləri və çatışmazlıqları təyin edilmişdir. Belə ki, təyin olunan bəzi çatışmazlıqlar,
iqtisadi təhlillərdə süni intellektin alternativlərinin üzərində dayanmasına əsas yaradır. Bu
çərçivədə iqtisadi təhlillərdə istifadə olunan proqram təminatı və proqram dili fərqli təhlil
modelləri çərçivəsində qiymətləndirilmişdir.
İqtisadi
Təhlildə Süni İntellektin Tədbiqi İmkanları və Mövcud Problemlər 3
2. Süni İntellektin Sahəsində Əldə Edilən Nailiyyətlər
Süni intellekt son dövrlərdə xüsusi əhəmiyyət qazanmış, sadəcə kompüter elmləri sahəsində
deyil, gündəlik həyatda mühüm yer tutmuşdur. Süni intellektin, mühakimə, problem həll etmək
və ya dilləri başa düşmək imkanları vardır. Süni intellekt nisbətən yeni elm sahəsi olsa da, digər
qədim elm sahələri ilə sıx əlaqəlidir və fəlsəfə, riyaziyyat, kompüter elmləri, neurologiya və
başqa elm sahələri ilə əlaqəlidir. Kökü Aristotel və Sokrat dövrlərinə qədər uzanan tarixə malik
olmasına baxmayaraq, Alan M. Turing (1912–1954) "süni intellektin atası" hesab olunur.1
Ədəbiyyata görə, ilk rəsmi süni intellekt konfransı 1956-cı ildə Hannoverdakı Dartmouth
Kollecində keçirilmişdir. Ashri bu konfrans tarixini yeni bir tədqiqat sahəsi, yəni süni intellektin
doğum günü olaraq qəbul edir. Süni intellektin inkişaf sürətini artırmağa üç əsas amil səbəb
olmuşdur:
1. Artan məlumat həcmi və böyük verilənlər (big data),
2. Artan informasiya emal gücü və yeni alqoritmlər,
3. Böyük həcimli məlumatların saxlanması, yəni bulud əsaslı həllər.2
Süni intellekt insan köməyi olmadan işləməyə imkan verən alqoritmlərdən istifadə edir, yeni
analitik modellər qurur, insan dillərini başa düşür, analiz və mühakimə edir, obyektləri,
səhnələri və fəaliyyətləri tanıya bilir. Bu səbəbdən onun tətbiq sahələri gedərək daha da
genişlənir. Süni intellektin həyata keçirə bildiyi mövcud potensialları aşağıdakı qrafikdə qeyd
edilmişdir.
Şəkil 1. Süni İntellektin Mövcud Potensiyalı
Süni İntellekt öz ətrafını təhlil edə bilən, düşünən və bəzi hallarda öyrənən, eyni zamanda,
hiss etdiklərinə və məqsədlərinə uyğun olaraq tədbir görən kompüter sistemləri üçün ümumi bir
termindir. Hazırda istifadə olunan süni intellekt formalarına rəqəmsal köməkçilər, dərin sualcavab sistemləri, maşın görmə texnologiyaları və bir çox digər texnologiyalar daxildir. İnsanlar
1 Traiger, S. (2000). Making the Right Identification in the Turing Test. Mind Mach 10(4): 561
2 Ashri R. (2020). The AI-Powered Workplace. How Artificial Intelligence, Data, and Messaging Platforms Are
Defining the Future of Work. Apress, Berkeley, CA. ISBN 978-1-4842-5476-9.
Hiss edə bilən süni
intellekt...
•Təbii dil
•Audio və Nitq
•Maşın görmə
•Naviqasiya
•Vizuallaşdırma
Düşünə bilən süni
intellekt...
•Bilik və təsvir
•Planlaşdırma və
layihələndirmə
•Əsaslandırma
•Maşın Öyrənməsi
•Dərin Öyrənmə
Fəaliyyət göstərə
bilən süni intellekt...
•Robot proseslərinin
avtomatlaşdırılması
•Dərin sual və cavab
•Maşın tərcüməsi
•Əməkdaşlıq sistemi
•Adaptiv sistemlər
İqtisadi Təhlildə Süni İntellektin Tədbiqi İmkanları və Mövcud Problemlər
və maşınlar daha sıx əməkdaşlıq etdikcə və süni intellekt yenilikləri tədqiqat
laboratoriyalarından gündəlik həyata daxil olduqca, maşın öyrənməsi, dərin örənmə, generativ
süni intellekt və geniş dil modelləri kimi sahələri yaranır və bu texnologiyaların tətbiqi
potensialı gedərək artır.
Şəkil 2. Süni İntellektin Başlıca Sahələri (Tərkibi)
Maşın öyrənməsi (Machine Learning), təhlildə geniş yayılmış bir süni intellekt sahəsidir və
proqnozlaşdırma məsələləri üçün istifadə olunur.3 Maşın öyrənməsi modelləri parametrlərin
dəqiq təxmininə və şərh edilməsinə yönəlmir, lakin qeyri-xətti modelləşdirmə vasitəsilə
proqnozlaşdırma problemlərini həll edir və verilmiş məlumatlardan kənar olan halları daha
dəqiq proqnozlaşdırmağa kömək edir.4 Maşın öyrənməsində son dövrlərdəki irəliləyişlər, aktiv
qiymətləndirmədə sərhədlərini genişləndirmiş daha effektiv hesablama metodlarının
tənzimləməsinin inkişafına səbəb olmuşdur.
Dərin öyrənmə (deep learning) verilənlərdə kompleks modelləri öyrənmək üçün bir neçə
qatlı neyron şəbəkələrinin istifadəsini əhatə edən maşın öyrənməsinin bir alt sahəsidir. Dərin
3 H. O. Zapata and S. Mukhopadhyay. A bibliometric analysis of machine learning econometrics in asset
pricing. Journal of Risk and Financial Management, 15(11), 2022. https://doi.org/10.3390/jrfm15110535
4 M. Ali, D. M. Khan, H. M. Alshanbari, and A. A. H. El-Bagoury. Prediction of complex stock market data
using an improved hybrid emd-lstm model. Applied Sciences (Switzerland), 13(3), 2023.
https://doi.org/10.3390/app13031429
Verilənlərin təhlili əsasında qərar və
proqnozların edilməsi
Çoxqatlı verilənlər prosesinin təmin
edir, fərqli verilənlər arasında əlaqə
qurur.
Yeni məzmunlar (mətn, şəkil, səs
və s.) yarada bilir.
Suni İntellekt
Maşın Öyrənməsi
Dərin Öyrənmə
Generativ Sİ
Geniş Dil
Modelləri (GPT)
Təbii dil üzərindən əməliyyatların
keçirilməsinə imkan verir.
İqtisadi
Təhlildə Süni İntellektin Tədbiqi İmkanları və Mövcud Problemlər 5
öyrənmədən proqnozlaşdırmanın dəqiqliyini artırmaq və kompleks sistemləri modelləşdirmək
üçün istifadə edilir.5
Generativ süni intellektə (Generative AI) olan maraq 2022-ci ilin sonlarından etibarən,
OpenAI-nin ChatGPT-nin istifadəyə verilməsi ilə artıb. Generativ süni intellekt, sadə
komandalarla geniş insan interaksiyası tələb edən nəticələr yarada bilir. Bu nəticələrin və onları
istehsal edən alətlərin bəzi nümunələri aşağıdakılardır:
• Mətn: ChatGPT, Google-un Gemini və Meta-nın Llama kimi böyük dil modelləri
(LLM) yazılı mətn və proqramlaşdırma kodu yarada bilir.
• Şəkillər: Midjourney, OpenAI-nin Dall-E və Stability AI-nin Stable Diffusion kimi
alətlər stilizə edilmiş və ya fotorealistik şəkillər yarada bilir.
• Musiqi və səs: Udio və Google-un MusicLM kimi modellər seçilmiş üslubda musiqi
yarada bilir. Populyar artistləri təqlid edən süni intellekt tərəfindən yaradılan mahnılar artıq
geniş yayılıb.
• Video: Video yaratmaq üçün alətlər hələ inkişaf mərhələsindədir, lakin ilkin nümunələr
arasında Runway, Luma AI və OpenAI-nin Sora modelləri var.
