'Yapay Zeka' terimi geniş kapsamlı bir kavram olup araştırmacılar tarafından farklı şekillerde tanımlanmıştır. ABD Ulusal Standartlar ve Teknoloji Enstitüsü'ne göre yapay zeka; “Belirlenen bir dizi hedef için, tahminler, öneriler veya gerçek ya da sanal ortamları etkileyen kararlar üretebilen mühendislik ürünü veya makine tabanlı bir sistemdir.” Eski Birleşik Krallık Başbakanı Tony Blair ve Britanya Lordlar Kamarası üyesi William Hague tarafından, ülkenin geleceği açısından yapay zekanın önemini vurgulamak için hazırlanan yakın tarihli bir rapora göre, yapay zeka “Jenerasyonumuzun en önemli teknolojisi” olarak görülmekte ve “içten yanmalı motor, elektrik ve internet gibi bir etki düzeyine” sahip olduğu düşünülmektedir.

Son yıllarda diğer dijital dönüşüm çalışmalarıyla birlikte, finans alanında yapay zeka kullanımı ve araştırmalarıı büyük bir hız kazanmıştır. Yapay zekanın finans alanında kullanılması uzun zamandır tartışma konusudur ve bu tartışmalar çoğu zaman hayal gücümüzü zorlamaktadır. Yapay zeka giderek daha fazla gerçeklik kazanmaya başladıkça, günlük uygulamalarda nasıl bir şekil aldığı ve alacağı hepimiz için birer merak konusudur.

Finansal alanlarda şu anda kullanılan yapay zeka teknolojilerinin birçoğu ‘Makine Öğrenmesi' (Machine Learning – ML ) kategorisine girmektedir.

İngiltere Bankası ve Finansal Davranış Otoritesi tarafından Ekim 2022'de yayımlanan bir ankete göre, ankete katılan firmaların %72'si ML uygulamaları kullanmakta veya geliştirmektedir. ML uygulamaları her geçen gün daha da gelişerek şimdiki haline ulaşmış ve günlük işlemlere daha fazla entegre edilebilecek konuma ulaşmış durumdadır. ML uygulamalarının %79'u ise gelişimin son aşamasındadır. (Yani önemli bir iş alanının büyük bir kısmında kullanılmakta ve/veya bazı iş alanları için kritik öneme sahiptir).

Yukarıda belirtilen ankete göre, finansal anlamda ML  kullanım ve geliştirme eğiliminin sürmesi öngörülmekte ve firmaların, gelecek üç yıl içerisinde ML uygulamalarının medyan sayısının 3,5 katına çıkacağı tahmin edilmektedir.

 

·       Denetimli öğrenme; etiketli girdi verilerinin bir algoritma tarafından işlendiği ve algoritmanın çıktı olarak, yeni (etiketsiz) girdi verilerine uygulanabilecek bir dizi kural ürettiği, bu sayede doğru etiketlerin tahmin edilmesini sağlayan bir süreçtir.

·       Denetimsiz öğrenme; etiketsiz girdi verileri bir algoritmaya verildiğinde, bu algoritmanın benzer davranış grupları veya ilişkiler gibi temel desenleri saptamaya çalıştığı bir süreçtir.

·       Pekiştirmeli öğrenme;  etiketsiz girdi verilerinin beslendiği bir algoritma, dinamik bir ortamda işler ve ödül ve cezalarla desteklenen bir sistem aracılığıyla pozitif sonuçları en üst düzeye çıkarmayı hedefleyen bir strateji geliştirmeye çalışır.

Yapay zeka kullanımı;  öne sürüldüğü gibi, her zaman insan gözetimi olmaksızın hareket eden otonom makineleri gerektirmemektedir.

Denetimli ve denetimsiz öğrenme metotları, başlı başına herhangi bir eylemi etkilemek için tasarlanmamış olup, ancak gerçek dünya sonuçlarını doğrudan tetikleyebilen otomasyon ara yüzleriyle kullanılabilmektedir. Keza pekiştirmeli öğrenme algoritmaları, doğaları gereği dinamik bir ortamda sonuçlar üretmekte olup bu sonuçlar; ya doğrudan gerçek dünya etkileri doğurabilir ya da uygulamanın gereksinimlerine bağlı olarak insan müdahalesine açık süreçleri tetikleyebilmektedir.

Finans sektöründe, uygun düzenleme standartlarının sağlanabilmesi için sıklıkla insan müdahalesi şarttır. İnsan müdahalesi için çeşitli yöntemler bulunmaktadır, örnek vermek gerekirse;

Ø  İnsanın Döngü İçinde Olduğu Durumlar - Her bir karar için insan onayını gerektirir.

Ø  İnsanın Döngü Üzerinde Olduğu Durumlar - Tasarım sürecinde ve sistem operasyonunun izlenmesi sırasında insan müdahalesini mümkün kılar.

Ø  İnsanın Komutada Olduğu Durumlar - Sistemin genel işleyişini denetleyen ve belirli kararlar için sistemin kullanımına karar veren bir insanı öngörür.

 

Finans hizmetleri alanında, kurumlar, alt sektörler ve yargı bölgeleri arasında farklılık gösteren geniş bir yapay zeka faaliyeti rapor edilmektedir. Örnekler ile açıklamak gerekirse;

Ø  Risk Yönetimi; İlk benimsenen alanlardan biri olan bu kategori, operasyonel, piyasa, kredi ve düzenleyici riskleri izleme, algılama ve yönetme araçlarını içerir.

Ø  Müşteri Onayı ve Etkileşimi;  Yapay zeka, müşteriyi tanıma bilgilerinin doğrulanması ve müşteri iletişimlerinde, özellikle ‘chat-botlar’ üzerinden kullanılmaktadır.

Ø  Sigorta; Yapay zeka, satış desteği (örneğin, fiyatlandırmadaki risk hassasiyetini artırmak gibi) ve taleplerin yönetimi (örneğin, gerçek dünya olaylarına dayalı ödemeleri düzenlemek gibi) amacıyla kullanılır.

Ø  Varlık Yönetimi;  Yapay zeka teknikleri, portföy yönetimini desteklemek için kullanılır. Geçmiş performans verilerinin analiz edilmesi tarih boyunca kullanılıyor olsa da günümüzde giderek daha fazla farklı veri kaynakları ve teknikler kullanılmaktadır.

Ø  Algoritmik Ticaret; Kurallara dayalı algoritmalar uzun zamandır ticaret piyasasında kullanılıyor olmasına rağmen günümüzde alternatif ticaret stratejileri arasında seçim yapabilen “Algo-tekerlekleri” dahil yapay zeka teknikleri kullanılmaktadır.

Danışmanlık;  Birçok robo-danışman kurallara dayalı algoritmalar kullanır. Yapay zeka teknikleri kullanıldığında ise, insanlar tarafından alınacak kararları desteklemek amacıyla çıktılar oluşturabilirler."

Yapay zeka teknolojisinin teorik sınırları üzerine geniş çaplı tartışmalar sürerken, yapay zeka araçlarının işbu süreçlere dahil edilmesiyle, ilgili pratik engeller giderek azalmaktadır. Başlangıçta, yapay zeka geliştirmek, özel donanımlarda özel kodlar oluşturan uzman bilgisayar bilimcilerini gerektirse de günümüzde bu teknoloji; açık kaynak yapay zeka yazılımlarının, bulut tabanlı barındırma ve işleme olanaklarının kullanılabilirliği ve yeni araçlar ile tesislerin geliştirilmesi sayesinde çok daha erişilebilir hale gelmiştir.

Geçtiğimiz birkaç yıl, AWS Sagemaker ve Google Cloud AutoML Engine gibi büyük bulut sağlayıcılarının, organizasyonların verileri yüklemesine ve yönetmesine olanak tanıyan, ayrıca bu veriler üzerinde çeşitli popüler makine öğrenimi algoritmalarını eğitmelerine yardımcı olan platformlar ve araçlar sunan Yapay Zeka Hizmetleri ( AI as a Service - AIaaS) alanında büyümeler dikkat çekmiştir. En güncel gelişme ise, bir dizi 'tak, çalıştır ve kullan' aracıyla sunulan Yapay Zeka Hizmetleridir. Bunlar genellikle bir uygulama programlama arayüzü (API) üzerinden sunulur ve görüntü tanıma, ses tanıma, çeviri ve sanal asistanlar gibi genel makine öğrenimi görevlerini yerine getirebilir. Bu araçlar, hiç makine öğrenimi tecrübesi gerektirmeden yapay zeka çözümlerini hızlıca devreye sokarak hızla birleştirilebilir."

 

Üretken Yapay Zeka, geniş ölçekli, açık kaynaklı modellerin piyasaya çıkışıyla birlikte hızla dünyamıza girmiştir. Bu modeller, son derece insan gibi hissettiren çıktılar üreten kamu erişimine açık API'ler (Uygulama Programlama Arayüzü) üzerine kurulu olup, bu modellerin kolay erişilebilirliği, yapay zeka teknolojisinin benimsenmesi konusunda büyük bir hız getirdi: 2006'da Twitter'ın ( Güncel adıyla X ) bir milyon kullanıcıya ulaşması neredeyse iki yıl sürerken; 2010'da Instagram aynı sayıya iki buçuk ayda ulaşmıştır. Kasım 2022'de ise OpenAI'nin ChatGPT uygulaması bu sayıya yalnızca beş günde ulaşarak , bir teknolojinin şimdiye kadar en hızlı benimsenmesi olarak iki ay içinde 100 milyon kullanıcıya ulaştı.

