همانطور که وام دهندگان به سمت استفاده گرایش پیدا می کنند هوش مصنوعی (AI)، آنها باید به حذف تعصب از مدل های خود اختصاص داشته باشند. خوشبختانه ابزارهایی وجود دارد که به آنها کمک می کند تا بازده را به حداکثر برسانند و خطرات را به حداقل برسانند.
FairPlay.ai بنیانگذار و مدیر عامل شرکت کریم صالح در بیشتر دوران کاری خود در تقاطع هوش مصنوعی و شمول مالی بوده است. در حالی که EVP در ZestFinance (اکنون Zest.aiصالح با وام دهندگان برای پذیره نویسی هوش مصنوعی کار کرد. در دوران دولت اوباما، او بر سرمایه گذاری سالانه 3 میلیارد دلاری در پروژه های توسعه پسند در بازارهای نوظهور نظارت داشت.
صالح مدتهاست که مشکل پذیرش وامگیرندگانی که به سختی امتیازدهی میشوند، از جمله در بازارهای نوظهور مانند آفریقای جنوب صحرا، آمریکای لاتین، و دریای کارائیب، در پروژههای انرژی پاک و با کارآفرینان زن مورد مطالعه قرار داده است. او از یافتن شیوه های ابتدایی پذیره نویسی، حتی در بالاترین سطوح مالی، شگفت زده شد.
صالح گفت: «نه تنها روشهای پذیرهنویسی بسیار ابتدایی بودند، قطعاً براساس استانداردهای سیلیکون ولی، (مدلها با 20 تا 50 متغیر ساخته شده بودند، و عمدتاً در اکسل». «تمام سیستمهای تصمیمگیری که من با آنها مواجه شدم، تفاوتهایی را نسبت به رنگین پوستان، زنان، و دیگر گروههایی که از لحاظ تاریخی محروم بودند، نشان میدادند. این به این دلیل نیست که افرادی که آن مدل ها را ساخته اند افراد بد نیت هستند. این تا حد زیادی به دلیل محدودیت در داده ها و ریاضیات است."
کاهش تعصب از طریق تست انصاف
همراه با هم بنیانگذارش جان مریلصالح، کهنه کار گوگل و مایکروسافت، معتقد بود که تست انصاف می تواند خودکار باشد و نحوه برخورد آنها با گروه های مختلف را در زمان واقعی به وام دهندگان نشان دهد. او از FairPlay به عنوان اولین شرکت منصفانه به عنوان یک سرویس در جهان یاد می کند. فهرست مشتریان آن شامل شکل, پول مبارک, چلپ چلوپ مالی و سوخت ماشینی.
FairPlay به هر کسی اجازه می دهد از الگوریتمی استفاده کند که تصمیمات تاثیرگذاری می گیرد تا با پاسخ دادن به پنج سوال، عادلانه بودن آن را ارزیابی کند:
آیا الگوریتم من عادلانه است؟
اگر نه، چرا که نه؟
آیا می تواند صادقانه تر باشد؟
عادلانه بودن کسب و کار چه تاثیر اقتصادی دارد؟
آیا کسانی که رد می شوند یک بار دیگر نگاه می کنند تا ببینند آیا باید تایید می شدند یا خیر؟
چگونه Capco و SolasAI سوگیری را کاهش می دهند و در عین حال کاهش خطر را بهبود می بخشند
کپکو شریک جاشوا سیگل به شرکت های خدمات مالی کمک می کند تا اثربخشی خود را به حداکثر برسانند. این شرکت اخیراً با ارائهدهنده نرمافزار هوش مصنوعی الگوریتمی همکاری کرده است SolasAI برای کاهش تعصب و تبعیض و در عین حال افزایش کاهش خطر مرتبط با استفاده از هوش مصنوعی در صنعت خدمات مالی.
سیگل گفت که مؤسسات برای انطباق با چرخههای نوآوری سریعتر به چالش کشیده میشوند زیرا به دنبال مزیتهای رقابتی هستند. بسیاری به هوش مصنوعی نگاه می کنند، اما باید خطرات را درک کنند، که شامل کوتاهی از استانداردهای نظارتی است.
راه حل مشترک با SolasAI پیشبینی سوگیری میکند و به سرعت مدلهای جایگزین منصفانه را با ادغام عدالت الگوریتمی مستقیماً در فرآیندهای مدلسازی، عملیات و حاکمیت مشتری ایجاد میکند.