Hələ başlanğıc mərhələsində olmasına baxmayaraq, generativ süni intellekt artıq müxtəlif
sahələrdə istifadə edilir. Generativ süni intellektin statistik proqnozlaşdırmada əhəmiyyətli bir
irəliləyişi təmsil edir. Hər bir halda, texnologiya geniş məlumatlar toplusundakı struktur və
modelləri “öyrənir” (məsələn, mətn, vizual və istifadəçi məlumatları) və sonra bu
məlumatlardan istifadə edərək, təbii insan məhsulunu təqlid edən bir formada “proqnoz”
əsasında yeni məzmun yaradır.6
Süni intellektin sahələrindən biri olan təbii dil emalı (Natural Language Processing- NLP),
insan dilinin təhlilini həyata keçirərək mətndən mənalar və məlumatlar çıxarmağı bacarır. NLP
istehlakçı sentimentlərini təhlil etmək və iqtisadi xəbərlər və hesabatlardakı trendləri müəyyən
etmək üçün istifadə edilmişdir.7
Neyron şəbəkələri istifadə edilən başqa bir süni intellekt sahəsidir və insan beyninin
davranışını simulyasiya etmək üçün nəzərdə tutulmuşdur. Neyron şəbəkələri kompleks iqtisadi
sistemləri modelləşdirmək və maliyyə və xammal bazarlarını proqnozlaşdırmaq üçün istifadə
edilir.8
5 M. Ali, D. M. Khan, H. M. Alshanbari, and A. A. H. El-Bagoury. Prediction of complex stock market
data using an improved hybrid emd-lstm model. Applied Sciences (Switzerland), 13(3), 2023.
https://doi.org/10.3390/app13031429
6 AI as a ‘prediction technology’ is the focus of Agrawal et al. (2022).
7 P. Hajek and J. Novotny. Fuzzy rule-based prediction of gold prices using news affect. Expert Systems
with Applications, 193, 2022. https://doi.org/10.1016/j.eswa.2021.116487
8 W. Liu, C. Wang, Y. Li, Y. Liu, and K. Huang. Ensemble forecasting for product futures prices using
variational mode decomposition and artificial neural networks. Chaos, Solitons and Fractals, 146, 2021.
https://doi.org/10.1016/j.chaos.2021.110822
İqtisadi Təhlildə Süni İntellektin Tədbiqi İmkanları və Mövcud Problemlər
3. Süni İntellektin İqtisadi Əhəmiyyəti və Tətbiqləri
Süni intellektin iqtisadi təsirləri, bu texnologiyaları inkişaf etdirən və istehsal edən
sektorların payının ÜDM-də artımı ilə, eləcə də istifadə olunduğu mövcud sektorlarda
məhsuldarlığın artması ilə ölçülür. Süni intellekti istehsal edən sektorlardakı artım gəlirlərin və
bu mövcud firmalarda iş yerlərinin artmasına, həmçinin tamamilə yeni iqtisadi fəaliyyətlərin
yaradılmasına səbəb olur. İqtisadi mənfəətin miqyası, süni intellektin irəliləyiş və yayılma
sürəti ilə böyük ölçüdə müəyyən ediləcəkdir. Əgər süni intellekt daha çox məhsulun tərkib
hissəsi olarsa, iqtisadi əhəmiyyəti gedərək daha da artacaqdır.
Süni intellektin iqtisadi təsirinin miqyası, regiondan regiona dəyişə bilər. Bu dəyişkənlik,
əsasən, regionun iqtisadi fəaliyyətinə və süni intellektin bu fəaliyyətə təsir etmə qabiliyyətinə
bağlıdır. Yəni, bu, bölgənin iqtisadi və inkişaf vəziyyətindən asılı olmayaraq belədir. Süni
intellekt, inkişaf etmiş və inkişaf etməkdə olan ölkələr üçün əhəmiyyətli dərəcədə qazanc
gətirmək potensialına malikdir. Məsələn, süni intellekt kənd təsərrüfatı bölgələrini təhlil edərək
qida istehsalını optimallaşdıra bilər. Bir regionda və ya iqtisadi sektorda süni intellektin daha
geniş və dərin şəkildə tətbiqi, onun iqtisadi təsirini artıracağı gözlənilir.
Süni intellektlə bağlı aparılan geniş müazkirələrdən biri də əmək bazarına təsiridir. Süni
intellekt və avtomatlaşdırmanın artmasının kapitalın işçi qüvvəsi ilə əvəzlənməsi nəticəsində
ciddi işsizlik yarada biləcəyi gözlənilir. Süni intellektin artan mürəkkəbliyinin ixtisaslı və yarıixtisaslı işçiləri təhlükəyə ata biləcəyini və orta təbəqənin azalmasına səbəb olacağına dair
narahatlıqlar vurğulanır. Bu arqument yeni deyil; texnologiyanın işçi qüvvəsinə mənfi təsir
edəcəyi və kütləvi işsizliyə səbəb olacağı düşüncəsi hələ Sənaye İnqilabı dövründən mövcud
idi. İqtisadçı David Ricardo da bunu vurğulayaraq, "maşınların insan əməyini əvəz etməsi, işçi
sinfinin maraqlarına ciddi zərər vurur" ifadəsi ilə həmin narahatlığı bildirmişdir.9
Digər tərəfdən, alternativ baxış dağıdıcı texnologiyaların (disruptive technology) iqtisadi
tarixindən dəstək alır. Bəzi sənaye sahələrində texnoloji irəliləyişlər nəticəsində iş yerlərinin
azaldığı doğru olsa da, texnologiyanın ümumi təsiri uzun müddətdə işsizliyin artmasına səbəb
olmamışdır. Əksinə, əmək bazarı tarixən yeni texnologiyalara uyğunlaşaraq, yeni sahələrdə bir
çox iş imkanları yaratmışdır. Əgər əmək bazarı bu tarixi dayanıqlığını göstərməkdə davam
edərsə, süni intellektin inkişafı da yeni iş yerlərinin yaranmasıyla həyata keçəcəkdir.
Süni intellektin iqtisadiyyat və cəmiyyət üzərində çox dağıdıcı təsiri ola biləcəyinə dair
narahatlıqlar da var. Bəziləri xəbərdarlıq edir ki, bu, super firmaların yaranmasına səbəb ola
bilər, bunun da iqtisadiyyata mənfi təsirlərin meydana gəlməsinə səbəb ola bilər. Eyni zamanda,
bu, inkişaf etmiş və inkişaf etməkdə olan ölkələr arasındakı fərqi genişləndirə bilər, müəyyən
bacarıqlara malik işçilərə olan tələbi artırarkən, digərlərini isə işsiz qoya bilər; bu sonuncu
tendensiya əmək bazarı üçün genişmiqyaslı nəticələrə səbəb ola bilər. Mütəxəssislər, süni
Learning From Ricardo And Thompson: Machinery And Labor In The Early Industrial Revolution – And In The
Age Of AI, Daron Acemoglu and Simon Johnson, p.3
İqtisadi
Təhlildə Süni İntellektin Tədbiqi İmkanları və Mövcud Problemlər 7
intellektin bərabərsizliyi artırma, maaşları aşağı salma və vergi bazasını daraltma potensialı
olduğuna da diqqət çəkirlər.
Süni intellekt qlobal iqtisadi fəaliyyətə töhfə vermək üçün böyük potensiala malikdir. Lakin
faydaları maksimum dərəcədə artırmaq üçün ölkələr, şirkətlər və işçilər arasında genişlənən
boşluqları idarə etmək lazımdır. Biznesdə və qlobal iqtisadiyyatda süni intellekt alətləri və
texnikalarının rolu ən aktual mövzudur. Süni intellekt inqilabı hələ başlanğıc mərhələsində
deyil, lakin onun iqtisadi təsirinin böyük hissəsi hələ qarşıdadır.
Əməyin avtomatlaşdırılması, innovasiya və yeni rəqabət də daxil olmaqla bir sıra amillər
süni intellektə əsaslanan məhsuldarlığın artmasına təsir göstərir. Süni intellektin
mənimsənilməsi üzrə əsasən inkişaf etmiş ölkələr inkişaf etməkdə olan ölkələr üzərində
liderliyini artıra bilər. Aparıcı süni intellekt ölkələri(ABŞ, İngiltərə, Fransa, Almaniya, Çin)
bugünkü ilə müqayisədə əlavə 20-25 % xalis iqtisadi mənfəət əldə edə bilər, inkişaf etməkdə
olan ölkələr isə yalnız təxminən 5-15 % mənfəət əldə edə bilər.10 Bir çox inkişaf etmiş ölkələrin
ÜDM-in artım tempi yavaşladığı üçün süni intellektləri daha yüksək məhsuldarlıq artımına nail
olmaq üçün istifadə etməkdən başqa seçimi qalmaya bilər. Bir çox hallarda bu, əhalinin
qocalması ilə bağlı problemi qismən əks etdirir. Üstəlik, inkişaf etmiş iqtisadiyyatlarda əmək
haqqı dərəcələri yüksəkdir, bu o deməkdir ki, əməyi maşınlarla əvəz etmək üçün aşağı maaşlı,
inkişaf etməkdə olan ölkələrə nisbətən daha çox stimulu vardır. İnkişaf etmiş ölkələr güclü
başlanğıc strukturunun olması, süni intellektə sərmayə qoymağı asanlaşdırır.
