Η τεχνητή νοημοσύνη εναντίον των… Λύκων της Wall Street

του Jonathan Vanian

Ένας επενδυτής υποβάλλει ένα βουνό ηλεκτρονικών εντολών για την πώληση μετοχών μιας αλυσίδας σούπερ μάρκετ. Μπορεί να μοιάζει με άλλη μια συναλλαγή ρουτίνας, αλλά πρόκειται για απάτη.

Αυτό που κάνει στην πραγματικότητα είναι να ωθήσει άλλους να πουλήσουν τις μετοχές που διατηρούν στην εταιρεία, προκαλώντας έτσι πτώση της τιμής της μετοχής. Αφού ακυρώσει τη δική του μαζική πώληση των μετοχών, ο απατεώνας σπεύδει να αγοράσει τις χιλιάδες μετοχές που έχουν πλημμυρίσει την αγορά σε τιμή ευκαιρίας.

Αυτό το παράνομο σχήμα, γνωστό ως spoofing, είναι ευρέως γνωστό. Αλλά είναι δύσκολο να επιτηρηθεί επειδή οι απατεώνες traders μπορούν να χρησιμοποιήσουν αλγόριθμους για να τοποθετήσουν και να ακυρώσουν γρήγορα παραγγελίες, ξανά και ξανά.

Τον Οκτώβριο, το χρηματιστήριο Nasdaq εισήγαγε ένα εργαλείο που χρησιμοποιεί τη βαθιά μάθηση, ένα υποσύνολο της τεχνητής νοημοσύνης, για να εντοπίζει τέτοιες ύποπτες συναλλαγές. Η τεχνολογία υποτίθεται ότι διευκολύνει τον εντοπισμό της απάτης μέσα στα δισεκατομμύρια των συναλλαγών που κάνουν οι επενδυτές κάθε χρόνο.

Ο Nasdaq έθεσε το νέο λογισμικό σε λειτουργία παράλληλα με τα πιο συμβατικά συστήματα εντοπισμού παράνομων χρηματιστηριακών συναλλαγών όπως το insider trading (αθέμιτη χρηματιστηριακή εκμετάλλευση εμπιστευτικών πληροφοριών). Αυτό που κάνει τη βαθιά μάθηση να ξεχωρίζει, λέει ο επικεφαλής μηχανικής μάθησης του Nasdaq, Michael O’Rourke, είναι ότι «είναι καλή στο να βρίσκει πράγματα που είναι πολύ δύσκολο να περιγραφούν».

Για να εκπαιδεύσει τη βαθιά μάθηση που χρησιμοποιεί, ο Nasdaq την τροφοδότησε με δεδομένα συναλλαγών καθώς και με μη δημοσιοποιημένες πληροφορίες. Ύστερα από έναν χρόνο δοκιμών, η ομάδα που δημιούργησε την τεχνολογία έκρινε ότι είναι αρκετά αξιόπιστη για να χρησιμοποιηθεί ευρύτερα.

Ένας πιθανός κίνδυνος με τη χρήση της τεχνητής νοημοσύνης για τον εντοπισμό απατών είναι η λανθασμένη επισήμανση μιας νόμιμης συναλλαγής ως παράνομη- γεγονός που μεταφράζεται σε περισσότερο φόρτο εργασίας για το προσωπικό που αξιολογεί τις συναλλαγές που έχουν επισημανθεί. «Δεν θέλεις να σου ξεφύγει μια παράνομη συναλλαγή, αλλά δεν θες ούτε και να υπερβάλλεις στην προσπάθεια εντοπισμού της, επισημαίνοντας όλες τις συναλλαγές ως παράνομες» λέει ο O’Rourke. Ωστόσο, είναι πολύ νωρίς για να υπολογιστεί ένα αποδεκτό ποσοστό σφαλμάτων, προσθέτει ο ίδιος, ο οποίος πιστεύει ότι ένας περιορισμένος αριθμός ψευδών επισημάνσεων είναι αποδεκτός.