در قالب فراخوان پژوهش‌های عمیق شرکت‌های دانش‌بنیان اعلام شد؛

فراخوان طراحی و توسعه دستیار هوشمند بانکی

بنیاد ملی علم ایران در راستای مأموریت‌گرا‌شدن پژوهش‌ها و حمایت از طرح‌های پژوهشی که به فناوری روز دنیا می‌پردازد و می‌تواند باری از دوش صنعتگران کشور بردارد، فراخوان‌هایی را با عنوان برنامه حمایت از پژوهش عمیق شرکت‌های دانش‌بنیان منتشر می‌کند.«طراحی و توسعه دستیار هوشمند بانکی» به عنوان یکی دیگر از فراخوان‌های این برنامه، منتشر می‌شود و متقاضیان تا ۲۵ بهمن برای ثبت نام مهلت دارند.
فراخوان طراحی و توسعه دستیار هوشمند بانکی

به گزارش روابط‌عمومی بنیاد ملی علم ایران (INSF)، براساس برنامه‌ریزی‌های صورت گرفته، بنیاد ملی علم ایران در راستای مأموریت‌گرا‌شدن پژوهش‌ها و حمایت از طرح‌های پژوهشی که به فناوری روز دنیا می‌پردازد و می‌تواند باری از دوش صنعتگران کشور بردارد، فراخوان‌هایی را با عنوان برنامه حمایت از پژوهش عمیق شرکت‌های دانش‌بنیان منتشر می‌کند. در این برنامه، نیاز‌های پژوهشی پرریسک شرکت‌های دانش‌بنیان، از طریق سامانه کایپر بنیاد ملی علم ایران به این نهاد اعلام می‌شود و پس از بررسی و داوری‌های لازم، فراخوان پژوهش‌های عمیق و پرریسک شرکت‌های دانش‌بنیان به پژوهشگران و محققان اعلام می‌شود.

فراخوان طراحی و توسعه دستیار هوشمند بانکی به عنوان یکی دیگر از فراخوان‌های این برنامه، منتشر می‌شود.

توضیحات فراخوان

مقدمه:

هوش مصنوعی انقلاب جدیدی است که در آینده ای نزدیک، بسیاری از حوزه‌ها را متحول خواهد کرد. یکی از حوزه هایی که دستخوش تغییرات خواهد شد، صنعت بانکداری است. تلاقی هوش مصنوعی و بانکداری دیجیتال منجر به بهبود خدمات و تجربه بهتر مشتریان می‌شود. دستیارهای هوشمند، از جمله فناوری‌های هوشمندساز در این حوزه هستند که در بسیاری از موارد از جمله امور بانکی به صورت عملیاتی مورد استفاده قرار می گیرند.

هدف این پروژه، طراحی و پیاده‌سازی دستیار هوشمند بانکی مبتنی بر مدل‌های زبانی بزرگ ( LLM ) است که بتواند پرسش و پاسخ های مشتریان بانک در زبان فارسی را به درستی درک کند و پاسخ مناسب دهد. همچنین فرمان‌های حوزه بانکی را تشخیص داده و اجرا کند. در نتیجه این طرح، تعامل کاربران با خدمات بانکی سریع و آسان و منجر به افزایش رضایت آن‌ها می‌شود.

پیشینه مسئله تحقیقاتی:

یکی از محصولات دانش بنیان شرکت متقاضی، دستیار هوشمند فارسی است که با بهره‌گیری از روش‌های جدید پردازش زبان طبیعی و یادگیری ماشین، به‌ویژه با استفاده از یادگیری عمیق، برای مکالمه دوطرفه بین انسان و ماشین توسعه داده شده است و قادر است درخواست کاربر را در قالب زبان طبیعی، چه به صورت گفتاری و چه به صورت متنی، دریافت کرده و بعد از درک آن، پاسخ مناسب را ارائه دهد. این سامانه که به‌صورت یک سرویس‌دهنده به کسب و کارها و اپلیکیشن‌ها ارائه خدمت می‌کند، قادر به درک سوال و جواب است.