Süni intellekt ilə iqtisadiyyat arasındakı əlaqə fərqli miqyaslarda özünü göstərə bilir. Bu,
texnologiyaların bizneslərə, istehlakçılara və daha geniş mənada iqtisadiyyata nə dərəcədə təsir
edəcəyi sualını ortaya çıxarır. Adətən, bu təsirləri ölçməyə çalışan tədqiqatlar, iş yerləri və
məhsuldarlıq üzərindəki təsirlərinə fokuslanır, çünki şirkətlər öz işlərini daha səmərəli və daha
aşağı xərclərlə idarə etməyə çalışır.
2016-cı ildə Analysis Group (Facebook tərəfindən maliyyələşdirilib) tərəfindən nəşr olunan
bir tədqiqat hesab edir ki, süni intellektin iş yerlərinə, məhsuldarlığa və ÜDM-yə həm birbaşa,
həm də dolayı müsbət təsirləri olacaq. Birbaşa təsirlər, süni intellekt texnologiyalarını inkişaf
etdirən və istehsal edən şirkətlər və sektorlardakı artan gəlirlər və məşğulluq ilə yaradılacaq; bu,
eyni zamanda tamamilə yeni iqtisadi fəaliyyətlərin yaranmasına da səbəb ola bilər. "Dolayı"
təsirlər, bəzi süni intellekt texnologiyalarını tətbiq edən digər sektorların proseslərini və
qərarlarını daha səmərəli etməsi ilə yanaşı, məlumatlara daha asan çıxışı da artıracaq. Onlar,
gələcək 10 ildə iqtisadi təsirin 1.49 trilyon dollardan 2.95 trilyon dollara qədər dəyişəcəyini,
illik ortalama 149 milyard dollardan 295 milyard dollara qədər olduğunu nəticə olaraq
10 Notes from the AI frontier: Modeling the impact of AI on the world economy, Jacques Bughin, Jeongmin
Seong, James Manyika, Michael Chui, and Raoul Joshi, https://www.mckinsey.com/featured-insights/artificialintelligence/notes-from-the-ai-frontier-modeling-the-impact-of-ai-on-the-world-economy, 08.10.2024
İqtisadi Təhlildə Süni İntellektin Tədbiqi İmkanları və Mövcud Problemlər
bildirirlər. Bu məbləğlər əhəmiyyətli görünsə də, hazırda qlobal iqtisadiyyatın 74 trilyon dollar
olduğu bir mühitdə, bu, 1%-dən çox bir artıma çevrilmir.11
Araşdırmaların əksəriyyəti süni intellektin iqtisadiyyata əhəmiyyətli təsir göstərəcəyini
vurğulayır. Accenture tərəfindən başladılan tədqiqat, 12 inkişaf etmiş iqtisadiyyatı əhatə edir.
Tədqiqat 2035-ci ilə qədər süni intellektin illik qlobal iqtisadi artım tempini ikiqat artıracağını
proqnozlaşdırır. Süni intellekt bu artımı üç əsas yolla təmin edəcək: birincisi, işçi
məhsuldarlığında (təxminən 40% qədər) güclü bir artıma səbəb olacaq, çünki yenilikçi
texnologiyalar daha səmərəli iş qüvvəsi ilə zaman idarəçiliyini mümkün edəcək. İkincisi,
hesabatda "intellektual avtomatlaşdırma" adlandırılan yeni virtual işçi qüvvəsi yaradılacaq; bu
işçi qüvvəsi problemləri həll etmə qabiliyyətinə və öz-özünə öyrənmə bacarığına malikdir.
Üçüncüsü, iqtisadiyyat innovasiyanın yayılmasından faydalanacaq, bu da müxtəlif sektorları
əhatə edəcək və yeni gəlir axınları yaradacaq.
PricewaterhouseCoopers (PwC) tərəfindən aparılan bir tədqiqat, 2030-cu ilədək qlobal
ÜDM-nin 14%-ə qədər artacağını (təxminən 15.7 trilyon ABŞ dolları) hesablayır ki, bu da süni
intellektin sürətlə inkişafı və qəbul edilməsinin nəticəsidir. Tədqiqat, növbəti rəqəmsal inqilabın
İnternetdən toplanan məlumatlarla gerçəkləşəcəyini gözləyir; bu, hazırkı "Internet of People"
tərəfindən yaradılan məlumatdan dəfələrlə daha çox olacaq. Bu, standartlaşdırmanı və nəticədə
avtomatlaşdırmanı artıracaq, eyni zamanda məhsul və xidmətlərin fərdiləşməsini də inkişaf
etdirəcək. PwC, süni intellektin qlobal iqtisadiyyata iki əsas təsir kanalını görür: birincisi,
standart vəzifələrin avtomatlaşdırılması sayəsində yaxın müddətdə məhsuldarlıq artımı, bu,
istehsal və nəqliyyat kimi kapital-intensiv sektorlara təsir edəcək. Buraya robotlar və müstəqil
nəqliyyat vasitələrinin geniş istifadəsi daxildir. Məhsuldarlığın artması, müəssisələrin süni
intellekt texnologiyaları ilə mövcud işçi qüvvəsini tamamlaması və dəstəkləməsi ilə də baş
verəcək. Bu, dəstək, müstəqil və artırılmış intellektə əsaslanan proqram təminatı, sistemlər və
maşınlara sərmayə qoymağı tələb edəcək. Bu, işçi qüvvəsinin öz vəzifələrini daha yaxşı və
səmərəli yerinə yetirməyə imkan verəcək və eyni zamanda daha stimul verici və yüksək dəyərli
fəaliyyətlərə fokuslanmağa vaxt ayıracaq. Avtomatlaşdırma, işçi qüvvəsinin giriş tələbatını
qismən azaldaraq, ümumilikdə məhsuldarlıq artımına səbəb olacaq.12
İkinci kontekst – fərdiləşdirilmiş və daha yüksək keyfiyyətli süni intellektlə artırılmış məhsul
və xidmətlərin mövcudluğu – daha da vacib hala gələcək, çünki bu mövcudluq istehlakçı
tələbatını artıracaq və bu da daha çox məlumat yaradacaq. PwC-nin sözləri ilə: "İstehlakın
artması, daha çox məlumat nöqtələri və buna görə də daha çox məlumat, daha yaxşı anlayışlar,
daha yaxşı məhsullar və daha çox istehlak yaradan bir müsbət dövr yaradır."
McKinsey Global Institute, 2030-cu ilə qədər şirkətlərin təxminən 70%-nin ən azı bir növ
süni intellekt texnologiyasını qəbul edəcəyini gözləyir, lakin iri şirkətlərin yarısından azının
bütün spektri tətbiq edəcəyi proqnozlaşdırılır. McKinsey, süni intellektin 2030-cu ilə qədər
11 Economic impacts of artificial intelligence (AI),
https://www.europarl.europa.eu/RegData/etudes/BRIE/2019/637967/EPRS_BRI(2019)637967_EN.pdf
12 PricewaterhouseCoopers, The macroeconomic impacts of artificial intelligence, February 2018.
İqtisadi
Təhlildə Süni İntellektin Tədbiqi İmkanları və Mövcud Problemlər 9
əlavə iqtisadi istehsalı təxminən 13 trilyon ABŞ dolları təqdim edə biləcəyini və qlobal ÜDMnin hər il 1.2% artacağını qiymətləndirir. Bu, əsasən avtomatlaşdırma vasitəsilə əmək
əvəzlənməsi və məhsul və xidmətlərdə artırılan innovasiyalardan gələcək. Digər tərəfdən, süni
intellekt əmək bazarında bir şok yarada bilər və bu da əmək bazası keçidlərini idarə etmək üçün
tələb olunan xərclərlə əlaqədar olacaq; bu şok, işsizliyin səbəb olduğu daxili istehlakın itirilməsi
kimi mənfi xarici təsirlərdən qaynaqlanacaq.13
Qlobal miqyasda faydaların hiss ediləcəyi gözlənilir, lakin Şimali Amerika və Çinin süni
intellekt texnologiyasından ən çox faydalanacağı proqnozlaşdırılır. Şimali Amerika, çoxsaylı
məhsuldar texnologiyaları nisbətən tez tətbiq edəcək, əldə edilən faydalar isə süni intellektə
(həm müəssisələr, həm də istehlakçılar üçün) irəliləmiş hazırlıq, məlumatların sürətli yığılması
və müştəri anlayışlarının artması ilə sürətlənəcək. Çinin süni intellektin tam təsirini hiss etməsi
üçün daha çox vaxt tələb olunsa da, bu təsir ölkənin böyük istehsalat sektorunda baş verəcək və
daha sonra daha mürəkkəb və yüksək texnologiyalı istehsalat və ticarət sahələrinə keçəcək.