Üretken Yapay Zeka, makine öğreniminin (ML) bir alt dalıdır ve geleneksel yapay zekanın erişemediği yeteneklere sahiptir. Düzensiz veriler de dahil olmak üzere çeşitli veri türlerini inceleyebilir, büyük veri setlerini daha hızlı işleyebilir ve daha geniş bir işlev alanına sahip olabilir. Temel modellerle metin, resim, ses, video veya kod gibi orijinal içerikler üretilebilir. Finansal hizmetler için hayati öneme sahip olan Üretken Yapay Zeka, anlık ve muttasıl eğilimleri ortaya çıkarabilmekte ve bu da gerçek zamanlı izleme ve tahmin yapılabilmesine olanak sağlamaktadır. İleri mimarisi ve ardışık verileri işleyip bu verilerden öğrenebilme yeteneği sayesinde bilinçli duygu analizi yapabilme özelliğine de sahiptir.

 Üretken yapay zekanın dönüştürücü gücü konusunda büyük bir coşku olmasına karşın, finans hizmetleri sektörünün yaklaşımı daha dengeli olmuştur. Geleneksel yapay zeka ve makine öğrenimi konularında deneyimli firmalar, bu yeni teknolojiyi denemeye ve finans alanında potansiyel kullanım senaryolarını gözden geçirmeye başladılar.

 Finans sektöründe, şirketler kendi veri setlerine uygulamak üzere hazır üretken yapay zeka araçlarını tercih edebilmekte veya kendilerine özel araçlar geliştirebilmektedirler. Müşteri hizmetleri ve daha gelişmiş sohbet robotları, bilgi analizi, kodlama, işe alım süreçlerine yardımcı olma gibi diğer sektörlerde de uygulanan birçok kullanım alanı yine finans sektöründe de uygulama şansı bulmaktadır.

Finans sektörüne özel olarak, finansal verileri işleyen modeller için aşağıdaki kullanım durumları örnek olarak gösterilebilir;

v  Finansal sistemlerde dolandırıcılık ve suçları daha iyi tespit etmek için sürekli izleme.

v  Kişiye özel finansal öneriler ve ödeme uyarıları.

v  Kapsamlı finansal analiz ve tahmini.

v  Finansal raporlar hazırlama ve özetleme.

v  Finansal düzenlemelere uyum için bilgi verme.

v  Portföy ve yatırım risk yönetimini iyileştirmek için analizler sunma

Bazı önemli finansal kurumların üretken yapay zeka kullanımına yönelik çalışmalar yaptığı aşağıda örneklendirilmiştir;

BloombergGPT -> Finans sektörüne özel geliştirilmiş ve 50 milyar parametre içeren büyük bir dil modelidir. Duygu analizi, haber kategorizasyonu ve diğer finansal işlemleri başarıyla yerine getirebildiği ve testleri geçtiği belirtilmektedir.

Morgan Stanley -> Varlık yönetimi danışmanlarının daha etkili tavsiyelerde bulunabilmesi için OpenAI gücünde sohbet robotlarından yararlanıyor.

JPMorgan -> Müşterileri için yatırım seçimleri yapabilecek ChatGPT tarzında bir yapay zeka yatırım danışmanı üzerinde çalışmakta ve bu amaçla IndexGPT adında bir programı finansal menkul kıymet analizi ve seçimi için ticari marka olarak tescil ettirmeye çalışmaktadır.

Citadel -> Chicago merkezli bu fon kuruluşu, yazılım geliştirme ve bilgi analizi için kurumsal genelinde bir ChatGPT lisansı almayı değerlendiriyor.

 

Makine öğrenimi (ML) teknikleri ve bunların kullanımı, sorumlulukların kimin üzerinde olduğunun tespit edilmesi konusunda belirli hukuki sorunlar ve zorluklar ortaya çıkarmaktadır. Bu konularda başarısız olunması durumunda ortaya çok ciddi hukuki ve düzenleyici sonuçlar ortaya çıkacağından işbu hukuki sorunların ve zorlukların ele alınması tercih değil zaruriyettir.

