Manaf Bağırzadə ve Nihalə Musazadə'den İqtisadi Təhlildə Süni İntellektin Tədbiqi İmkanları və Mövcud Problemlər üzerine çözümler
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 4 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 6 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 9 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 8 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 10 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 12 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 14 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 16 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 20 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 izah edilə bilən modellər bəzi hallarda daha mürəkkəb modelləri əvəz edə bilər ki, bu da istifadəçilərə öz qərar qəbuletmə proseslərini daha yaxşı başa düşməyə imkan verir. Nəticədə, qara qutu problemi süni intellektin şəffaflığı, etibarlılığı və etik istifadəsinə əhəmiyyətli maneə yaradır. Bu problemi həll etmək üçün araşdırmalar və tətbiqlər davam edir. Qara qutu süni intellekt modelləri daxili olaraq şəffaflıq və interpretasiya baxımından çatışmazlıqlara malikdir, bu da onların etibarlılığı, ədaləti və məsuliyyətinə dair narahatlıqlar yaradır. Bu problemi həll etmək üçün “izah edilə bilən süni intellekt” (Explainable Artificial Intelligence- XAI) sahəsi ortaya çıxmışdır. XAI süni intellekt modellərini daha başa düşülən etmək üçün yeni üsullar inkişaf etdirməyi hədəfləyir. Bu üsullar, modelin daxili işini daha şəffaf etməklə istifadəçilərə nəticələri anlamağa kömək edəcək. 6.2. Süni İntellektdə Ağ Qutu və Qara Qutunun Müqayisəsi Ağ qutu sisteminin daxili işləri şəffafdır və istifadəçilər tərəfindən asanlıqla başa düşülür, buna görə də bu yanaşma qərar qəbuletmə tətbiqlərində, məsələn, tibbi diaqnoz və ya maliyyə təhlili kimi sahələrdə geniş istifadə olunur. Bu cür tətbiqlərdə süni intellektin necə nəticələrə İqtisadi Təhlildə Süni İntellektin Tədbiqi İmkanları və Mövcud Problemlər 21 gəldiyini bilmək vacibdir.32 Aşağıda hər iki süni intellekt tipinin başlıca fərqləndirici xüsusiyyətləri verilmişdir: Cədvəl 1. Ağ Qutu və Qara Qutu Süni İntellekt Növlərinin Müqayisəsi Parametrlər Qara Qutu Testi Ağ Qutu Testi Mənası Qara Qutu Testi daxili strukturun və ya proqramın və ya kodun gizlədildiyi və bu barədə heç bir şey bilinməyən proqram testi üsuludur. Ağ Qutu Testi proqram təminatının daxili quruluşu, kodu və ya proqramı haqqında məlumatlı olan mütəxəssisin proqram təminatını test etmə üsuludur. Sınaq obyekti Qara qutu testi əsasən proqram təminatının funksionallığının sınaqdan keçirilməsinə, onun tələblərə və spesifikasiyalara cavab verməsini təmin etməyə yönəlib. Ağ qutu testi əsasən proqram təminatının daxili kodunun düzgün və səmərəli olmasını təmin etməyə yönəldilmişdir. Sınaq methodu Qara qutu testində ssenariləri yaratmaq üçün ekvivalent bölgü, sərhəd dəyəri təhlili və səhv təxmin etmə kimi metodlardan istifadə olunur. Ağ qutu testində isə nəzarət axını testi, məlumat axını testi və ifadə əhatəsi testi kimi metodlardan istifadə olunur. Bilik səviyyəsi Qara qutu testində proqramın daxili iş