سیگل گفت: «هوش مصنوعی جهان را به شیوههایی تغییر میدهد که ما میتوانیم و نمیتوانیم ببینیم. راههای زیادی وجود دارد که میتواند برای تصمیمگیریهای تجاری از همه نوع، بهویژه تصمیمهای وامدهی مفید باشد.
«در حالی که پتانسیل ارتقای زیادی وجود دارد، خطر تعصب ناخواسته در آن مدلها نیز وجود دارد. و این خطر اعتبار ایجاد می کند. این خطر به حاشیه راندن برخی از جوامع را ایجاد می کند و نهادهای مردمی نمی خواهند به حاشیه رانده شوند."
همچنین بخوانید:
برای بررسی همه چیز هوش مصنوعی برنامه ریزی کنید
با توجه به توجه رسانهها به پتانسیل سیستمهای هوش مصنوعی برای توهم، سازمانها باید انتظار بررسی دقیق هر چیزی را داشته باشند که به هوش مصنوعی مربوط میشود، مانند پروندهای که به خوبی تبلیغ میشود که در آن پروندههای قضایی برای حمایت از یک خلاصه اختراع شده است. این را به تمرکز نظارتی بر مدلهای مشارکت بانکها و فینتک و رفتار آنها با گروههای به حاشیه رانده شده تاریخی اضافه کنید.
سیگل گفت: «...از مؤسسات مالی پرسیده می شود که آیا عدالت را جدی می گیرند. قانونگذاران و مصرفکنندگانی که آینده صنعت خدمات مالی را نمایندگی میکنند، از آنها خواسته میشود که این موضوع را جدیتر بگیرند و خود را متعهد به رفع مشکلات در صورت یافتن آنها کنند.»
برای کاهش تعصب خود را پلیس کنید
مشکلات می توانند از اولین نقطه شروع شوند. صالح و سیگل هشدار دادند که کیفیت دادههای مورد استفاده برای آموزش مدلهای خود را از نزدیک نظارت کنید. صالح گفت که مدل اولیه ای که او استفاده کرد، یک کشور کوچک خاص را به عنوان منطقه وام دهنده اصلی شناسایی کرد. پس از ارزیابی، هیچ وامی در شرایطی که به عنوان یک وضعیت بسیار سخت شناخته می شد، داده نشد. از آنجایی که وام وجود نداشت، مدل هیچ نکول ندید و فرض کرد که دولت یک معدن طلا است.
صالح گفت: «اگر نسبت به دادههایی که مصرف میکنند و سپس محاسباتی که انجام میدهند، فوقالعاده هوشیار نباشید، این چیزها دچار خطا میشوند.
برخی از وام دهندگان چندین سیستم هوش مصنوعی را به عنوان یک بررسی در برابر تعصب اجرا می کنند. FairPlay هم همینطور. آنها با استفاده از مدلهای متخاصم که الگوریتمها را در برابر یکدیگر قرار میدهند، فراتر میروند. یکی پیش بینی می کند که آیا مدل دیگری می تواند تعیین کند که آیا متقاضی از یک گروه اقلیت است یا خیر. مدل دوم یک زنجیره تصمیم میخواهد تا در صورت امکان، سوگیری را منشأ بگیرد.
(اولین باری که صالح روش خصمانه را امتحان کرد، به بانی وام مسکن نشان داد که چگونه می تواند نرخ پذیرش متقاضیان سیاه پوست را بدون افزایش ریسک تا 10 درصد افزایش دهد.)
وی افزود که بسیاری از مدل های پذیره نویسی به شدت ثبات اشتغال را در نظر می گیرند. این به زنان 18 تا 45 ساله آسیب می رساند. الگوریتمها را میتوان به منظور کاهش اتکا به ثبات شغلی و در عین حال افزایش وزن به عوامل غیر تعصبی تغییر داد.
صالح گفت: «هنوز میتوانید این الگوریتمهای بسیار کارآمد و پیشبینیکننده را بسازید که سوگیریها را برای گروههای محروم تاریخی به حداقل میرساند. این یکی از نوآوری های کلیدی در انصاف و اعتبار الگوریتمی بوده است. ما میتوانیم همین کار را انجام دهیم، پیشبینی کنیم که چه کسی پیشفرض میشود و در عین حال تفاوتها را برای گروههای محافظت شده به حداقل میرسانیم.»