Avropanın süni intellektdən əhəmiyyətli iqtisadi qazanc əldə edəcəyi gözlənilir, lakin inkişaf
etməkdə olan ölkələrdə süni intellekt texnologiyalarının qəbulunun aşağı olması səbəbindən
daha az inkişaf gözlənilir.
4. İqtisadi Təhlillərdə Süni İntellektin Tətbiqi
Son illərdə süni intellekt texnologiyalarının sürətli inkişafı makro və mikroiqtisadi təhlillərdə
istifadəsinə geniş imkanlar yaratmışdır. Süni intellektin bu sahələrdə tətbiqi ənənəvi
metodlardan fərqli olaraq, məlumatların daha sürətli və dəqiq emalına, iqtisadi proseslərin daha
dərin təhlilinə imkan verir. Xüsusilə, makroiqtisadi proqnozlaşdırmada və mikroiqtisadi
göstəricilərin modelləşdirilməsində bu texnologiyanın əhəmiyyəti artmaqdadır.
Makroiqtisadi və mikroiqtisadi modellərə süni intellektin inteqrasiyası iqtisadi
araşdırmalarda əhəmiyyətli bir irəliləyişdir. Dərin öyrənmə və generativ rəqib şəbəkələri kimi
süni intellekt texnikaları makroiqtisadi simulyasiyaların dəqiqliyini və mürəkkəbliyini
artırmışdır. Bu modellər qeyri-xətti qarşılıqlı əlaqələri və iqtisadi dəyişənlər arasında əks əlaqə
dövrələrini daxil etməklə, iqtisadi davranışların daha mürəkkəb və reallığa uyğun
proqnozlaşdırılmasına imkan yaradır.
Mikroiqtisadi səviyyədə süni intellekt bazar təhlillərini və istehlakçı davranışının
proqnozlaşdırılması üçün istifadə olunan ənənəvi modelləri dəyişmişdir. Süni intellekt əsaslı
agent modelləşdirilməsi real iqtisadi aktorları təkrarlayan müxtəlif, uyğunlaşa bilən agentlər
yaradır. Bu metod bazar dinamikası, qiymətlərin formalaşması və siyasət müdaxilələrinin
təsirlərinə dair dəyərli məlumatlar təqdim edir. Süni intellektdəki bu inkişaflar həm
13 McKinsey Global Institute, Notes from the AI frontier – Modeling the impact of AI on the world economy,
discussion paper, September 2018.
İqtisadi Təhlildə Süni İntellektin Tədbiqi İmkanları və Mövcud Problemlər
makroiqtisadi, həm də mikroiqtisadi fenomenlərin daha dərin təhlilini təmin edir, iqtisadi
proqnozların və politikaların qiymətləndirmələrinin dəqiqliyini artırır.14
Maliyyə sektorunda süni intellekt sistemləri makroiqtisadi və maliyyə dəyişənlərini
proqnozlaşdırmaq, müştəri tələblərini qarşılamaq və biznes şərtlərini monitorinq etmək üçün
istifadə olunur. Süni zəka modelləri ənənəvi statistik və ekonometriya metodlarına nisbətən
daha çevikdir və dəyişənlər arasındakı mürəkkəb qarşılıqlı əlaqələri araşdırmağa imkan verir.
Araşdırmalar göstərir ki, maşın öyrənməsi üsulları çox zaman xətti regresiya əsaslı modelləri
dəqiqlik və möhkəmlik baxımından üstələyir, maliyyə qurumlarının proqnozlaşdırma
qabiliyyətlərini artırır.
4.1. Makroiqtisadi Proqnozlaşdırmada Maşın Öyrənməsinin Nümunələri
Maşın öyrənməsinin makroiqtisadi proqnozlaşdırmaya tətbiqi dəqiqlik və səmərəliliyi xeyli
artırmışdır. Məsələn, COVID-19 pandemiyası zamanı Beynəlxalq Valyuta Fondunun (BVF)
komandası Avropada ÜDM-in cari vəziyyətini proqnozlaşdırmaq üçün dinamik faktor
modellərindən və maşın öyrənməsindən istifadə etmişdir. Onlar qeyri-adi məlumat mənbələrini
– rəylərin təhlili, bazar sorğuları və onlayn axtarış sistemlərini inteqrasiya edərək ənənəvi
metodlarla müqayisədə proqnoz səhvlərini 75%-ə qədər azaltmağa nail olmuşlar.
Eyni zamanda, Türkiyə üçün hazırlanmış maşın öyrənmə çərçivələri ənənəvi modellərlə
müqayisədə proqnoz səhvlərini 30% azaldıb. Bu yanaşmalar təkcə dəqiqliyi artırmamış, həm də
proqnozlara fərdi göstəricilərin təsirini açıq şəkildə göstərməklə şəffaflığı yaxşılaşdırmışdır.
Maşın öyrənmə modellərinin bir çox göstəricilər arasında qeyri-xətti qarşılıqlı əlaqələri idarə
etmək qabiliyyəti, makroiqtisadi proqnozları daha da təkmilləşdirmək və dəyişkən iqtisadi
şəraitlərə cavab vermək potensialını vurğulayır.15
Makroiqtisadi proqnozlaşdırma və mikroiqtisadi təhlil sahələrində süni intellektin ənənəvi
metodlardan daha sürətli və dəqiq nəticələr verdiyi müşahidə edilmişdir. Məsələn, makroiqtisadi
göstəricilər olan ÜDM, inflyasiya və işsizlik səviyyəsi kimi göstəricilərin
proqnozlaşdırılmasında süni intellekt texnologiyaları klassik iqtisadi modelləri üstələyərək, həm
qısa müddətli, həm də uzun müddətli proqnozlar üçün daha doğru nəticələr verir. McKinsey &
Company kimi beynəlxalq tədqiqat mərkəzlərinin apardığı araşdırmalar da göstərir ki, süni
intellekt əsaslı makroiqtisadi təhlil sistemləri proqnozlarda 10-20% daha yüksək dəqiqlik təmin
edir.
14 Li, S., Chen, J., Sun, Y., Wang, Z., Du, J., & He, W. (2024). AI-driven transformation: From economic forecasting
to strategic management. Applied and Computational Engineering, 57(1), 118–123.
https://doi.org/10.54254/2755-2721/57/20241319
15 Rayner, M. a. B. (2020, February 28). Deus ex Machina? A Framework for Macro Forecasting with Machine
Learning. IMF.
https://www.imf.org/en/Publications/WP/Issues/2020/02/28/Deus-ex-Machina-A-Framework-for-MacroForecasting-with-Machine-Learning-49094
İqtisadi
Təhlildə Süni İntellektin Tədbiqi İmkanları və Mövcud Problemlər 11
Makro və mikroiqtisadi göstəricilərin təhlili üçün süni intellektə əsaslanan analitik
modellərdən istifadə edilir. Makroiqtisadi modelləşdirmə, iqtisadi böyümə, işsizlik və inflyasiya
kimi ümumi göstəricilərin daha dəqiq proqnozlaşdırılması üçün süni intellekt texnologiyalarının
tətbiqini öyrənmişdir. Mikroiqtisadi təhlil çərçivəsində isə müəssisələrin və istehlakçıların qərar
qəbuletmə prosesləri süni intellekt ilə modelləşdirilmişdir.