Sorunlar ve zorluklar, spesifik uygulamalara göre farklılık gösterse de fakat pek çoğu makine öğrenimi (ML) tekniklerinin aşağıdaki özelliklerinden meydana gelmektedir;

Eğitim Verilerine Güven; Kurallarla çalışan algoritmaların tersine, makine öğrenim (ML) algoritmaları dinamik olup sonuçları eğitildikleri veri kalitesine bağımlıdır. Bu veriler, çeşitli kaynaklardan toplanabilmekte ve belirli bir süre boyunca kullanılabilmektedir. Bu durum, veri kalitesinin kabul edilebilir düzeylerde tutulabilmesi için yeni işlemler ve kontrollerin oluşturulmasını zorunlu kılmaktadır.

Tahmin Edilebilirlik; Kurallara dayalı algoritmaların sonuçları önceden belirlenirken, makine öğrenimi algoritmaları belirli bir doğruluk seviyesine ulaşmak için tasarlanmış olup zaman içerisinde söz konusu model yeni veriler ile tekrar eğitilip aynı girdilerle farklı sonuçlar üretebilmektedir. Bu özellikler, kesin uyum standartları gerektiren veya sürekli aynı sonuçları talep eden düzenlemelerle çelişecektir.

Açıklanabilirlik;  Özellikle daha gelişmiş teknikler kullanan bazı modellerde, çıktılar girdilerin fonksiyonu olarak göre açıklanamayabilir. Bazı uzmanlar etkinlik ile açıklanabilirlik arasında bir denge olduğunu tespit etmişlerdir. Kara kutu olarak adlandırılan algoritmaların özelliklerini anlamak için bazen ters mühendislik yöntemleri kullanılıyor olsa da bu yöntemler tam bir şeffaflık sunmamaktadır.

 

Yapay Zeka kullanımına özgü riskler bulunmakla birlikte bu riskler, üretken yapay zeka kullanımının artmasıyla finansal kayıplara, itibar zedelenmelerine ve hukuki yaptırımlara yol açabilmektedir.

Çalışan denemeleri; Üretken yapay zeka artık geniş çapta kullanılabilir olduğundan, çalışanların bu araçlar ile yaptıkları denemeler, var olan diğer riskleri daha da arttırabilmektedir.

Güvenilmez çıktılar; OpenAI tarafından da kabul edildiği gibi ChatGPT, sözdizimi olarak doğru ancak anlamsal olarak yanlış cümleler üretebilmekte veya gerçek olmayan bilgiler uydurabilmektedir. Bu durum da doğru gibi görünen ancak yanlış ifadelerin riskini ve yanlış bilgilerin kötü amaçlı olarak kullanılma potansiyelini meydana getirmektedir. Örneğin taciz, iftira veya yanlış bilgilendirme ve sahte haberlerin yayılması gibi durumlar, piyasa güveni üzerinde ciddi etkilere sahip olabilir.

Bilgi sınırlamaları;  Yayımlandığı anda, ChatGPT'in bilgi tabanı Eylül 2021'e yüklenmiştir. Dolayısıyla daha yakın tarihli gelişmelerden haberdar olmayıp eski bilgilerle çıktılar üretme riskini beraberinde getirmiştir.

Önyargı ve ayrımcılık; Üretken yapay zekanın eğitilebileceği veri kümelerinin büyüklüğü ve çeşitliliği göz önünde bulundurulup içeriği de bağımsız olarak ürettiği göz önüne alındığında, üretken yapay zeka çıktılarında önyargı ve ayrımcılık potansiyeli, geleneksel yapay zekaya göre daha zor yönetilebilir olabilmektedir.

Telif hakkı ihlali; Telif hakkıyla korunan eğitim verilerinin kullanılması, telif hakkıyla korunan eserlerin eğitim için yasa dışı kopyalanması ve çıktılarda telif hakkıyla korunan eserlerin önemli bölümlerinin tekrar üretilmesi nedeniyle telif hakkı ihlali potansiyeli bulunmaktadır.

Kişisel verilerin kötüye kullanımı; Bu modellerin eğitiminde halka açık verilerin kullanılmasının yasal olup olmadığı ve Büyük Dil Modelleri (Large Language Models - LLM) tarafından oluşturulan 'hayal ürünleri' çıktılarının GDPR'de belirtilen doğruluk prensibi ile uyumlu olup olmadığı gibi zorlu sorular bulunmaktadır Aynı şekilde, bireylerden gelen veri engelleme veya silme taleplerinin yerine getirilmesi, o kişisel verinin model içinde yerleşik hale gelmiş olması durumunda teknik açıdan zor durumlar meydana getirebilmektedir.