Bedrijven ontwikkelen AI-tools die wetenschappers helpen om hun data te bevragen zonder dat ze zelf moeten programmeren. Deze speciale Large Language Models (LLMs) zijn echter niet volledig betrouwbaar en vereisen nog menselijk toezicht. Dat geldt ook voor de LLM’s die voor de financiële sector worden ontwikkeld.
“Computer, analyseer.” In sciencefiction hebben personages geen programmeervaardigheden nodig om betekenisvolle informatie uit hun gegevens te halen; ze vragen er gewoon om. Deze fictie probeert een groeiend aantal bedrijven momenteel werkelijkheid te maken met behulp van grote taalmodellen (LLM’s). Dat schrijft wetenschapsjournalist Julian Anna Nowogrodzki in een artikel op de website van het wetenschappelijk tijdschrift Nature.
Large Language Models (LLM’s) zijn hulpmiddelen voor kunstmatige intelligentie (AI). “Denk aan ChatGPT, maar dan voor data. Hiermee kunnen onderzoekers vragen vragen stellen over hun data, zoals: ‘Wat is het verschil tussen de controlegroep en de experimentele groep?’. De antwoorden die de AI-tools geven moeten echter nog steeds met een korrel zout worden genomen en dubbel worden gecontroleerd voordat ze veilig kunnen worden gebruikt,” zegt Nowogrodzki.
De reden hiervoor is simpel: het doorzoeken en prioriteren van (biologische) gegevens is bewerkelijk en uitdagend, en vereist gespecialiseerde vaardigheden. “Biologische gegevens zijn steeds complexer geworden”, zegt Alexandro Trevino, wetenschappelijk manager bij Enable Medicine in San Francisco. Enable Medicine is een bedrijf dat een atlas opbouwt van ruimtelijke genexpressie- en eiwitlokalisatiegegevens voor zijn klanten die medicijnen ontwikkelen. “De schaal is enorm toegenomen, de complexiteit van de datasets is toegenomen. Dat stelt grotere uitdagingen aan datamining en het begrijpen en interpreteren van gegevens.”
In theorie stellen speciale LLM’s onderzoekers in staat inzichten uit hun data te halen zonder de complexiteit van de data te kennen, of hoe ze moeten programmeren. Sommige van deze tools kunnen al opmerkelijk complexe vragen beantwoorden, maar ze blijven momenteel ‘work in progress’. En net als andere op LLM-gebaseerde tools kunnen ze ‘hallucineren’ of antwoorden verzinnen. Als gevolg hiervan zeggen hun ontwikkelaars dat ze alleen mogen worden gebruikt met enige mate van toezicht door mensen.
Lees het artikel van Julian Anne Nowogrodzki op Nature.com
Financiële LLM’s
Ook in de financiële sector groeit de interesse in het toepassen van LLM’s voor verschillende financiële taken, zoals sentiment-analyse, beantwoording van vragen (denk aan een chatbot) en het voorspellen van ontwikkelingen op de beurs. Maar de toegenomen interesse betekent nog niet dat LLM’s in de financiële sector al worden toegepast. “Ze worden nog niet gebruikt op financiële afdelingen op kantoor,” zegt Justin Croft, vice president data science & solution architecture bij het Amerikaanse bedrijf QueBit, in een interview met FEI Weekly.
Volgens Croft is verder ontwikkeling nodig om LLM’s succesvol toe te passen in de financiële sector. “We hebben geëxperimenteerd met het gebruik van grote taalmodellen om financiële overzichten te analyseren. Dat is interessant, maar het is nog niet nauwkeurig genoeg voor productie.” De snelle vooruitgang van LLM’s zoals ChatGPT in andere domeinen heeft weliswaar geleid tot onderzoek naar financiële LLM’s, maar dit onderzoek bevindt zich echter nog in een vroeg stadium. Dat schrijven Australische onderzoekers in een studie naar financiële LLM’s (FinLLMs).
De Australische onderzoekers concluderen dat de ontwikkeling afhangt van niet-technische kwesties, zoals de vraag van bedrijven, privacy van gegevens en begrip tussen financiële experts en AI-experts. Om deze uitdagingen te overwinnen raden ze aan om use-cases met financiële LLM’s te delen, zoals ‘robo-advisor’ (financieel advies van de computer), kwantitatieve handel en de ontwikkeling van software. De onderzoekers moedigen de ontwikkeling van generatieve AI-applicaties aan, zoals rapportgeneratie en documentbegrip.
Lees het artikel ‘A Survey of Large Language Models in Finance (FinLLMs)’
Om AI-onderzoek in de financiële sector te ondersteunen stellen de Australische onderzoekers een verzameling toegankelijke datasets en evaluatiebenchmarks beschikbaar op GitHub: