الاعتبارات الأخلاقية في نشر ذكاء اصطناعي DeepSeek في التكنولوجيا المالية

_ديڤن بارتيدا هي رئيسة تحرير ReHack. ككاتبة، تم نشر أعمالها في Inc.، VentureBeat، Entrepreneur، Lifewire، The Muse، MakeUseOf، وغيرها._

اكتشف أهم أخبار وفعاليات التكنولوجيا المالية!

اشترك في النشرة الإخبارية لـ FinTech Weekly

يقرأها التنفيذيون في JP Morgan، Coinbase، Blackrock، Klarna وغيرهم

الذكاء الاصطناعي (AI) هو أحد أكثر التقنيات وعدًا ولكنها فريدة من نوعها في التكنولوجيا المالية اليوم. الآن بعد أن أرسلت DeepSeek موجات صدمة في مجال الذكاء الاصطناعي، فإن إمكانياتها ومخاطرها المحددة تتطلب الانتباه.

بينما أدخل ChatGPT الذكاء الاصطناعي التوليدي إلى التيار الرئيسي في 2022، جلبت DeepSeek ذلك إلى آفاق جديدة عندما أُطلق نموذجها DeepSeek-R1 في 2025.

الخوارزمية مفتوحة المصدر ومجانية لكنها أدت أداءً بمستوى مماثل للبدائل المملوكة المدفوعة. لذلك، فهي فرصة تجارية مغرية لشركات التكنولوجيا المالية التي تأمل في الاستفادة من الذكاء الاصطناعي، لكنها تثير أيضًا بعض الأسئلة الأخلاقية.

قراءات موصى بها:

*   **نموذج DeepSeek’s R1 يثير النقاش حول مستقبل تطوير الذكاء الاصطناعي**
*   **نموذج DeepSeek للذكاء الاصطناعي: فرصة ومخاطر للشركات التقنية الصغيرة**

خصوصية البيانات

كما هو الحال مع العديد من تطبيقات الذكاء الاصطناعي، تعتبر خصوصية البيانات مصدر قلق. نماذج اللغة الكبيرة (LLMs) مثل DeepSeek تتطلب كمية كبيرة من المعلومات، وفي قطاع مثل التكنولوجيا المالية، قد تكون الكثير من هذه البيانات حساسة.

لدى DeepSeek مشكلة إضافية تتمثل في كونها شركة صينية. يمكن للحكومة الصينية الوصول إلى جميع المعلومات على مراكز البيانات المملوكة للصين أو طلب البيانات من الشركات داخل البلاد. وبالتالي، قد تقدم النموذج مخاطر تتعلق بالتجسس الأجنبي والدعاية.

ثالثة-party اختراقات البيانات هي مصدر قلق آخر. لقد تعرضت DeepSeek بالفعل لتسريب كشف عن أكثر من مليون سجل، مما قد يثير الشكوك حول أمان أدوات الذكاء الاصطناعي.

تحيز الذكاء الاصطناعي

نماذج التعلم الآلي مثل DeepSeek عرضة للتحيز. نظرًا لقدرة نماذج الذكاء الاصطناعي على اكتشاف والتعلم من أنماط دقيقة قد يغفل عنها البشر، فهي قد تتبنى تحاملات غير واعية من بيانات تدريبها. مع تعلمها من هذه المعلومات المنحرفة، يمكنها أن تكرس وتزيد من مشاكل عدم المساواة.

تلك المخاوف بارزة بشكل خاص في التمويل. نظرًا لأن المؤسسات المالية كانت تاريخيًا تحجب الفرص عن الأقليات، فإن الكثير من بياناتها التاريخية تظهر تحيزات كبيرة. تدريب DeepSeek على هذه البيانات قد يؤدي إلى أفعال متحيزة أكثر مثل رفض الذكاء الاصطناعي للقروض أو الرهون العقارية بناءً على العرق بدلاً من الجدارة الائتمانية.

ثقة المستهلك

مع تزايد الأخبار المتعلقة بالذكاء الاصطناعي، أصبح الجمهور العام أكثر شكًا في هذه الخدمات. قد يؤدي ذلك إلى تآكل الثقة بين شركة التكنولوجيا المالية وعملائها إذا لم تدير هذه المخاوف بشفافية.

قد تواجه DeepSeek عائقًا فريدًا هنا. يُقال إن الشركة بنت نموذجها مقابل $6 مليون، وكشركة صينية سريعة النمو، قد تذكر الناس بمخاوف الخصوصية التي أثرت على TikTok. قد لا يكون الجمهور متحمسًا جدًا للثقة في نموذج ذكاء اصطناعي منخفض الميزانية وسريع التطوير مع بياناتهم، خاصة عندما قد يكون للحكومة الصينية بعض النفوذ.

