نماذج الذكاء الاصطناعي، حتى ChatGPT، تفشل في الإجابة على الأسئلة من filings SEC
- لا تزال نماذج الذكاء الاصطناعي تواجه صعوبة في الإجابة بدقة على الأسئلة المستندة إلى وثائق هيئة الأوراق المالية والبورصات (SEC).
- لم يتمكن أحدث نموذج لـ ChatGPT من الإجابة بشكل صحيح إلا على 79% من الأسئلة، وهو ما يُعد "غير مقبول".
- حتى تصبح نماذج اللغات الكبيرة أكثر موثوقية وموثوقية، قد يكون هناك معدل اعتماد بطيء في الصناعات التي تعتمد فيها الجودة العالية للبيانات.
خلال الأشهر الماضية، رأينا نماذج اللغات الكبيرة تقوم بأشياء رائعة كثيرة، مثل تلخيص وكتابة النصوص، لكنها لا تزال تكافح مع التفسير الدقيق والإجابة على الأسئلة من filings SEC، حتى أفضلها على الإطلاق - ChatGPT.
نماذج الذكاء الاصطناعي تكافح للإجابة على الأسئلة من filings SEC
أثناء اختبار أجرته باحثون من شركة ناشئة تسمى Patronus AI، إما أن النماذج رفضت الإجابة من filings SEC أو توهمت أرقاماً وحقائق.
حتى أكثر نماذج ChatGPT تقدماً، "GPT-4-Turbo"، لم يتمكن إلا من الإجابة على 79٪ من الأسئلة بشكل صحيح، وفقاً للشركة الناشئة.
"معدل الأداء هذا غير مقبول تماماً. يجب أن يكون أعلى بكثير لكي يعمل حقاً بطريقة آلية وجاهزة للإنتاج"، قال آناند كانابان، المؤسس المشارك لـ Patronus AI.
ليس لدى الجميع الخبرة القانونية والمالية لفهم فوارق filings SEC بسهولة، وحتى الفرز اليدوي عبر filings المعقدة يستغرق وقتاً طويلاً ومجهداً.
نماذج الذكاء الاصطناعي التي يمكنها تلخيص النقاط الرئيسية أو الإجابة على أسئلة محددة من filings SEC والمستندات المهمة ذات أهمية كبيرة ويمكن أن توفر للناس وقتاً ثميناً للتركيز على التحليل والتفسير الأعمق، لا سيما في صناعة المالية التنافسية.
ومع ذلك، يبدو أننا لسنا قريبين بعد من ذلك المستوى من الموثوقية والدقة مع نماذج الذكاء الاصطناعي الحالية لتشجيع استخدامها في المنتجات الفعلية.
"لا يوجد هامش خطأ مقبول لأننا، خاصة في الصناعات المنظمة، حتى إذا أخطأ النموذج في الإجابة مرة واحدة من كل 20 مرة، فهذا لا يزال ليس دقة عالية بما فيه الكفاية"، قالت ربيكا تشيان، المؤسس المشارك لـ Patronus AI.
نماذج الذكاء الاصطناعي "غير حتمية"
وفقاً لكانابان، نماذج اللغات الكبيرة (LLMs) غير حتمية، مما يعني أنها غير مضمونة لتوليد نفس النتيجة في كل مرة من نفس الإدخال. لذلك، الشركات التي تبحث عن دمج نماذج الذكاء الاصطناعي لا تزال بحاجة إلى اختبارها بدقة لضمان تقديم نتائج دقيقة وموثوقة وعدم الخروج عن الموضوع.
حتى تصبح نماذج LLMs أكثر ثقة وموثوقية، قد يكون هناك معدل اعتماد بطيء في الصناعات حيث جودة البيانات هي الأهم، لا سيما في التمويل.
"نعتقد بالتأكيد أن النتائج يمكن أن تكون واعدة جداً"، قال كانابان. "ستستمر النماذج في التحسن بمرور الوقت. نحن متفائلون جداً بأن الكثير من هذا يمكن أتمتته على المدى الطويل. ولكن اليوم، ستحتاج بالتأكيد إلى وجود شخص على الأقل في الحلقة للمساعدة في دعم وتوجيه أي سير عمل لديك."
أذكى العقول في عالم العملات الرقمية يقرأون بالفعل نشرتنا الإخبارية. هل تريد الانضمام؟ انضم إليهم.
إخلاء مسؤولية. المعلومات المقدمة ليست نصيحة تداول. Cryptopolitan.com لا تتحمل أي مسؤولية عن أي استثمارات تتم بناءً على المعلومات المقدمة في هذه الصفحة. نوصي بشدة بإجراء بحث مستقل و/أو الاستعانة بمستشار مؤهل قبل اتخاذ أي قرارات استثمارية.
إبيام واياس
إبيام واياس يغطي أخبار العملات الرقمية منذ عام 2019. درس علوم الحاسوب في الجامعة المفتوحة الوطنية في نيجيريا. وقد ظهرت أعماله على منصات أخبار رقمية متنوعة، بما في ذلك Coinfomania و Crypto News Australia و AltcoinBuzz. وباعتماده على خلفيته في علوم الحاسوب، يركز الآن على أخبار العملات الرقمية والروبوتات وإطالة العمر.