«این راهی است که در آن میتوانید ساختار درون الگوریتم را برای جبران سوگیریهای طبیعی در دادهها بازسازی کنید. در طول فرآیند یادگیری، شما مدل را مجبور میکنید به عناصر دادهای تکیه کند که به عناصر دادهای وزن میدهند که قدرت پیشبینی آنها را به حداکثر میرسانند، اما اثر نابرابری را به حداقل میرسانند.
از خطر شهرت نیز آگاه باشید
مشتریان Siegel میخواهند منافع را به حداکثر برسانند و در عین حال خطر را به حداقل برسانند. راهحل آنها با SolasAI، سوگیریها را شناسایی میکند و در عین حال اطمینان میدهد که آنها برنمیگردند. پیامدها فراتر از وام دادن به بازاریابی، منابع انسانی و شعبه است.
موسسات باید در برابر خطرات شهرت محافظت کنند، زیرا فناوری تغییر به یک پیشنهاد بهتر را آسان می کند. اگر مؤسسهای به نوعی مغرضانه تلقی شود، میتوان آن را در رسانههای اجتماعی رد کرد. همانطور که نمونههای اخیر نشان میدهند، سرمایهها طولی نمیکشد تا از بین بروند.
سیگل گفت: «SolasAI… یک شرکت با بنیانگذاران و رهبری با چندین دهه تجربه در وام دهی منصفانه و ساخت مدل هوش مصنوعی است. "راه حل آنها، که نه تنها متغیرهای بالقوه یا ویژگی های یک مدل را که ممکن است ناخواسته تعصب تزریق کند، شناسایی می کند، (همچنین) جایگزین هایی برای آن شرایط ارائه می دهد و راه هایی برای کاهش آن سوگیری ناخواسته ارائه می کند و در عین حال تا حد امکان عملکرد مدل را حفظ می کند. .
مشتریان در نهایت توضیح و شفافیت لازم برای بهره مندی از هوش مصنوعی را دارند و اطمینان حاصل می کنند که به فروشگاه فکر می کنند.
سیگل هشدار داد که افزودن شرایط می تواند قدرت پیش بینی هوش مصنوعی را تضعیف کند. این شرایط می تواند به جای ایجاد چیزی منحصر به فرد، آن را در جهتی خاص هدایت کند.
سیگل گفت: «به جای اینکه اجازه دهیم هوش مصنوعی به نتیجه برسد و مجموعه ای کامل از داده ها را به آن بدهد، با همبستگی ها، علیت و متغیرهایی مواجه می شود که شما با چشم انسان خود نمی بینید.» تا زمانی که بتوانید مطمئن شوید چیزی که در آن نتیجه نمیخواهید وجود ندارد، واقعاً چیز خوبی است.»
دلایل احتمالی فشار هوش مصنوعی
آیا بخشی از این فشار برای هوش مصنوعی ناشی از وام دهندگانی است که در مقایسه با 15 سال پیش به دنبال مشتریان پایین دستی بیشتری هستند؟ صالح گفت که تکنیک های متعارف پذیره نویسی برای به ثمر رساندن مشتریان فوق العاده و اصلی در جایی که داده های زیادی در دسترس است، عالی هستند. وام دهندگان بر روی آن گروه ها تمرکز کردند که اساساً مشتریان را بین خود مبادله می کنند.
رشد واقعی از گروههای با امتیاز پایینتر، گروههای نازک، بدون فایل و گروههایی با دادههای سنتی کمی حاصل میشود. از سال 2008، توجه بیشتری به رفتار نامتجانس با آنها شده است و بانکها نمیخواهند برای ارائه خدمات به آنها تلاش کنند.
این امر منجر به نوآوری فین تک شده است زیرا شرکت ها از تکنیک های مدرن پذیره نویسی استفاده می کنند و از داده های غیر متعارف استفاده می کنند. این امکان پذیره نویسی جریان نقدی را فراهم کرده است که داده ها را بسیار نزدیک تر به ترازنامه تجاری ارزیابی می کند.