با توجه به اهمیت هوش مصنوعی در صنعت بانکداری، این شرکت در نظر دارد تا دستیار هوشمند بانکی مبتنی بر LLM را برای زبان فارسی توسعه دهد تا مشتریان بانک‌ها بتوانند به‌آسانی خدمات بانکی خود را دریافت کنند. از سوی دیگر حجم بالای درخواست‌های کاربران و هزینه بالای پاسخگویی انسانی (به‌ویژه با افزایش تعداد کاربران) باعث نیاز به توسعه زیرساخت های هوشمند و خودکار برای پاسخگویی به درخواست‌های کاربران را تشدید می‌کند.

نسل نوین دستیارهای هوشمند در دنیا، بعد از معرفی ChatGPT توسط شرکت‌های بزرگ فناوری در دنیا عرضه شده‌اند که از جمله آن‌ها می‌توان به دستیار جدید مایکروسافت مبتنی بر ChatGPT و دستیار جدید گوگل مبتنی بر Bard اشاره کرد.

مشروح مسئله تحقیقاتی:

امروزه با افزایش دسترسی عمومی به سرویس‌های دستیارهای هوشمند و افزایش کارایی آن‌ها، به ویژه در ChatGPT و Bard ، استفاده از این سرویس‌ها در حوزه‌ها و کاربردهای مختلف برای دسترسی آسان و سریع به حجم بالای اطلاعات در حال افزایش است. استفاده از این محصولات در سازمان‌ها نیز به دلایلی همچون سرعت پاسخگویی بالا به حجم بالای کاربران (مقیاس‌پذیری) و کاهش هزینه‌های بالای مراکز تماس، رو به گسترش است و با توجه به جذابیت بالای آن‌ها به ویژه در تعامل طبیعی با زبان محاوره، می‌تواند منجر به افزایش رضایت کاربران شود و تصویری از هوشمندی سازمان را در ذهن مخاطب ایجاد کند.

با توجه به این موضوع، مسئله اصلی مورد نظر در این پروژه طراحی و پیاده‌سازی یک دستیار هوشمند بانکی فارسی مبتنی بر LLM و به‌صورت محلی (بدون نیاز به اتصال به سرویس‌دهنده‌های بیرونی) است. این مسئله شامل دو بخش کار ( Task ) است:

۱. تشخیص فرمان‌های متنی حوزه بانکی با امکان تشخیص نیت ( Intent ) و موجودیت ( Entity )

۲. امکان فراهم کردن پرسش و پاسخ ( FAQ ) حوزه بانکی برای راهنمایی کاربران

چالش‌های نیاز فناورانه:

از جمله چالش‌های این پروژه، نحوه بومی کردن LLM ها برای زبان فارسی است. نیاز این پروژه، آموزش و ساخت یک LLM بومی از ابتدا نیست و مجری مختار است از LLM های موجود که به صورت عمومی در دسترس هستند، مانند Llama ، استفاده کند. چالش دیگر پروژه، نحوه استفاده از LLM برای ساخت دستیار هوشمند در دو کاربرد تشخیص فرمان‌های متنی (تعداد زیاد) و تولید پاسخ مناسب در حوزه FAQ (جلوگیری از توهم مدل زبانی) است.

گام‌های تحقیقاتی و الزامات طرح:

  • مراحل تحقیقاتی
  1. بررسی LLM های موجود و گزارش وضعیت آن‌ها و امکان استفاده در پروژه؛
  2. بررسی روش‌های مختلف مبتنی بر LLM برای دو کار بیان شده مانند: prompt ، finetune ، engineering و few shot و ... همچنین گزارش دقت هر کدام آن‌ها؛
  3. تولید داده آموزش و آزمون در تعامل مورد نیاز؛
  4. ساخت مدل‌های لازم برای دو کار مورد نظر پروژه؛
  5. تست و ارزیابی روش نهایی؛
  6. استقرار مدل‌ها و یکپارچه‌سازی با زیرساخت‌های مورد نظر شرکت؛
  7. مستندسازی و تحویل خروجی‌ها؛

الزامات طرح:

  1. توسعه API جهت یکپارچه‌سازی با سرویس‌های شرکت.
  2. مقدار F1 Score برای تشخیص Intente ها و Entity ها روی داده آزمون توافق شده در طول قرارداد، بالاتر از ۹۶ درصد باشد.
  3. برای تولید پاسخ، کیفیت تولید شده روی زبان فارسی، حداقل به میزان ۹۰ درصد کیفیت تولید پاسخ شده توسط GPT3.5 Torbo باشد.

