آینده تجزیهتحلیل مالی: تحقیقات جدید از نقش انقلابی GPT-4 میگوید
محققانی از دانشگاه شیکاگو مشخص کردهاند که مدلهای بزرگ زبانی (LLMها) میتوانند با دقتی مشابه یا حتی بهتر از تحلیلگران حرفهای بیانیههای مالی را تجزیهتحلیل کنند. این یافتهها که در مطالعهای با عنوان «تجزیهتحلیل بیانیه مالی با مدلهای بزرگ زبانی» منتشر شد ممکن است پیامدهای بزرگی برای آینده تجزیهتحلیل و تصمیمگیریهای امور مالی داشته باشد.
به گزارش ونچربیت، این محققان عملکرد GPT-4، مدل زبانی ساخته اوپنایآی، را در تجزیه تحلیل بیانیههای مالی شرکتی برای پیشبینی رشد درآمدی آینده بررسی کردند. جالب اینکه GPT-4 حتی با در اختیار داشتن ترازنامههای مالی استاندارد و گمنام و بیانیههای درآمدی که هیچگونه توضیح متنی به همراه خود نداشتند هم توانست عملکرد بهتری را نسبت به تحلیلگران انسانی به ثبت برساند.
مولفان مینویسند: «ما دریافتیم که دقت پیشبینی LLM هم پای با عملکرد یک مدل پیشرفته یادگیری ماشینی است که به صروت خاص برای این کار آموزش دیده است. پیشبینی LLM برآمده از حافظه آموزشی آن نیست بلکه ما متوجه شدیم LLM چشماندازهای روایتی مفیدی را درمورد عملکرد آینده شرکت ارائه میکند.»
پرامپتهای رشته فکری تقلیدی برای استدلال تحلیلگران انسانی هستند
یکی از مهمترین اقدامات نو در این مطالعه استفاده از پرامپتهای «رشته فکری» است که GPT-4 را برای تقلید از فرایند تحلیلی یک تحلیلگر امور مالی، شناسایی روندها، محاسبه نسبتها و درآمیختن اطلاعات برای شکل دادن به پیشبینی راهنمایی میکند. این نسخه بهینه شده از GPT-4 توانست در پیشبینی مسیر درآمدهای آینده به دقت ۶۰ درصدی برست که به شکل قابل توجهی بالاتر از میانگین ۵۳ تا ۵۷ درصدی برای پیشبینیهای ارائه شده از تحلیلگران انسانی است.
محققان در پایان میگویند: «نتایج ما روی هم رفته نشان میدهد که LLMها میتوانند نقشی کلیدی در تصمیمگیری را برعهده بگیرند.» آنها میگویند که برتری LLM احتمالا از پایگاه دانشی عظیم و توانایی این ابزار در تشخیص الگوها و مفاهیم تجاری نشات میگیرد که به واسطه آن میتواند حتی با اطلاعات ناقص هم با تکیه به بینش خود استدلال کند.
مدلهای بزرگ زبانی با وجود چالشهای موجود تجزیهتحلیل مالی را متحول میکنند
از آنجایی که تجزیهتحلیل عددی در گذشته یکی از چالشهای مدل زبانی به حساب میآمد، اهمیت این یافتههای جدید افزایش مییابد. الکس کیم، یکی از مولفان این مطالعه، میگوید:«یکی از چالشبرانگیزترین حوزهها برای یک مدل زبانی عرصه عددی است که در آن مدل باید محاسبات و تفسیرهایی انسانمانند را انجام داده و قضاوتهای پیچیدهای کند. با اینکه LLMها در وظایف متنی کارآمد هستند، درک آنها از اعداد معمولا از مضمون روایتی آن نشات میگیرد و استدلال عددی عمیق یا منعطفی مثل ذهن انسان ندارند.»
با این حال برخی از متخصصان میگویند مدل «ANN» (شبکه عصبی مصنوعی) که در این تحقیق به عنوان مبنایی برای محک مدل زبانی در نظر گرفته شده را نمیتوان پیشرفتهترین مدل موجود در جهان مالی دانست. یکی از فعالان این حوزه در فریوم Hacker News، میگوید: «آن ANN مبنا به هیچ عنوان بهترین نمونه نیست. مردم کار در این حوزه را سال ۱۹۸۹ متوقف نکردند، آنها فهمیدند که میتوانند پول زیادی از این را کسب کنند و به شکل خصوصی انجامش دادند.»
با این حال همین مساله که یک مدل زبانی همهکاره توانسته عملکردی مشابه مدلهای یادگیری ماشینی تخصصی به ثبت برساند و بهتر از متخصصان انسانی باشد نشانگر پتانسیل انقلابی این ابزارها در حوزه امور مالی است. مولفان یک اپلیکیشن تعاملی برای نمایش توانمندیهای GPT-4 ایجاد کردهاند که البته میگویند دقت آن باید به صورت مستقل تایید شود.
پیشرفت سریع هوش مصنوعی باعث شاده تا تحلیلگران مالی به عنوان هدف بعدی این ابزارها در معرض خطر قرار بگیرند. با اینکه انتظار نمیرود به این زودیها تخصص و قضاوت انسانی را هوش مصنوعی جایگزین کند، اما ابزارهای قدرتمندی مثل GPT-4 میتوانند مکملی برای کار تحلیلگران باشند و در سالهای آینده روند تجزیهتحلیل بیانیههای مالی را دگرگون سازند.