عملکرد هوش مصنوعی در زمینه های مختلف روزانه در حال افزایش است و این موضوع برا هیچکس پوشیده نیست. روزانه خبر ها و مقالات مختلفی درباره این تکنولوژی قدرتمند و پیشرو پخش می شود. گاهی هیجان و گاهی استرس فراوان پیرو این اخبار بین مردم دنیا ایجاد می شود.
در ماه می همین امسال، مقاله ای 54 صفحه ای منتشر شد که درباره عملکرد هوش مصنوعی Chat GPT4 در تحلیل صورت های مالی نوشته است. در آمار و نتیجه گیری مقاله عملکرد بهتر هوش مصنوعی نسبت به انسان در تحلیل صورت های مالی مشاهده می شود. این ادعا از طریق مقاله‌ای که توسط محققان دانشگاه شیکاگو نوشته شده است مطرح می‌شود که می‌گویند نتایج آن‌ها آینده امیدوارکننده‌ای برای هوش مصنوعی مولد در زمینه تحلیل مالی نشان می‌دهد.
30 می هم، پاتریک بت دیوید در پادکست لایو خود در یوتیوب به این مقاله اشاره کرد. این مقاله بسیار مورد توجه رسانه ها قرار گرفت و کارشناسان مالی بسیاری در این باره اظهارنظر کرده اند.
این مطالعه جدید به تطبیق‌پذیری مدل‌های زبان بزرگ چندمنظوره مانند GPT-4 در کاربردهای مختلف پرداخته بار دیگر توانایی های این تکنولوژی را اثبات می کند. محققان می‌گویند: «ما دریافتیم که دقت پیش‌بینی مدل‌های زبان بزرگ بسیار بالاست.» در واقع، این مدل‌ها در تجزیه‌وتحلیل گزارش‌های مالی عملکرد برجسته‌ای دارند. محققان در آزمایش‌های خود متوجه شدند که GPT-4 نسبت به تحلیل‌گران انسانی عملکرد بهتری دارد. این چت‌بات هوش مصنوعی با دقت 60 درصدی در مقایسه با دقت تحلیل‌گران انسانی که بین 53 تا 57 درصد است، برتری دارد.
علاوه‌براین، این مطالعه نشان می‌دهد که GPT-4 و تحلیل‌گران انسانی به‌خوبی یکدیگر را تکمیل می‌کنند. درحالی‌که تردیدهای زیادی درباره آمادگی هوش مصنوعی مولد برای جایگزینی نیروی انسانی وجود دارد، اما استفاده از آن به‌عنوان پشتیبان، به‌طور فزاینده‌ای درحال ظهور و گسترش است. انسان‌ها با کمک فناوری و استفاده از هوش مصنوعی می‌توانند کارایی خود را افزایش دهند.
آیا مدل‌های زبانی بزرگ (LLMs) می‌توانند تصمیم‌گیری‌های مالی آگاهانه‌ای انجام دهند یا تنها ابزار پشتیبانی هستند؟
( بخش هایی از مقاله منتشر شده که به صورت ساده ترجمه شده اند. )
توانایی‌های پیشرفته این مدل‌ها برای تحلیل، تفسیر و تولید متن، آن‌ها را قادر می‌سازد تا در طیف گسترده‌ای از وظایف، از جمله خلاصه‌سازی داده های پیچیده، تحلیل احساسات، استخراج اطلاعات، تولید گزارش، بررسی تطابق و غیره، به خوبی عمل کنند. همه این وظایف به حوزه متنی مرتبط هستند و نیاز به آموزش یا تنظیم خاص مدل دارند. مرزهای این فناوری متحول کننده، خارج از حوزه متنی و در وظایف عمومی‌تر که نیاز به تحلیل عددی و قضاوت دارند، هنوز به درستی شناخته نشده‌اند. ما این مرزها را در حوزه تحلیل مالی بررسی می‌کنیم.
ما بررسی می‌کنیم که آیا یک مدل زبان بزرگ می‌تواند تحلیل صورت‌های مالی را به شیوه‌ای مشابه با تحلیل‌گران حرفه‌ای انجام دهد یا خیر. پاسخ به این سوال پیامدهای گسترده‌ای برای آینده تحلیل مالی و اینکه آیا تحلیل‌گران مالی همچنان ستون فقرات تصمیم‌گیری‌های آگاهانه در بازارهای مالی خواهند بود، دارد. پاسخ به این سوال بدیهی نیست، زیرا یک مدل زبانی بزرگ فاقد درک عمیق از وضعیت مالی یک شرکت است که یک کارشناس انسانی دارد. علاوه بر این، یکی از دشوارترین حوزه‌ها برای یک مدل زبان، حوزه عددی است که در آن مدل نیاز به انجام محاسبات، تفسیر‌های انسانی و قضاوت‌های پیچیده دارد. در حالی که مدل‌های زبان بزرگ در وظایف متنی موثر هستند، درک آن‌ها از اعداد معمولاً از زمینه روایتی ناشی می‌شود و فاقد استدلال عددی عمیق یا انعطاف‌پذیری ذهن انسان است.