صالح گفت: «پذیرهنویسی جریان نقدی بسیار نزدیکتر از گزارش اعتباری سنتی به ترازنامه مصرفکننده است. «شما در حال سنجش مستقیم تری از توانایی و تمایل به بازپرداخت هستید. ریاضیات میتواند معاملات بسیار زیادی را مصرف کند تا تصویری دقیق از توانایی آن وام گیرنده برای بازپرداخت ترسیم کند."
چگونه ماهی کوچک می تواند با هوش مصنوعی رقابت کند
برخی نگران توانایی سازمان های کوچکتر برای تولید داده های کافی برای آموزش صحیح مدل های هوش مصنوعی خود هستند. صالح گفت که وام دهندگان کوچکتر چندین گزینه از جمله خرید، داده های دفتر و رضایت مصرف کننده دارند. سازمانهای بزرگ ممکن است دادهها را داشته باشند، اما سازمانهای کوچکتر زیرکتر هستند.
بزرگها مزیتی از این مخازن دادههای شگفتانگیز دارند، اگرچه، صادقانه بگویم، سیستمهای آنها در بسیاری از موارد، بیش از 30 سال خرید، آنقدر با هم ترکیب شدهاند که این واقعیت که آنها پایگاه داده را دارند لزوماً آنها را برای استفاده مناسب نمیکند. صالح گفت. سپس شما تازه واردان به بازار را دارید که احتمالاً داده های مشابهی با افراد بزرگ ندارند، اما بسیار ضعیف تر هستند، و داده های آنها به راحتی مورد استفاده قرار می گیرد.
فکر می کنم همه می توانند در این فضا بازی کنند.
کار خود را ثابت کنید
در گذشته، وام دهندگان می توانستند فقط با دقت به کار خود ادامه دهند. صالح گفت که اکنون آنها نیز باید منصف باشند و باید بتوانند آن را ثابت کنند.
چیزهای زیادی در خطر است. FairPlay کشف کرد که بین 25 تا 33 درصد از متقاضیان سیاهپوست، قهوهای و زن که بیشترین امتیاز را رد کردهاند، به همان خوبی عمل میکنند که ریسکپذیرترین افراد مورد تایید اکثر وامدهندگان هستند - تنها چند امتیاز رد را از پذیرش جدا میکند.
صالح گفت که سوال واقعی پیش روی صنعت این است که چقدر سخت کار می کند تا استراتژی های اعتباری کمتر تبعیض آمیز پیدا کند. اگر وام دهنده یاد بگیرد که مدلش مغرضانه است، آیا سعی می کند آن را توجیه کند یا به دنبال گزینه ای کم سوگیری است که اهداف تجاری آنها را نیز برآورده کند؟
صالح گفت: «این یک الزام قانونی در قانون است. "این جایگزین کمتر تبعیض آمیز نامیده می شود."
این قانون همچنین وام دهندگان را مجبور می کند نشان دهند که هیچ روش تبعیض آمیزی برای دستیابی به این اهداف وجود ندارد. آنها باید ثابت کنند که مدل های خود را ارزیابی کرده اند تا ببینند آیا جایگزین های منصفانه تری وجود دارد یا خیر.
و ابزارهایی برای کمک به آنها در انجام این کار وجود دارد، ابزارهایی مانند ابزارهایی که توسط Capco/SolasAI و FairPlay ارائه شده است.
صالح گفت: «ابزارهایی مانند ابزار ما مرز کارآمدی از استراتژیهای جایگزین بین کاملاً منصفانه و کاملاً دقیق ایجاد میکنند. صدها و گاهی هزاران گونه جایگزین برای یک مدل در امتداد آن طیف وجود دارد. هر وام دهنده ای می تواند انتخاب کند که معامله مناسب برای کسب و کارش چیست.
"من فکر می کنم این فناوری است که امروزه افراد بسیار کمی از آن استفاده می کنند و همه در آینده نه چندان دور از آن استفاده خواهند کرد."
.pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .box-header-title { font-size: 20px !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .box-header-title { font-weight: bold !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .box-header-title { color: #000000 !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .pp-author-boxes-avatar img { border-style: none !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .pp-author-boxes-avatar img { border-radius: 5% !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .pp-author-boxes-name a { font-size: 24px !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .pp-author-boxes-name a { font-weight: bold !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .pp-author-boxes-name a { color: #000000 !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .pp-author-boxes-description { font-style: none !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .pp-author-boxes-description { text-align: left !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .pp-author-boxes-meta a span { font-size: 20px !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .pp-author-boxes-meta a span { font-weight: normal !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .pp-author-boxes-meta { text-align: left !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .pp-author-boxes-meta a { background-color: #6adc21 !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .pp-author-boxes-meta a { color: #ffffff !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .pp-author-boxes-meta a:hover { color: #ffffff !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .ppma-author-user_url-profile-data { color: #6adc21 !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .ppma-author-twitter-profile-data span, .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .ppma-author-twitter-profile-data i { font-size: 16px !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .ppma-author-twitter-profile-data { background-color: #6adc21 !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .ppma-author-twitter-profile-data { border-radius: 50% !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .ppma-author-twitter-profile-data { text-align: center !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .ppma-author-linkedin-profile-data span, .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .ppma-author-linkedin-profile-data i { font-size: 16px !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .ppma-author-linkedin-profile-data { background-color: #6adc21 !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .ppma-author-linkedin-profile-data { border-radius: 50% !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .pp-author-boxes-recent-posts-title { border-bottom-style: dotted !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .pp-multiple-authors-boxes-li { border-style: solid !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .pp-multiple-authors-boxes-li { color: #3c434a !important; }
- محتوای مبتنی بر SEO و توزیع روابط عمومی. امروز تقویت شوید.
- PlatoData.Network Vertical Generative Ai. به خودت قدرت بده دسترسی به اینجا.
- PlatoAiStream. هوش وب 3 دانش تقویت شده دسترسی به اینجا.
- PlatoESG. خودرو / خودروهای الکتریکی، کربن ، CleanTech، انرژی، محیط، خورشیدی، مدیریت پسماند دسترسی به اینجا.
- BlockOffsets. نوسازی مالکیت افست زیست محیطی. دسترسی به اینجا.
- منبع: https://www.fintechnexus.com/bias-in-ai-what-to-watch-for-and-how-to-prevent-it/
- : دارد
- :است
- :نه
- :جایی که