4.2.Mikroiqtisadi Təhlillərdə Süni İntellektin Tətbiqi
Mikroiqtisadi təhlillərdə də oxşar tendensiya müşahidə edilir. Məsələn, şirkətlərin müştəri
davranışlarını təhlil etmək və qiymət strategiyalarını optimallaşdırmaq üçün süni intellekt
alqoritmləri ənənəvi analitik vasitələrdən daha effektivdir. Şirkətlər bu texnologiyalardan
istifadə edərək satışları artırmaq və xərcləri azaltmaq üçün yeni strategiyalar formalaşdırmışlar.
Praktiki nümunələrdən biri olaraq, Amazon və Netflix kimi qlobal şirkətlər öz fəaliyyətlərində
süni intellektdən geniş istifadə edir və bunun nəticəsində həm gəlir artımı, həm də müştəri
məmnuniyyəti göstəricilərində nəzərəçarpacaq irəliləyişlər əldə olunub.
Mikroiqtisadi təhlildə süni intellekt tətbiqləri istehlakçı davranışını, bazar dinamikasını və
firma qərarlarını daha yaxşı anlamağa kömək edir. Mikroiqtisadi təhlillərə aşağıdakılar daxildir:
1. İstehlakçı Davranışının Təhlili
Tövsiyə Sistemləri: E-ticarət platformaları müştərilərin əvvəlki alış-veriş və baxış
tarixçəsinə əsaslanaraq fərdiləşdirilmiş məhsul tövsiyələri təqdim edir.
Sentiment Təhlili: Sosial media və rəy saytlarındakı şərhləri təhlil edərək markanın
qəbulunu və müştəri məmnuniyyətini qiymətləndirir.
2. Qiymətləndirmə Strategiyaları
Dinamik Qiymətləndirmə: Tələb və təklifə əsasən qiymətləri tənzimləmək üçün maşın
öyrənmə modellərindən istifadə edir, xüsusilə otel və hava yolları sənayesində tətbiq olunur.
Qiymət Elastikliyinin Təhlili: İstehlakçıların qiymət dəyişikliklərinə reaksiyasını
modelləşdirərək qiymət elastikliyini hesablayır.
3. Bazar Seqmentasiyası
Klasterləşdirmə Alqoritmləri: İstehlakçı qruplarını təyin edərək onların xüsusiyyətlərini
təhlil edir, məsələn, oxşar alış-veriş vərdişləri olan müştəri qruplarını aşkar edir.
4. Rəqabət Təhlili
Oyun Nəzəriyyəsi Modelləri: Şirkətlər arasında rəqabəti təhlil edərək strateji qərarlar
qəbul etmək üçün süni intellekt texnikalarından istifadə edir.
5. Məhsul İnkişafı və İnnovasiya:
İqtisadi Təhlildə Süni İntellektin Tədbiqi İmkanları və Mövcud Problemlər
Trend Təhlili: Bazar tendensiyalarını və istehlakçı tələblərini təhlil edərək yeni məhsul
inkişaf proseslərinə istiqamət verir.
6. Maliyyə Təhlili
Kredit Riskinin Qiymətləndirilməsi: Müştəri məlumatlarını təhlil edərək kredit
müraciətlərinin təsdiq olunma ehtimalını proqnozlaşdırır.
7. Optimallaşdırma Problemləri
Təchizat Zəncirinin İdarə Edilməsi: İstehsal və paylama proseslərini optimallaşdırmaq
üçün süni intellekt əsaslı alqoritmlərdən istifadə edir, bu da xərcləri azaltmağa və səmərəliliyi
artırmağa kömək edir.
8. Sorğu və Məlumatların Təhlili
Data Miner: Sorğu nəticələrini təhlil edərək istehlakçı meyllərini və bazar ehtiyaclarını
müəyyən edir.
Bu tətbiqlər süni intellektin mikroiqtisadi təhlildə necə yenilikçi və effektiv üsullarla istifadə
olunduğunu göstərir və şirkətlərə daha məlumatlı qərarlar qəbul etməyə imkan verir. Aşağıdakı
nümunələr süni intellektin mikroiqtisadi təhlillərdə real tətbiqini göstərir.
Amazon: İstifadəçilərin keçmiş alış və axtarış davranışlarına əsaslanan məhsul tövsiyələri
verən maşın öyrənmə alqoritmindən istifadə edir.
Netflix: Hansı məzmun növlərinin daha çox diqqət çəkdiyini müəyyən etmək üçün istifadəçi
şərhlərini təhlil edir. Bu, məzmun tövsiyələrini və gələcək istehsal qərarlarını formalaşdırır.
Uber: Dinamik qiymətləndirmə ilə tələb və təklifə əsasən qiymətləri avtomatik tənzimləyir.
Zalando: Müştəriləri fərqli qruplara bölərək onlara uyğun marketinq strategiyaları
hazırlayır.
LendingClub: Maliyyə tarixini təhlil edərək kredit riskini qiymətləndirir.
Yelp: İstifadəçi rəylərini təhlil edərək restoran və xidmətlərin ümumi təəssüratını müəyyən
edir.
Airbnb: Yaşayış tələbini proqnozlaşdırmaq üçün tarixi məlumatları və istifadəçi meyllərini
təhlil edən süni intellekt modellərindən istifadə edir. Bu, ev sahiblərinə qiymətləri
optimallaşdırmağa kömək edir.
Mikroiqtisadi yanaşma, generativ süni intellekti iş yerində avtomatlaşdırma forması kimi
düşünməkdir. Bu yanaşma, şirkətlərdə tapşırıqların necə kapitala və ya əmək resurslarına
bölündüyünü və süni intellekt texnologiyasının zamanla bu tarazlığı necə dəyişə biləcəyini
İqtisadi
Təhlildə Süni İntellektin Tədbiqi İmkanları və Mövcud Problemlər 13
araşdıran modellərin istifadəsinə imkan tanıyır. Müasir forması Autor və Acemoglu (2011)
tərəfindən tərtib edilmiş “tapşırıq- qütbləşmə modeli” ədəbiyyatına əsaslanır.16
5. Maliyyə sahəsində süni intellektin tətbiqi və tənzimləməsi
1960-cı illərdə kompüter texnologiyaları ilə tanış olan bankçılıq sektoru, 1980-ci illərə qədər
bu texnologiyaları əsasən arxa planda bank əməliyyatlarının avtomatlaşdırılması məqsədilə
istifadə edirdi. Ancaq zamanla texnologiyalardan daha effektiv istifadə etmək istəyən bəzi
banklar, bu texnologiyaları ön plana çıxararaq müştəri əməliyyatlarında birbaşa istifadə etməyə
başladılar. Elektron bankçılıq sürətli şəkildə inkişaf etdi. Bu müddətdə internet bankçılığı, mobil
bankçılıq, virtual bankçılıq və s. tətbiqləri sürətlə yayılmağa başladı. Banklarda süni zəka
tətbiqləri ümumiyyətlə bazar məlumatlarına çatmaq, xidmətləri müştərilərə təqdim etmək və
ünsiyyət məqsədilə istifadə olunur.
Süni intellektin iqtisadiyyatla bir digər əlaqəsi maliyyə sahəsindədir. "Fintech" adlandırılan
maliyyə texnologiyaları bu sahədəki xidmətlərin sürətini və məhsuldarlığını artırmağı
hədəfləyir. Eyni zamanda, bu texnologiyalar vasitəsilə maliyyə xidmətlərinin həyata
keçirilməsinin asanlaşması da gözlənilir. Texnologiyadakı inkişaflarla maliyyə xidmətlərinin
ənənəvi strukturu da dəyişməyə başlamışdır.17 İlk növbədə, əməliyyat xərcləri azaldı, əməliyyat
məhdudiyyətləri aradan qaldırıldı və maliyyə əməliyyatları 7/24 yerinə yetirilə bilən hala gəldi.
Maliyyə texnologiyaları bankçılıqda mobil və internet əsaslı tətbiqlərin daha geniş istifadəsini
təmin etdi. İstifadəçilərə yönəlmiş tətbiqlərdəki inkişafla yanaşı, maliyyə texnologiyası inkişaf
etdirən firmaların sayında və gəlirlərində də ciddi artımlar baş verdi.