خروجی نهایی تحقیق:

خروجی حاصل از طرح حاضر در کار تشخیص فرمان، شامل تشخیص درخواست کاربر ( Intent ها و Entity ها) در حوزه‌های زیر خواهد بود:

  1. احوال‌پرسی با مشتریان؛
  2. عملیات مرتبط با سپرده (دریافت موجودی، گردش حساب، افزایش موجودی حساب دیجیتال، طرح های سرمایه گذاری، انتقال وجه درون بانکی / بین بانکی / پایا / ساتنا / مستمر، مدیریت کارتابل سپرده مشترک، درخواست افتتاح سپرده، بستن سپرده، تنظیمات نحوه محاسبه سود سپرده)؛
  3. عملیات مرتبط با کارت (انتقال وجه کارت به کارت، خرید شارژ، موجودی و گردش کارت، انسداد، فعال سازی و غیرفعال سازی و دریافت و تغییر رمز دوم عادی / پویا، استعلام محدودیت، ذخیره کارت های موردنظر، استفاده از خدمات کارت برای مشتریان سایر بانک ها، صدور کارت، تغییر سپرده های کارت، خدمات کارت اعتباری، گزارش های کارت، خدمات بن کارت)؛
  4. عملیات مربوط به تسهیلات (اعتبارسنجی، درخواست اعتبار در حساب پشتوانه، پرداخت قسط، لیست درخواست های کارت)؛
  5. عملیات مربوط به چک و سامانه های صیاد و پیچک (واگذاری، نمایش لیست و گزارش ها، ثبت، تأیید یا رد، انتقال، عودت، استعلام چک، استعلام صاحب حساب، اعلام وضعیت دریافت‌کننده یا چک ثبت شده، یادآور، درخواست صدور دسته چک)؛
  6. خدمات تکمیلی شامل: استعلام شبا، تبدیل شبا و سپرده و کارت، اعتبار هدیه، کارت هدیه مجازی، خدمات پرداخت قبوض، تنظیمات، اطلاعات من، ذخیره سپرده های مورد نظر، پیگیری تراکنش های قبلی، برداشت وجه بدون کارت، برداشت وجه مستقیم، مدیریت دفترچه، رمز یکبار مصرف، اثر انگشت، استعلام دستگاه های فعال، بخش گزارش ها، فعال‌سازی همراه بانک، مدیریت خدمات پرکاربرد، تغییر نام کاربری، تغییر رمز، تنظیم محدودیت های دسترسی، مدیریت سقف انتقال وجه، جستجو؛
  7. تماس با شعب بانک و مکان یابی شعب؛
  8. ورود به بخش اخبار بانک، اعلان ها و گزارش موارد مشکوک؛
  9. خدمات سایت شامل ثبت و پیگیری مغایرت شتابی، خدمات بدون ورود، درگاه پرداخت اینترنتی، صندوق امانات، خدمات ریالی، امور ارزی، آموزش بانکداری الکترونیک، مسئولیت های اجتماعی، پشتیبانی پایانه های فروش، مسدود کردن کارت، ارجاع به حساب شبکه های اجتماعی بانک و دانلود اپلیکیشن‌ها؛
  10. اطلاع به مشتریان در خصوص وضعیت امتیاز حساب و میزان امتیاز باقی‌مانده تا دریافت تسهیلات یا اطلاع در خصوص شرایط دریافت وام با وضعیت فعلی معدل حساب مشتری؛
  11. اطلاع از کسری موجودی حساب برای پاس کردن چک خود.

موارد قابل تحویل:

  • تمامی داده‌های پروژه (آموزش و آزمون)؛
  • مدل های توسعه داده؛
  • ابزارهای توسعه داده شده و ابزارهای یکپارچه‌سازی؛
  • تمامی سورس کدها؛
  • مستندات و گزارش‌ها.

راهکارهای غیرجذاب

  • استفاده از تکنولوژی‌های غیر LLM based ؛
  • استفاده از LLM های غیرمحلی.