- $3
- $UP
- 000
- 1
- 12
- سال 15
- ٪۱۰۰
- 20
- 2008
- 2018
- 30
- 50
- a
- توانایی
- قادر
- درباره ما
- پذیرش
- دقیق
- اکتساب
- جمع آوری
- واقعی
- وفق دادن
- اضافه کردن
- اضافه
- اضافه کردن
- حکومت
- اتخاذ
- مزیت - فایده - سود - منفعت
- مزایای
- دشمن
- افریقا
- در برابر
- قرون
- پیش
- AI
- مدل های هوش مصنوعی
- سیستم های هوش مصنوعی
- الگوریتم
- الگوریتمی
- الگوریتم
- معرفی
- اجازه می دهد تا
- در امتداد
- همچنین
- جایگزین
- جایگزین
- هر چند
- شگفت انگیز
- امریکا
- در میان
- an
- و
- سالیانه
- دیگر
- پیش بینی می کند
- هر
- هر چیزی
- متقاضیان
- درخواست
- با استفاده از
- تایید کرد
- هستند
- مقالات
- AS
- ارزیابی کنید
- ارزیابی
- ارزیابی
- فرض
- At
- توجه
- خودکار
- در دسترس
- دور
- بد
- برج میزان
- ترازنامه
- بانک
- بانک
- BE
- زیرا
- بوده
- شروع
- بودن
- اعتقاد بر این
- سود
- مزایای
- بهتر
- میان
- خارج از
- تعصب
- جانبدارانه
- تعصبات
- بزرگ
- بیلیون
- سیاه پوست
- بلاکچین
- جسور
- وام گیرندگان
- هر دو
- شاخه
- ساختن
- ساخته
- دفتر
- کسب و کار
- اما
- by
- نام
- CAN
- نمی توان
- کاریابی
- جزایر کارائیب
- مورد
- موارد
- مرکز
- مدیر عامل شرکت
- معین
- قطعا
- زنجیر
- به چالش کشیده شد
- متغیر
- مشخصات
- بررسی
- را انتخاب کنید
- انرژی پاک
- مشتری
- مشتریان
- نزدیک
- نزدیک
- بنیانگذاران
- رمز
- رنگ
- COM
- بیا
- می آید
- مرتکب شدن
- جوامع
- شرکت
- شرکت
- مقایسه
- رقابت
- رقابتی
- محاسبات
- علاقمند
- نتیجه
- شرایط
- هوشیار
- رضایت
- در نظر بگیرید
- ساخت و ساز
- مصرف
- مصرف کننده
- مصرف کنندگان
- شرکت کننده
- معمولی
- میتوانست
- دادگاه
- پرونده های دادگاه
- ایجاد
- ایجاد
- اعتبار
- Crowdfunding
- مشتریان
- چرخه
- داده ها
- پایگاه داده
- دهه
- نجیب
- تصمیم
- تصمیم گیری
- اختصاصی
- به طور پیش فرض
- پیش فرض
- نشان دادن
- مشخص کردن
- مختلف
- مستقیم
- جهت
- مستقیما
- کشف
- تبعیض
- متفاوت
- do
- میکند
- آیا
- رانده
- دو
- در طی
- هر
- در اوایل
- به آسانی
- ساده
- اقتصادی
- اثر اقتصادی
- اثر
- اثر
- موثر
- عناصر
- سنگ سنباده
- بازارهای در حال ظهور
- فن آوری های نوظهور
- استخدام
- فعال
- انرژی
- پروژه های انرژی
- افزایش
- اطمینان حاصل شود
- حصول اطمینان از
- ورودی
- کارآفرینان
- خطا
- به خصوص
- اساسا
- اتر (ETH)
- حتی
- مثال ها
- اکسل
- انتظار
- تجربه
- قابل توضیح
- گسترش
- خیلی
- چشم
- نما
- واقعیت
- عوامل
- منصفانه
- عادلانه تر
- عدالت
- ایمان
- سقوط
- کوتاه آمدن
- غلط
- سریعتر
- زن
- کمی از
- شکل
- سرانجام
- سرمایه گذاری
- مالی
- شمول مالی
- خدمات مالی
- پیدا کردن
- fintech
- نوآوری فین تک
- شرکت ها
- نام خانوادگی
- بار اول
- ماهی
- مناسب
- پنج
- سیل
- تمرکز
- متمرکز شده است
- برای
- بنیانگذاران
- از جانب
- مرز
- بودجه
- بیشتر
- آینده
- تولید می کنند
- تولید می کند
- دریافت کنید
- دادن
- داده
- Go
- رفتن
- خوب
- گوگل
- حکومت
- بزرگ
- گروه
- گروه ها
- رشد
- گارد
- راهنمایی
- سخت
- آیا
- he
- کمک
- کمک می کند
- بالاترین
- خیلی
- خود را
- به لحاظ تاریخی
- هنگ
- هنگ کنگ
- میزبانی
- در تردید بودن
- چگونه
- چگونه
- HTML
- HTTPS
- انسان
- منابع انسانی
- صدها نفر
- درد می کند
- i
- شناسایی
- شناسایی می کند
- if
- تأثیر
- تأثیرگذار
- پیامدهای
- بهبود
- in
- شامل
- شامل
- از جمله
- گنجاندن
- افزایش
- افزایش
- صنعت
- ابداع
- نوآوری
- در عوض
- موسسه
- موسسات
- ادغام
- تقاطع
- به
- اختراع
- سرمایه گذاری
- IT
- ITS
- مشترک
- روزنامه نگار
- JPG
- تنها
- کلید
- شناخته شده
- کنگ
- تا حد زیادی
- لاتین
- لاتین امریکا
- قانون
- رهبری
- یادگیری
- کمترین
- ترک کرد
- قانونی
- وام دهنده
- وام دهندگان
- امانت دادن
- کمتر
- اجازه دادن
- سطح
- پسندیدن
- محدودیت
- لینک
- کوچک
- وام
- مکان
- طولانی
- نگاه کنيد
- خوشبختانه
- ساخته
- نگهداری
- ساخت
- باعث می شود
- بسیاری
- بازار
- بازار یابی (Marketing)
- بازارها
- ریاضیات
- حداکثر عرض
- بیشینه ساختن
- ممکن است..