Süni intellekt digər biznes tətbiqlərində olduğu kimi, bankçılıq sektoruna da məhsuldarlıq
artımı vəd edir. Məsələn, bu texnologiya risk idarəçiliyi məqsədilə proqnozları yaxşılaşdırmağa,
kredit reytinqlərini artırmağa və ya fırıldaqçılığı aşkar etməyə kömək edə bilər. Son dövrlərdə
dərc olunan bir IMF məqaləsində, Shabsigh və Boukherouaa (2023) maliyyə sektorunda
generativ süni intellekt istifadəsindən doğan potensial riskləri (məxfilik məsələləri, kiber
təhlükələr) araşdırır. Digərləri isə daha spesifikdir və nəticələrin qeyri-müəyyənliyi,
performansın etibarlılığı və sistematik risklərin yeni mənbələrinin və yayılma kanallarının
yaradılması potensialını əhatə edir. İngiltərə Bankı (2022), OECD (2023)18 və Danielsson və
Uthemann (2024)19 bir neçə misal təqdim edirlər. Məsələn, süni intellekt alqoritmləri fərqli
şirkətlərdə oxşar strategiyalar qəbul edə bilər, ya da hiss təhlili və sosial media siqnallarını daxil
16 Autor, D., and Acemoglu, D. (2011). Skills, Tasks, and Technologies: Implications for Employment and Earnings.
Handbook of Labor Economics 4(11) 1043–1171. Elsevier.
17 Finansal Kurumlar, Yapay Zekanın Getirdiği Dönüşüme Nasıl Adapte Oluyor?
https://www.bogaziciventures.com/makaleler/yapay-zeka-devrimi-ve-sundugu-firsatlar-2-2/
18 OECD Economic Outlook, Volume 2023 Issue 1, https://www.oecd.org/en/publications/oecd-economicoutlook/volume-2023/issue-1_ce188438-en.html
19 Artificial intelligence and financial crises, Jon Danielsson London School of Economics, Andreas Uthemann
Bank of Canada Systemic Risk Centre, London School of Economics,
https://www.researchgate.net/publication/382526920_Artificial_intelligence_and_financial_crises
İqtisadi Təhlildə Süni İntellektin Tədbiqi İmkanları və Mövcud Problemlər
edərək pro-siklikliyi və qrup davranışını gücləndirə bilər. Həmçinin, model şəffaflığının
olmaması, stres dövrlərində təcili tədbirlərin effektivliyini sual altına ala bilər, və süni intellekt
bazarları destabilizasiya etmək məqsədilə kiber hücumlarda istifadə oluna bilər. Başqa
narahatlıqlar süni intellektin məlumatları xülasə edib qərar verməsi ilə bağlıdır. Məsələn,
məhdud maliyyə məlumatları süni intellekt tərəfindən istifadə edilə bilər, bu da etibarsız
maliyyə məsləhətləri verə bilər, ya da süni intellekt tərəfindən yaradılan tövsiyələr etik və ya
qanunsuz ola bilər.
Bu məsələlərlə mübarizə aparmaq üçün Danielsson və Uthemann (2024) özəl sektorun süni
intellekt istifadəsinin uyğunluğunu və ictimai maliyyə tənzimləmələrini qiymətləndirir. Onlar
bunu altı suala əsaslanaraq həyata keçirirlər:
1. Süni intellektin kifayət qədər məlumatı varmı?
2. Problemin qaydaları dəyişməzdirmi?
3. Süni intellekt aydın məqsədlər verilə bilərmi?
4. Süni intellektin işlədiyi qurum öz qərarlarını verirmi?
5. Qüsurlar və səhvlər üçün məsuliyyəti necə təyin edə bilərik?
6. Səhvlərin nəticələri fəlakətlidir?20
Müəlliflər bu meyarlar altında istehlakçıların müdafiəsindən, bankların müflis olmasının
qarşısının alınması və qlobal sistemik böhranlara qədər spesifik tənzimləmə vəzifələrini
nəzərdən keçirir. Qlobal sistemik böhranlar, süni intellekt istifadəsinin kritik risklər gətirdiyi bir
sahə olaraq diqqət çəkir və altı meyara əsaslanaraq tənzimləmə tələb edir.
a. Maliyyə Sabitliyini Süni İntellekt ilə Təkmilləşdirməsi
İnkişaf etmiş proqnozlaşdırma alqoritmlərindən istifadə edərək, süni intellekt alətləri
potensial maliyyə böhranları haqqında qiymətli məlumatlar təqdim edə bilər, bununla da ciddi
iqtisadi fəsadların qarşısını almaq üçün erkən müdaxilələrə imkan yaradır. Bu sahədə süni
intellektin qabiliyyətini nümayiş etdirən əhəmiyyətli bir nümunə Lixtenşteyn Universitetinin
apardığı araşdırmadır. Onların bank böhranlarını proqnozlaşdırmaq üçün süni intellekt əsaslı
metodologiyası müxtəlif şərtlər altında ənənəvi investisiya strategiyalarına nisbətən üstün
performans göstərmişdir. Bu yanaşma süni intellektin maliyyə strategiyalarını təkmilləşdirmək,
riskin idarəedilməsi təcrübələrini gücləndirmək və nəticədə iqtisadi dayanıqlığı artırmaq
potensialını vurğulayır.21
b. Mərkəzi Banklar Tərəfindən Süni İntellektin Qlobal İştirakı
20 Danielsson, Jon and Andreas Uthemann (2024). On the Use of Artificial Intelligence in Financial Regulations
and the Impact on Financial Stability. Working Paper 4604628. SSRN.
21 AI may soon predict financial crises before they take root. (2024, June 5). World Economic Forum.
https://www.weforum.org/agenda/2024/06/ai-may-soon-be-predicting-financial-crises-before-they-take-root/
İqtisadi
Təhlildə Süni İntellektin Tədbiqi İmkanları və Mövcud Problemlər 15
Süni intellektin böyük məlumat dəstlərini təhlil etmək və insan analitiklərinin görə
bilməyəcəyi nümunələri aşkar etmək bacarığı onu maliyyə və iqtisadi nəzarət üçün əvəzolunmaz
bir vasitəyə çevirmişdir. Bu inteqrasiya uyğunluq monitorinqini, anomaliyaların aşkar
edilməsini və politikaları hazırlanmasında effektivliyi artırır. Məsələn, İtaliya Bankı müxtəlif
mənbələrdən toplanan geniş məlumatları təhlil edərək kredit defoltlarını (ödənilməyən borcları)
proqnozlaşdırmaq üçün maşın öyrənməsindən istifadə edir. İspaniya Bankası isə təbii dil
emalından (NLP) istifadə edərək ESG (Ətraf mühit, Sosial məsuliyyət və İdarəetmə)
hesabatlarını qiymətləndirir və bununla da yaşıl iqtisadiyyatda dəyişikliklərə cavab verir.
Sinqapurun Pul Hakimiyyəti isə kredit risklərini qiymətləndirmək üçün süni inellektdən istifadə
edir.22 İqtisadi və Siyasət Araşdırmaları Mərkəzi (CEPR) mərkəzi banklar tərəfindən süni
intellektin genişlənməsini, xüsusilə maliyyə böhranları zamanı dəstəkləyir. CEPR
“mikroprudensial süni intellekti”nin təcili hallarda sürətli qərar vermə üçün üstünlüklərini və
“makroprudensial süni intellekti”nin böyük məlumatların proqnozlaşdırılması və siyasətçilərlə
maliyyə institutları arasında ünsiyyəti təkmilləşdirmək üçün əhəmiyyətini vurğulayır.23
c. Mərkəzi Banklarda Süni Zəkanın Tətbiqi və Çətinlikləri
Süni intellekt, mərkəzi bankların iqtisadi və maliyyə proseslərini daha yaxşı anlamaq,
siyasətlərin hazırlanmasını təkmilləşdirmək və əməliyyatları optimallaşdırmaqla yanaşı, sistem
risklərinin monitorinqini gücləndirir, böhranlara cavab reaksiyalarını sürətləndirir və daxili
nəzarət ilə resurs bölüşdürmələrini yaxşılaşdırmaq potensialına malikdir. Bütün bu üstünlüklərə
baxmayaraq, mərkəzi banklar süni intellekti qəbul etməkdə ləng hərəkət edir. Buna səbəb kimi
mədəni, siyasi, hüquqi və bacarıqla bağlı maneələri göstərilir. Buna baxmayaraq, bəzi mərkəzi
banklar süni zəkanın imkanlarını fəal şəkildə araşdırır. Məsələn, Avropa Mərkəzi Bankı maliyyə
sisteminin erkən xəbərdarlıq mexanizmlərini təkmilləşdirmək üçün süni intellekt əsaslı nəzarət
texnologiyasından istifadə edir. Digər qurumlar bazarın qeyri-müəyyənliyini qiymətləndirmək
üçün süni intellekti tətbiq edir. Məsələn, Çili Mərkəzi Bankı ictimai rəyin monitorinqi ilə məşğul
olur. Meksika Mərkəzi Bankı isə Twitter-də iqtisadi şoklara dair sentiment təhlilləri aparır.24
d. Səhm Bazarının Proqnozlaşdırılmasında Süni İntellektin Tətbiqi
Süni intellekt səhm bazarının proqnozlaşdırılmasında və iqtisadi təhlillərdə böyük potensiala
malikdir. Maşın öyrənməsi alqoritmlərinin səhm qiymətlərini proqnozlaşdırmaqda tətbiqi
22 Ravikumar, E. B. B. S. a. D. F. S. I. T. M. (2021, October 21). Powering the Digital Economy: Opportunities and
risks of Artificial intelligence in finance. IMF. https://www.imf.org/en/Publications/Departmental-Papers-PolicyPapers/Issues/2021/10/21/Powering-the-Digital-Economy-Opportunities-and-Risks-of-Artificial-Intelligence-inFinance-494717
