Çığır Açan Yöntem, Yapay Zekanın Zamansal Geçerlilik Anlayışını ve Fintech Alanındaki Etkisini Ölçüyor
Summary:
Innsbruck Üniversitesi'nden bilim adamları, bir yapay zekanın 'zamansal geçerlilik' veya ifadelerin zamana dayalı uygunluğu konusundaki anlayışını ölçmek için bir yöntem geliştirdiler. Teknikleri, ChatGPT gibi yapay zeka platformlarının finansal teknolojide kullanımını etkileyebilir. Araştırmacılar, ChatGPT'nin daha spesifik modeller kadar iyi performans göstermediğini buldular ve haber üretimi veya finansal piyasa analizi gibi zamansal geçerliliğin önemli olduğu durumlarda daha hedefli yapay zeka modellerinin daha uygun olacağını öne sürdüler. Çalışma ayrıca, yapay zeka sistemlerinin bir faktör olarak en alakalı ifadeleri zamanında deşifre etmek için eğitilmesinin, büyük ölçekli sektörlerde gerçek zamanlı tahmin yeteneklerini artırabileceğini gösterdi.
Avusturya'nın Innsbruck Üniversitesi'nden iki bilim insanı, yapay zeka (AI) sistemlerinin 'zamansal geçerliliği' anlamadaki yeterliliğini ölçmek için bir teknik geliştirdi. Bu, ChatGPT gibi üretken yapay zeka platformlarının finansal teknoloji alanındaki uygulamasını derinden etkileyebilir. Zamansal geçerlilik, belirli bir zaman diliminde bir ifadenin diğeriyle alaka derecesi ile ilgilidir. Kısaca, bağlantılı ifadelerin zamana dayalı önemi ile ilgilidir.
Zamansal geçerlilik tahmin becerileri üzerinde test edilen bir yapay zeka sistemi, sağlanan bir kümeden en çok zamanla ilgili ifadeyi seçmekle görevlendirilecektir. Georg Wenzel ve Adam Jatowt, yakın zamanda paylaştıkları "Zamansal Geçerlilik Değişikliği Tahmini" adlı ön araştırma makalesinde, bir bireyin otobüste okuduğu söylenen bir örnekle örneklendiriyor. Bu senaryoda, en uygun bağlam ifadesi "Yalnızca birkaç sayfam kaldı, o zaman işim bitti" şeklindedir. Hedef ifade, otobüsteki kişinin şu anda okuduğunu gösterdiğinden, geri kalanı nispeten önemsizdir.
Wenzel ve Jatowt, büyük dil modelleri (LLM'ler) için bir kıyaslama görevi oluşturmaya yardımcı olan kategorize edilmiş bir eğitim örnekleri veri kümesi oluşturdu. ChatGPT, daha spesifik modellere kıyasla önemli ölçüde daha düşük performans sergilemesine rağmen, yaygın kullanımı nedeniyle tercih ettikleri test modeliydi. ChatGPT'nin sınırlamaları, birkaç atışlık öğrenme tekniğine ve veri kümesi karakteristik özelliklerinin yetersiz anlaşılmasına bağlanabilir.
Haber makalesi oluşturma veya finansal piyasa değerlendirmesi gibi fayda veya doğruluğun belirlenmesinde zamansal geçerliliğin hayati önem taşıdığı senaryoların, ChatGPT gibi daha genel araçların aksine belirli yapay zeka modellerinden muhtemelen daha fazla fayda sağlayacağını öne sürüyor. Araştırmacılar ayrıca, bir LLM'nin eğitim süreci boyunca zamansal değer değişimi tahminlerini değiştirmenin, zamansal değişim kıyaslama görevinde potansiyel olarak daha iyi sonuçlar verebileceğini kanıtladılar.
Makale, deneyin ötesindeki sonuçları açıkça araştırmasa da, üretken yapay zeka sistemlerinin mevcut eksikliklerinden biri, bir dizi edebi eserde geçmiş ve şimdiki olaylar arasında ayrım yapamamalarıdır. Bu sistemleri, bir metin gövdesindeki en alakalı ifadeleri tespit etmek için eğitmek, karar verici bir parametre olarak güncellik, yapay zeka modellerinin kripto para birimi ve borsa gibi büyük ölçekli sektörlerde keskin, gerçek zamanlı tahminler yapma yeteneğini büyük ölçüde artırabilir.
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.