تسهیم مالکیت فکری:

  • مالکیت معنوی: مجری در مالکیت معنوی ناشی از اجرای تحقیق سهیم خواهد بود و انتشار مقاله مشترک توسط مجری و متقاضی در ژورنال‌های داخلی و خارجی، ارائه مقاله در کنفرانس‌ها و سمینارها با موافقت و اشاره به نام همه دست‌اندرکاران مجاز خواهد بود. مالکیت معنوی مدل‌ها و ابزارهای تولید شده و داده‌ها متعلق به شرکت متقاضی است.
  • مالکیت فکری: مالکیت فکری ناشی از دستاوردهای طرح، تابع ضوابط عمومی حاکم بر آثار فکری است جز در مواردی که با توافق صندوق، مجری و متقاضی، موافقتنامه‌های جداگانه‌ای منعقد شود.

نحوه پذیرش:

رقابتی است و از بین پروپوزال‌های دریافتی، موردی که شرایط زیر را داشته باشد، در اولویت خواهد بود.

  1. ترکیب متخصصین تیم پیشنهادی مرتبط باشد.
  2. افراد پیشنهاد شده، دارای سابقه پژوهشی و فنی در آن موضوع باشند.
  3. زمان‌بندی، هزینه و شرح خدمات، متناسب و مرتبط با پژوهش مورد تقاضا باشد. (در این بخش، مجری می‌تواند برآورد اولیه خود را اعلام کند اما بدیهی است جزئیات اجرایی در ابتدای امر مشخص نیست و مجری و کارفرما با علم به این موضوع وارد این توافق خواهند شد).
  4. تیم پیشنهاددهنده، زیرساخت انجام پژوهش اعم از آزمایشگاه و کارگاه را داشته باشند.
  5. پروپوزال طبق فرمت پیشنهادی بنیاد، تهیه و ارسال شده باشد.

هزینه‌های قابل قبول

  1. حق التحقیق نیروی انسانی؛
  2. تست ها و آنالیزها؛
  3. خدمات.

حوزه های اولویت دار

مهندسی / کامپیوتر / هوش مصنوعی

واجدین شرایط

  • پژوهشگر اصلی تیم لازم است عضو هیئت‌علمی یکی از دانشگاه‌ها و موسسات آموزش عالی کشور باشد.
  • امکاان ارائه پروپوزال‌هایی که در قالب رساله دکتری و طرح پسا دکتری تعریف شوند، وجود دارد.
  • پس از دریافت پروپوزال از طریق سامانه، ارزیابی انجام گرفته و در صورت کسب امتیاز بالا، تیم برگزیده جهت مذاکره با بنیاد و شرکت متقاضی دعوت خواهد شد.

فایل پیوست

فرم خام پیشنهاده (پروپوزال)

تاریخ فراخوان

کلیه افراد واجد شرایط به مدت یک ماه از تاریخ انتشار فراخوان یعنی تا ۲۵ بهمن فرصت دارند که پروپوزال خود را از طریق سامانه کایپر برای بنیاد ملی علم ایران ارسال نمایند.

مبلغ حمایت

پژوهش پیشنهاد شده تا سقف ۸۰ درصد، حداکثر ۲ میلیارد تومان، توسط بنیاد ملی علم ایران حمایت خواهد شد. بدیهی است که مابقی هزینه‌ها باید توسط شرکت متقاضی پژوهش تامین شود.

کارگروه مسئول

در صورت هرگونه سوال می‌توانید با کارگروه دانش‌بنیان با ایمیل: amini.m@insf.org و شماره تلفن ۰۲۱۸۲۱۶۱۱۲۱ تماس بگیرید.

جهت بارگذاری پروپوزال کلیک کنید.

 

علاقمندان می‌توانند اخبار و رویدادهای بنیاد ملی علم ایران را در شبکه‌های اجتماعی زیر دنبال کنند:

کانال بنیاد ملی علم ایران در بله: https://ble.ir/insf_pr
کانال بنیاد ملی علم ایران در تلگرام: https://t.me/insf_pr
صفحه بنیاد ملی علم ایران در اینستاگرام

کلیدواژه‌ها: دستیار هوشمند بانکی