23 Artificial intelligence as a central banker. (2020, March 6). CEPR.
https://cepr.org/voxeu/columns/artificial-intelligence-central-banker
24 Artificial intelligence as a central banker. (2020, March 6). CEPR.
https://cepr.org/voxeu/columns/artificial-intelligence-central-banker
İqtisadi Təhlildə Süni İntellektin Tədbiqi İmkanları və Mövcud Problemlər
investisiya idarəçiliyi və maliyyə qərarları üçün mühüm rol oynayır. Real vaxt məlumatlarına
əsaslanaraq miqyaslana bilən və nasazlığa davamlı modelləri vurğulayır və süni intellekt
texnikalarının səhm bazarının proqnozlaşdırılmasında effektiv ola biləcəyini göstərir.25
e. Böhranın İdarəedilməsində Süni İntellekin İmkanları
Süni intellektin böhran idarəçiliyində tətbiqi bu texnologiyaların real həyat ssenarilərində
praktik faydalarını göstərir. Süni intellektlə işləyən risk qiymətləndirmə modelləri təchizat
zəncirlərindəki zəif cəhətləri müəyyənləşdirə bilər və təşkilatların potensial çatışmazlıqlara
proaktiv şəkildə reaksiya verməsinə imkan verir. Məsələn, böhran zamanı sosial media
məlumatlarının əhval-ruhiyyə təhlili ictimaiyyətin rəyini real vaxtda qiymətləndirərək, böhran
kommunikasiyasını və reputasiyanın idarə olunmasını yaxşılaşdırmağa kömək edə bilər. Böhran
idarəçiliyində süni intellektdən istifadə xüsusi alqoritmlərin və alətlərin təhlili, onların
effektivliyi və qarşılaşdığı çətinlikləri əhatə edir. Bundan əlavə, süni intellektlə idarə olunan
qərarların yüksək təzyiq şəraitində verilməsi zamanı etik mülahizələr və tənzimləyici aspektlər
əhəmiyyətli tədqiqat sahələridir.
Süni intellektin mürəkkəb məlumatları tez bir zamanda emal edə bilməsi və müxtəlif
ssenarilərə uyğun təhlil aparması, maliyyə təhlillərinin daha səmərəli və sürətli həyata
keçirilməsinə səbəb olur. Məsələn, JPMorgan Chase kimi maliyyə qurumları risk təhlillərində
süni intellekt modellərindən istifadə edərək portfellərində risklərin azalmasını təmin edirlər. Bu
da maliyyə itkilərinin minimuma endirilməsinə şərait yaradır.
6. İqtisadi təhlillərdə Süni İntellektin Tətbiqi Problemləri və
Məhdudiyyətləri
Süni intellektin iqtisadi təhlillərdə istifadəsi bir çox imkanlar gətirsə də, eyni zamanda bir
sıra problemləri və məhdudiyyətləri mövcuddur. Tədqiqatın bu hissəsi hesabatın məqsədinə
uyğun olaraq süni intellekt tətbiqlərinin iqtisadi təhlillərdəki potensiyalının aşkar edilməsinə və
fərqli alternatiflər arasından seçim etmək üçün kriteriyaların müəyyən edilməsinə kömək edir.
İqtisadi təhlillərdə süni intellekin tətbiq edilməsində meydana gələn problemlər və
məhdudiyyətləri aşağıdakı başlıqlar əsasında qeyd etmək olar:
Şəffaflıq və hesabatlılığın olmaması: “Qara qutu” fenomeni neyron şəbəkələrinin
mürəkkəbliyi, hətta dəqiq nəticələr versələr də, fərdlərin onları düzgün başa düşməsinə və
yoxlamasına mane ola bilər. Hətta onların tərtibatçıları süni intellekt sahəsində ən əsaslı
nailiyyətlərə qadir olmasına baxmayaraq, bu şəbəkələrin necə işlədiyini tam başa düşmürlər.
Bu, səhiyyə, bankçılıq və cinayət ədaləti kimi yüksək riskli sahələrdə problem ola bilər, çünki
bu modellərin etdiyi seçimlər insanların həyatına geniş təsir göstərə bilər. Qeyri-şəffaf
25 Damasevicius, R. (2023). Artificial intelligence techniques in economic analysis. Economic Analysis Letters.
https://doi.org/10.58567/eal02020007
İqtisadi
Təhlildə Süni İntellektin Tədbiqi İmkanları və Mövcud Problemlər 17
modellərdən istifadə edərkən alqoritmin verdiyi mühakimələrə görə fərdləri məsuliyyətə cəlb
etmək də çətin ola bilər.26
Məlumatın keyfiyyəti və əlçatanlığı: Süni intellekt alqoritmlərinin effektiv olması üçün
yüksək keyfiyyət və kifayət qədər məlumat tələb olunur. Lakin bəzi hallarda natamam,
köhnəlmiş və ya etibarsız məlumatlar təhlilin nəticələrini şübhə altına alır. Daima məlumaltların
yenilənməsi və əlçatanlığı iqtisadi təhlildə süni intellektin istifadəsi üçün əsas şərtlərdən biridir.
Süni intellekt modelləri, dəqiq proqnozlar vermək üçün böyük miqdarda yüksək keyfiyyətli
məlumat tələb edir. Lakin, iqtisadi məlumatlar tez-tez tamamlanmamış, qeyri-sabit və ölçmə
xətalarına məruz qalır. Bu, yanlış və ya qeyri-dəqiq proqnozlara səbəb ola və süni intellekt
modellərinin effektivliyini məhdudlaşdıra bilər.27
Modelin izah edilməsi və anlaşılması: İqtisadi təhlildə süni intellektin istifadəsinin bir
başqa tələbi, süni intellekt modellərinin izah edilə və anlaşıla bilməsidir.28 Süni intellekt
modelləri adətən mürəkkəbdir və onların proqnozlara necə çatdıqlarını anlamaq çətin olur. Bu,
iqtisadçıların süni intellekt modellərini siyasi qərarlarını formalaşdırmaqda istifadə etmələrini
və iqtisadi mexanizmləri başa düşmələrini məhdudlaşdıra bilər. Süni intellekt modelləri üçün
bu mürəkkəbliyi başa düşmək və dəqiq nəticələr çıxarmaq çətin ola bilər.
Qərəzli və Etik Mülahizələr: Süni intellekt modelləri qərəzli və etik məsələlərə də məruz
qala bilər ki, bu da iqtisadi təhlil üçün əhəmiyyətli nəticələr doğura bilər. Məsələn, süni intellekt
modelləri müəyyən insan qruplarına qarşı qərəzli ola bilər və ya iqtisadiyyatda mövcud
ədalətsizlikləri davam etdirə bilər. Bu, ədalətsiz və ayrı-seçkili nəticələrə səbəb ola bilər və süni
intellekt modellərinin iqtisadi təhlildə effektivliyini məhdudlaşdırır.29
Dəyişən İqtisadi Şərtlər: İqtisadi məlumatlar daim dəyişdiyindən, süni intellekt
modellərinin yenilənməsi və uyğunlaşdırılması zəruridir. Bu, davamlı səy və resurslar tələb edir.
İqtisadi məlumatlar bazar dinamikası, istehlakçı davranışı, politikalar və qlobal hadisələr kimi
bir çox amillərin təsiri ilə daim dəyişir. Buna görə də, süni intellekt modellərinin yenilənməsi
və uyğunlaşdırılması: məlumatların yeniləməsi, modelin yenidən hazırlanması, dinamik
uyğunlaşma, simulyasiya və ssenari təhlili və ekspertlərin əməyinə ehtiyac yaradır.