- اندازه
- رسانه ها
- ملاقات
- روش
- متدولوژی ها
- مایکروسافت
- قدرت
- به حداقل رساندن
- اقلیت
- کاهش
- کاهش
- مدل
- مدل
- مدرن
- مانیتور
- بیش
- رهن
- اکثر
- انگیزه
- بسیار
- چندگانه
- باید
- my
- طبیعی
- لزوما
- نیاز
- زیرک
- نه
- هیچ
- طبیعی
- هیچ چی
- اکنون
- اوباما
- اهداف
- of
- ارائه
- ارائه شده
- پیشنهادات
- on
- ONE
- آنهایی که
- فقط
- عملیات
- گزینه
- گزینه
- or
- سازمان های
- اصلی
- دیگر
- روی
- پرداخت
- رنگ
- پانل
- بخش
- شریک
- مشارکت کرد
- همکاری
- گذشته
- همکار برای همکار
- وام همتا
- مردم
- ادراک شده
- کاملا
- کارایی
- انجام
- انجام
- PIT
- افلاطون
- هوش داده افلاطون
- PlatoData
- بازی
- بسیاری
- نقطه
- نقطه
- تصویر
- ممکن
- پتانسیل
- قدرت
- شیوه های
- پیش بینی
- پیش بینی می کند
- جلوگیری از
- نخستین
- بدوی
- PRNewswire
- شاید
- مشکل
- مشکلات
- روند
- فرآیندهای
- پروژه ها
- به درستی
- محفوظ
- ثابت كردن
- ارائه دهنده
- ارائه
- فشار
- قرار دادن
- کیفیت
- سوال
- سوالات
- به سرعت
- نرخ
- رسیدن به
- خواندن
- واقعی
- زمان واقعی
- واقعا
- دلایل
- اخیر
- تازه
- كاهش دادن
- اشاره دارد
- رگولاتور
- تنظیم کننده
- مربوط
- اعتماد
- تکیه
- از بین بردن
- بازپرداخت
- گزارش
- نمایندگی
- نیاز
- منابع
- نتیجه
- برگشت
- بازده
- خطر
- کاهش ریسک
- خطرات
- فهرست
- دویدن
- در حال اجرا
- s
- سعید
- همان
- دید
- به ثمر رساندن
- بررسی موشکافانه
- دوم
- دیدن
- به دنبال
- به دنبال
- مشاهده گردید
- جداگانه
- به طور جدی
- خدمت
- خدمات
- تنظیم
- هفت
- چند
- ورق
- کوتاه
- باید
- نشان
- نشان داد
- سیلیکون
- سیلیکون ولی (Silicon Valley)
- پس از
- کوچک
- کوچکتر
- So
- آگاهی
- رسانه های اجتماعی
- نرم افزار
- جامد
- راه حل
- برخی از
- چیزی
- گاهی
- منبع
- فضا
- فضاها
- محدوده
- خاص
- طیف
- سهام
- استانداردهای
- دولت
- هنوز
- opbevare
- استراتژی ها
- به شدت
- ساختار
- تلاش
- مورد مطالعه قرار
- جنوب صحرا
- چنین
- کافی
- مناسب
- قله
- پشتیبانی
- غافلگیر شدن
- سیستم های
- گرفتن
- مصرف
- تکنیک
- فن آوری
- پیشرفته
- قلمرو
- تست
- نسبت به
- که
- La
- آینده
- قانون
- دولت
- جهان
- شان
- آنها
- خودشان
- سپس
- آنجا.
- اینها
- آنها
- چیز
- اشیاء
- فکر می کنم
- این
- کسانی که
- هزاران نفر
- از طریق
- زمان
- به
- امروز
- با هم
- تونی
- هم
- ابزار
- نسبت به
- طرف
- تجارت
- سنتی
- قطار
- معاملات
- شفافیت
- درمان
- رفتار
- سعی
- درست
- توییتر
- انواع
- نامحدود
- غیر متعارف
- کم خدمت
- فهمیدن
- تعهد
- منحصر به فرد
- بر
- استفاده کنید
- استفاده
- با استفاده از
- دره
- بسیار
- کهنه سرباز
- دید
- می خواهم
- بود
- تماشا کردن
- مسیر..
- راه
- we
- وزن
- خوب
- بود
- چی
- چه زمانی
- که
- در حین
- WHO
- تمام
- چرا
- اراده
- تمایل
- با
- در داخل
- بدون
- زنان
- مشغول به کار
- با این نسخهها کار
- جهان
- جهان
- خواهد بود
- کتبی
- سال
- سال
- شما
- شما
- زفیرنت