كيفية ضمان نشر DeepSeek بشكل آمن وأخلاقي

هذه الاعتبارات الأخلاقية لا تعني أن شركات التكنولوجيا المالية لا يمكنها استخدام DeepSeek بأمان، لكنها تؤكد على أهمية التنفيذ الحذر. يمكن للمنظمات نشر DeepSeek بشكل أخلاقي وآمن من خلال الالتزام بالممارسات الأفضل التالية.

تشغيل DeepSeek على خوادم محلية

واحدة من أهم الخطوات هي تشغيل أداة الذكاء الاصطناعي على مراكز بيانات محلية. على الرغم من أن DeepSeek شركة صينية، إلا أن أوزان النموذج مفتوحة، مما يجعل من الممكن تشغيله على خوادم في الولايات المتحدة وتقليل المخاوف بشأن خروقات الخصوصية من الحكومة الصينية.

ومع ذلك، ليست جميع مراكز البيانات موثوقة بنفس القدر. من المثالي أن تستضيف شركات التكنولوجيا المالية DeepSeek على أجهزتها الخاصة. عندما يكون ذلك غير ممكن، يجب على القيادة اختيار مضيف بعناية، فقط الشراكة مع من يضمنون وقت تشغيل عالي ومعايير أمان مثل ISO 27001 و NIST 800-53.

تقليل الوصول إلى البيانات الحساسة

عند بناء تطبيق يعتمد على DeepSeek، يجب على شركات التكنولوجيا المالية النظر في أنواع البيانات التي يمكن للنموذج الوصول إليها. يجب أن يكون الذكاء الاصطناعي قادرًا فقط على الوصول إلى ما يحتاجه لأداء وظيفته. كما أن تنظيف البيانات التي يمكن الوصول إليها من أي معلومات شخصية غير ضرورية (PII) هو أمر مثالي.

عندما يحتفظ DeepSeek بعدد أقل من التفاصيل الحساسة، سيكون الاختراق أقل تأثيرًا. تقليل جمع المعلومات الشخصية أيضًا أساسي للامتثال لقوانين مثل اللائحة العامة لحماية البيانات (GDPR) وقانون غرام-ليتش-بليلي (GLBA).

تطبيق ضوابط الأمن السيبراني

تنص لوائح مثل GDPR و GLBA أيضًا عادة على تدابير حماية لمنع الاختراقات من البداية. حتى خارج إطار هذه التشريعات، تسلط تاريخية DeepSeek مع التسريبات الضوء على الحاجة إلى تدابير أمنية إضافية.

على الأقل، يجب على شركات التكنولوجيا المالية تشفير جميع البيانات التي يمكن الوصول إليها من قبل الذكاء الاصطناعي أثناء الراحة وأثناء النقل. كما أن الاختبار المنتظم للاختراقات لاكتشاف الثغرات وإصلاحها هو أمر مثالي.

يجب على منظمات التكنولوجيا المالية أيضًا النظر في المراقبة الآلية لتطبيقات DeepSeek الخاصة بهم، حيث توفر هذه الأتمتة توفير 2.2 مليون دولار في تكاليف الاختراق في المتوسط، بفضل استجابات أسرع وأكثر فاعلية.

مراجعة ومراقبة جميع تطبيقات الذكاء الاصطناعي

حتى بعد اتباع هذه الخطوات، من الضروري البقاء يقظًا. مراجعة تطبيق DeepSeek قبل نشره للبحث عن علامات التحيز أو الثغرات الأمنية. تذكر أن بعض المشكلات قد لا تكون واضحة في البداية، لذا فإن المراجعة المستمرة ضرورية.

إنشاء فريق مخصص لمراقبة نتائج الحلول الذكية والتأكد من بقائها أخلاقية ومتوافقة مع أي قوانين. من الأفضل أن يكون ذلك بشكل شفاف مع العملاء أيضًا. يمكن أن تساعد الطمأنة في بناء الثقة في مجال يكتنفه الشك.

يجب على شركات التكنولوجيا المالية أن تأخذ أخلاقيات الذكاء الاصطناعي بعين الاعتبار

بيانات التكنولوجيا المالية حساسة بشكل خاص، لذا يجب على جميع المؤسسات في هذا القطاع أن تأخذ أدوات تعتمد على البيانات مثل الذكاء الاصطناعي على محمل الجد. يمكن أن يكون DeepSeek مصدرًا واعدًا للأعمال، ولكن فقط إذا اتبعت استخداماته إرشادات صارمة للأخلاق والأمان.

بمجرد أن يفهم قادة التكنولوجيا المالية الحاجة إلى مثل هذه العناية، يمكنهم ضمان أن تظل استثماراتهم في DeepSeek وغيرها من مشاريع الذكاء الاصطناعي آمنة وعادلة.