prinsipləri haqqında heç bir məlumat tələb etmir və proqramlaşdırma dillərini bilməyən mütəxəssislər tərəfindən yerinə yetirilə bilər. Ağ qutu testində isə proqramlaşdırma dilləri, proqram təminatının arxitekturası və dizayn nümunələri haqqında bilik tələb edir. 32 A guide to artificial intelligence in the enterprise, https://www.techtarget.com/whatis/definition/black-box-AI, 11.10.2024 İqtisadi Təhlildə Süni İntellektin Tədbiqi İmkanları və Mövcud Problemlər 22 Əhatə dairəsi Qara qutu testi ümumiyyətlə proqram təminatını funksional səviyyədə test etmək üçün istifadə olunur. Ağ qutu testi isə proqram təminatını vahid səviyyədə, inteqrasiya səviyyəsində və sistem səviyyəsində test etmək üçün istifadə olunur. Həyata keçirilməsi Qara qutu testində kodun tətbiqinə ehtiyac yoxdur. Ağ qutu testində kodun tətbiqinə ehtiyac vardır. Terminologiya Qara qutu testi xarici və ya kənar proqram təminatı testi kimi adlandırıla bilər. Ağ qutu testi isə daxili və ya iç proqram təminatı testi olaraq adlandırılır. Test Səviyyəsi Qara Qutu Testi proqram təminatının funksional testidir. Ağ Qutu Testi proqram təminatının struktur testidir. Proqramlaşdırma Proqramlaşdırma biliyi tələb olunmur. Proqramlaşdırma biliklərinin olması mütləqdir. Uyğunluq Qara Qutu Testi proqram təminatının daha yüksək səviyyəli sınaqlarına tətbiq edilir. Ağ Qutu Testi ümumiyyətlə proqram təminatı testinin aşağı səviyyələrinə şamil edilir. Alqoritm Testi üçün uyğundur Qara Qutu Testi alqoritm testi üçün uyğun deyil və ya üstünlük təşkil etmir. Ağ Qutu Testi alqoritm testi üçün uyğundur. Tipləri Qara qutu testinin növləri: Ağ qutu testinin növləri: İqtisadi Təhlildə Süni İntellektin Tədbiqi İmkanları və Mövcud Problemlər 23 Funksional test Qeyri-funksional test Reqressiya testi Vahid Testi İnteqrasiya Testi Reqressiya Testi Son nəticə olaraq, hər nə qədər "qara qutu" problemi və digər texniki çətinliklər süni intellektin iqtisadi təhlillərdə tətbiqini müəyyən qədər məhdudlaşdırsalar da, texnologiyaların inkişafı və tənzimləmə çərçivələrinin uyğunlaşdırılması bu problemləri aradan qaldıra biləcək potensiala malikdir. 7. İqtisadi Təhlil Tətbiqləri və Program Təminatı İqtisadi təhlildə Süni intellekt modellərinin tətbiqi həm imkanlar, həm də çağırışlar yaratmışdır. Süni intellekt metodları iqtisadi təhlilin müxtəlif sahələrində, o cümlədən iqtisadi göstəricilərin proqnozlaşdırılması, kompleks iqtisadi sistemlərin modelləşdirilməsi, proqnoz analitikası, qərar vermə, ticarət və sərmayə idarəetməsi sahələrində tətbiq olunur. İqtisadi təhlildə süni intellektin istifadəsi, iqtisadi proqnozlaşdırma və qərar vermə proseslərinin dəqiqliyini və effektivliyini artırmağa kömək edir.33 Süni intellekt ÜDM, inflyasiya və işsizlik nisbətləri kimi iqtisadi göstəriciləri proqnozlaşdırmaq üçün istifadə edilir. Məsələn, maşın öyrənmə alqoritmləri, fond bazarının istiqamətini proqnozlaşdırmaq və neft, qızıl34 və ya mis kimi əmtəələrin qiymətlərini proqnozlaşdırmaq üçün istifadə olunur. Maşın öyrənmə alqoritmləri ilə maliyyə məlumatlarında modellərini müəyyən etmək və səhmlərin qiymətlərini, müştəri davranışını proqnozlaşdırmaq mümkündür.35 İqtisadi t?
