Новаторский метод измеряет временную валидность ИИ, понимание и влияние на сферу финансовых технологий
Summary:
Ученые из Университета Инсбрука разработали метод, позволяющий измерить понимание ИИ «временной валидности», или временной релевантности утверждений. Их методика может повлиять на использование платформ искусственного интеллекта, таких как ChatGPT, в финансовых технологиях. Исследователи обнаружили, что ChatGPT работает не так хорошо, как более конкретные модели, и предположили, что более целенаправленные модели ИИ лучше подходят в ситуациях, когда временная достоверность имеет значение, например, генерация новостей или анализ финансового рынка. Исследование также показало, что обучение систем ИИ расшифровке наиболее релевантных утверждений со своевременностью может расширить их возможности прогнозирования в режиме реального времени в крупномасштабных секторах.
Двое ученых из Университета Инсбрука в Австрии создали методику для оценки уровня владения системами искусственного интеллекта (ИИ) пониманием «временной валидности». Это может оказать глубокое влияние на применение платформ генеративного ИИ, таких как ChatGPT, в сфере финансовых технологий. Временная валидность относится к степени релевантности одного утверждения другому в течение определенного периода времени. Вкратце, речь идет о временной значимости связанных утверждений.
Системе ИИ, протестированной на ее навыки прогнозирования временной валидности, будет поставлена задача выбрать наиболее связанное со временем утверждение из предоставленного набора. В своей недавно опубликованной предварительной исследовательской работе под названием «Предсказание изменения временной валидности» Георг Венцель и Адам Джатоут иллюстрируют это примером, когда говорят, что человек читает в автобусе. В этом сценарии наиболее подходящим контекстным утверждением будет «У меня осталось всего несколько страниц, и все готово». Поскольку целевое утверждение означает, что человек в автобусе в данный момент читает, остальные сравнительно незначительны.
Венцель и Джатоут создали категоризированный набор данных обучающих экземпляров, который помог в построении задачи сравнительного анализа для больших языковых моделей (LLM). ChatGPT был их моделью тестирования из-за его широкого использования, хотя он показал значительно более низкую производительность по сравнению с более конкретными моделями. Ограничения ChatGPT можно объяснить техникой обучения с несколькими выстрелами и недостаточным пониманием характерных особенностей датасета.
Это говорит о том, что сценарии, в которых временная валидность жизненно важна для определения полезности или правильности, такие как генерация новостных статей или оценка финансового рынка, вероятно, больше выиграют от конкретных моделей ИИ, чем от более универсальных инструментов, таких как ChatGPT. Исследователи также доказали, что изменение прогнозов изменения временных значений в процессе обучения LLM потенциально может привести к улучшению результатов в задаче сравнительного анализа временных изменений.
Несмотря на то, что в статье не рассматриваются последствия за пределами эксперимента, одним из существующих недостатков систем генеративного ИИ является их неспособность различать прошлые и настоящие инциденты в ряде литературных произведений. Обучение этих систем выявлять наиболее релевантные утверждения в тексте, при этом своевременность является решающим параметром, может значительно улучшить способность моделей ИИ делать точные прогнозы в режиме реального времени в крупномасштабных секторах, таких как криптовалюта и фондовый рынок.
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.