Qeyri-kafi bilik və təcrübə: İqtisadiyyat və süni intellekt sahəsində kifayət qədər bilik və
təcrübəyə malik olmayan insanlar bu texnologiyaları effektiv şəkildə tətbiq etməkdə çətinlik
çəkə bilərlər.
26 What Is Black Box AI?, Jane Irene Kelly, https://www.invoca.com/blog/what-is-black-box-ai
27 Richard Y. Wang and Diane M. Strong. Beyond accuracy: What data quality means to data consumers.
Journal of Management Information Systems, 12(4):5–33, March 1996.
https://doi.org/10.1080/07421222.1996.11518099.
28 E. Owens, B. Sheehan, M. Mullins, M. Cunneen, J. Ressel, and G. Castignani. Explainable artificial
intelligence (xai) in insurance. Risks, 10(12), 2022. https://doi.org/10.3390/risks10120230
29 H. Zhang, H. Nguyen, X. Bui, B. Pradhan, N. Mai, and D. u. Proposing two novel hybrid intelligence
models for forecasting copper price based on extreme learning machine and meta-heuristic algorithms.
Resources Policy, 73, 2021. https://doi.org/10.1016/j.resourpol.2021.102195
İqtisadi Təhlildə Süni İntellektin Tədbiqi İmkanları və Mövcud Problemlər
18
Yüksək xərclər: Süni intellekt sistemlərinin hazırlanması və tətbiqi baha başa gələ bilər. Bu,
xüsusilə kiçik və orta biznes üçün əngəllər yaradır.
Etibarlılıq Problemi: Bir çox tədqiqatçılar iqtisadi təhlildə süni intellket nəticələrinə etibar
etmirlər.
6.1. Süni İntellektin Tətbiqində Qara Qutu Problemi
Süni intellekt sistemləri mürəkkəb neyron şəbəkələr və alqoritmlər vasitəsilə fəaliyyət
göstərir və bu da onların nəticələrini tam izah etməyi çətinləşdirir. Bu, xüsusilə iqtisadi qərar
qəbuletmə prosesində problemlərə səbəb ola bilər, çünki iqtisadi analitiklər nəticələri tam
anlamadan onlara etibar etməli olurlar. Məsələn, “İngiltərə Bankı” bir araşdırmada qeyd edir ki,
süni intellekt sistemlərinin qərarlarının necə alındığını izah etməsindəki çatışmazlıqlar, onların
genişmiqyaslı tətbiqinin qarşısını alır, xüsusilə də tənzimləyici və hüquqi çərçivələr hələ də
uyğunlaşdırılmayıb. Bu məsələ süni intellek sahəsindəki fəaliyyət göstərən mütəxəssislər
arasında “qara qutu” olaraq adlandırılıb. Süni intellektdəki “qara qutu” problemi mürəkkəb
modellərin, xüsusilə də dərindən öyrənmənin necə işlədiyini və nə üçün müəyyən qərarlar qəbul
etdiyini başa düşməkdə çətinlik çəkir.
Qara qutu süni intellekt sisteminin daxili mexanizmlərinin istifadəçilər və hətta proqramçılar
üçün qeyri-müəyyən və ya gizli olması məsələsini ifadə edir. Siz süni intellekt modelinin necə
giriş qəbul etdiyini və çıxış verdiyini görə bilərsiniz, lakin bu nəticələrə çatmaq üçün istifadə
olunan məntiq və məlumatlar əldə edilə bilmir, bu da onların necə işlədiyini tam şəkildə görməyi
çətinləşdirir — hətta mümkünsüz edir. Aşağıdakı şəkil ağ qutu və qara qutu test proseslərinin
necə fərqləndiyini göstərir:
İqtisadi
Təhlildə Süni İntellektin Tədbiqi İmkanları və Mövcud Problemlər 19
Şəkil 3. Ağ qutu və Qara Qutu Süni İntellekt Modelinin Fərqi
Qara qutu süni intellekt modelinin əvəzinə izah oluna bilən süni intellekt modeli
hazırlamışdır, bu da istifadəçilərin süni intellekt modellərinin necə nəticələrə gəldiyini başa
düşmələrinə kömək etməyə çalışan prinsiplər və proseslər toplusudur. “Qara qutu süni intellekt”
kimi xarakterizə edilən süni intellekt modelləri gündəlik həyatımızda geniş yer alır. Onlar
telefonlarımızı açmaq üçün istifadə olunan üz tanıma proqramlarını, Alexa və Google Assistant
kimi süni intellekt səsi köməkçilərini, ChatGPT və Gemini kimi çatbotları və işə qəbul
namizədlərini qiymətləndirmək üçün istifadə olunan algoritmləri gücləndirir.30
Qara qutu neyron şəbəkələrinin mürəkkəbliyi, hətta dəqiq nəticələr versələr də, fərdlərin
onları düzgün başa düşməsinə və yoxlamasına mane olur. Hətta onların tərtibatçıları süni
intellekt sahəsində ən əsaslı nailiyyətlərə qadir olmasına baxmayaraq, bu şəbəkələrin necə
işlədiyini tam başa düşmürlər. Bu, səhiyyə, bankçılıq və cinayət ədaləti kimi yüksək riskli
sahələrdə problem ola bilər, çünki bu modellərin etdiyi seçimlər insanların həyatına geniş təsir
göstərə bilər. Qeyri-şəffaf modellərdən istifadə edərkən alqoritmin verdiyi mühakimələrə görə
fərdləri məsuliyyətə cəlb etmək də çətin ola bilər.31
Qara qutu modellərinin qərar vermə prosesləri ayrı-seçkilik və ədalətsizlik kimi etik
problemləri də gündəmə gətirə bilər. Məsələn, modelin müəyyən qruplara qarşı ayrı-seçkilik
30 Black Box Warning: Large Language Models and the Future of Infectious Diseases Consultation,
https://academic.oup.com/cid/article/78/4/860/7424520, 09.10.2024
31 What Is Black Box AI?, Jane Irene Kelly, https://www.invoca.com/blog/what-is-black-box-ai
Daxili mənbə kodu məlum deyil
İstifadəçi kimi sınaqdan keçirilir
Giriş Çıxış Daxili mənbə kodu məlumdur
Tərtibatçı kimi sınaqdan keçirilir
Qara Qutu
Ağ Qutu
Proses
Giriş Çıxış
İqtisadi Təhlildə Süni İntellektin Tədbiqi İmkanları və Mövcud Problemlər
xarakterli qərarlar qəbul edib-etmədiyini aşkar etmək çətin ola bilər. Bu, xüsusilə maliyyə,
səhiyyə və işə qəbul kimi kritik sahələrdə ciddi nəticələrə səbəb ola bilər.
Çeviklik çatışmazlığı: Qara qutu ən böyük problemlərindən biri onun çeviklik
çatışmazlığıdır. Əgər model fiziki cəhətdən bənzər bir obyekti təsvir etmək üçün
dəyişdirilməlidirsə, yeni qaydaları və ya kütləvi parametrləri müəyyənləşdirmək çox iş tələb edə
bilər. Buna görə də, qərar verən şəxslər həssas məlumatları qara qutu süni intellekt modeli ilə
işləməməlidirlər.
Təhlükəsizlik zəiflikləri: Qara qutu süni intellekt modelləri, modellərdəki zəifliklərdən
yararlanaraq giriş məlumatlarını manipulyasiya edən təhdid aktorlarına qarşı həssasdır.
Məsələn, bir hücumçu giriş məlumatlarını dəyişdirərək modelin qərar verməsini yanlış və ya
hətta təhlükəli hala gətirə bilər.
Səhvlər və Qeyri-Müəyyənlik: Modelin nə üçün müəyyən bir nəticəyə çatdığını bilməmək
səhv qərarların və ya səhv proqnozların səbəblərini başa düşməyi çətinləşdirir. Bu, səhvləri
düzəltməyi və modeli təkmilləşdirməyi çətinləşdirir.
Tənzimləmə və Etibar: Bir çox sənaye sahələrində süni intellekt sistemlərinin qərar vermə
prosesləri izah edilməlidir. Qara qutu problemləri bu cür qaydalara riayət etməyi çətinləşdirir
və istifadəçilərin texnologiyaya olan inamını sarsıdır.
Modelin dizaynı və seçimi: Model seçimi mərhələsində qara qutu məsələsi də nəzərdən
keçirilməlidir. Daha sadə və iza
Manaf BAGİRZADE
Punto:
Dinle
