Un metodo innovativo misura la validità temporale, la comprensione e l'impatto dell'IA sul campo fintech
Summary:
Gli scienziati dell'Università di Innsbruck hanno sviluppato un metodo per misurare la comprensione di un'intelligenza artificiale della "validità temporale", o rilevanza temporale delle affermazioni. La loro tecnica potrebbe avere un impatto sull'uso di piattaforme di intelligenza artificiale come ChatGPT nella tecnologia finanziaria. I ricercatori hanno scoperto che ChatGPT non ha funzionato bene come i modelli più specifici e hanno suggerito che i modelli di intelligenza artificiale più mirati sarebbero più adatti in situazioni in cui la validità temporale è importante, come la generazione di notizie o l'analisi dei mercati finanziari. Lo studio ha anche indicato che l'addestramento dei sistemi di intelligenza artificiale a decifrare le affermazioni più rilevanti con la tempestività come fattore potrebbe migliorare le loro capacità di previsione in tempo reale in settori su larga scala.
Due scienziati dell'Università austriaca di Innsbruck hanno creato una tecnica per valutare la competenza dei sistemi di intelligenza artificiale (IA) nella comprensione della "validità temporale". Ciò potrebbe avere un profondo impatto sull'applicazione di piattaforme di intelligenza artificiale generativa come ChatGPT nel campo della tecnologia finanziaria. La validità temporale riguarda il grado di pertinenza di un'affermazione rispetto a un'altra in un determinato periodo di tempo. In breve, si tratta del significato basato sul tempo delle dichiarazioni collegate.
Un sistema di intelligenza artificiale testato sulle sue capacità di previsione della validità temporale avrebbe il compito di scegliere l'istruzione più correlata al tempo da un set fornito. Nel loro documento di ricerca preliminare recentemente condiviso chiamato "Temporal Validity Change Prediction", Georg Wenzel e Adam Jatowt illustrano con un esempio in cui si dice che un individuo stia leggendo su un autobus. In questo scenario, l'affermazione di contesto più pertinente è "Mi sono rimaste solo poche pagine, poi ho finito". Dal momento che l'affermazione target indica che la persona sull'autobus sta leggendo, il resto è relativamente insignificante.
Wenzel e Jatowt hanno generato un set di dati categorizzato di istanze di addestramento che ha contribuito alla creazione di un'attività di benchmarking per modelli linguistici di grandi dimensioni (LLM). ChatGPT è stato il loro modello di test preferito a causa del suo uso diffuso, sebbene abbia mostrato prestazioni notevolmente inferiori rispetto a modelli più specifici. I limiti di ChatGPT potrebbero essere attribuiti alla tecnica di apprendimento a pochi colpi e a una comprensione inadeguata delle caratteristiche del set di dati.
Suggerisce che gli scenari in cui la validità temporale è vitale per accertare l'utilità o la correttezza, come la generazione di articoli di notizie o la valutazione dei mercati finanziari, probabilmente trarrebbero maggiore vantaggio da specifici modelli di intelligenza artificiale rispetto a strumenti più generalisti come ChatGPT. I ricercatori hanno anche dimostrato che la modifica delle previsioni di cambiamento del valore temporale durante il processo di formazione di un LLM potrebbe potenzialmente produrre risultati migliori nell'attività di benchmarking del cambiamento temporale.
Sebbene il documento non esplori esplicitamente le conseguenze al di là dell'esperimento, una delle carenze esistenti dei sistemi di IA generativa è la loro incapacità di distinguere tra incidenti passati e presenti all'interno di una serie di opere letterarie. Educare questi sistemi ad accertare le affermazioni più rilevanti all'interno di un corpo di testo, con la tempestività come parametro decisivo, potrebbe migliorare drasticamente la capacità dei modelli di intelligenza artificiale di fare previsioni nitide e in tempo reale in settori su larga scala, come le criptovalute e il mercato azionario.
Published At
1/2/2024 10:50:00 PM
Disclaimer: Algoine does not endorse any content or product on this page. Readers should conduct their own research before taking any actions related to the asset, company, or any information in this article and assume full responsibility for their decisions. This article should not be considered as investment advice. Our news is prepared with AI support.
Do you suspect this content may be misleading, incomplete, or inappropriate in any way, requiring modification or removal?
We appreciate your report.