เมื่อเร็ว ๆ นี้รายงานการวิจัยของ Apple ได้จุดประกายการอภิปรายอย่างรุนแรงซึ่งสำรวจสถานะปัจจุบันและข้อ จำกัด ของปัญญาประดิษฐ์กำเนิด (AI) ในสาขาคำแนะนำทางการเงิน ในขณะที่ผู้บริโภคชาวอเมริกันมากขึ้นเรื่อย ๆ โดยเฉพาะคนหนุ่มสาวกำลังเริ่มใช้เครื่องมือเช่น ChatGPT เพื่อขอคำแนะนำทางการเงิน AI มีข้อบกพร่องที่สำคัญในการใช้เหตุผลทางคณิตศาสตร์และเชิงตรรกะที่ซับซ้อนซึ่งทำให้การจัดหาเงินทุนที่ถูกต้อง . บทความนี้จะวิเคราะห์รายงานในเชิงลึกและสำรวจโอกาสในอนาคตของการประยุกต์ใช้ AI Generative ในด้านการเงิน
เมื่อเร็ว ๆ นี้รายงานการวิจัยที่เผยแพร่โดย Apple ได้จุดประกายการอภิปรายเกี่ยวกับประสิทธิภาพของปัญญาประดิษฐ์กำเนิด (AI) ในคำแนะนำทางการเงิน การสำรวจแสดงให้เห็นว่าผู้บริโภคชาวอเมริกันจำนวนมากขึ้นเรื่อย ๆ ใช้เครื่องมือ AI แบบกำเนิดเช่น ChatGPT เพื่อรับคำแนะนำทางการเงินแนวโน้มที่เห็นได้ชัดในหมู่คนหนุ่มสาว จากการสำรวจ Motley Fool พบว่า 54% ของชาวอเมริกันได้ขอคำแนะนำสำหรับผลิตภัณฑ์ทางการเงินผ่าน ChatGPT โดยมีคนรุ่นใหม่ที่ได้รับการว่าจ้างมากขึ้น
หมายเหตุแหล่งที่มาของภาพ: ภาพถูกสร้างขึ้นโดย AI และผู้ให้บริการที่ได้รับอนุญาตภาพ Midjourney
ผลการสำรวจแสดงให้เห็นว่าถึงแม้ว่าผู้บริโภคครึ่งหนึ่งแสดงความเต็มใจที่จะใช้ ChatGPT เพื่อรับคำแนะนำ แต่สัดส่วนของความสนใจในผลิตภัณฑ์ทางการเงินที่เฉพาะเจาะจงนั้นค่อนข้างต่ำ ตัวอย่างเช่นมีเพียง 25% ของผู้ตอบแบบสอบถามที่ต้องการให้ CHATGPT แนะนำบัตรเครดิตสำหรับมัน นอกจากนี้คำแนะนำของผู้ตอบแบบสอบถามสำหรับ CHATGPT โดยทั่วไปแล้ว "ค่อนข้างพอใจ" และความพึงพอใจเฉลี่ยคือ 3.7 ในระดับห้าจุดแสดงการรับรู้บางอย่าง
อย่างไรก็ตามการวิจัยของ Apple ชี้ไปที่ข้อบกพร่องที่สำคัญในแบบจำลองภาษาขนาดใหญ่ปัจจุบัน (LLMs) ในการใช้เหตุผลเชิงตรรกะโดยเฉพาะการใช้เหตุผลทางคณิตศาสตร์ นักวิจัยพบว่าแบบจำลองเหล่านี้ทำงานได้ไม่ดีเมื่อเผชิญกับปัญหาทางคณิตศาสตร์ที่ซับซ้อนและมักจะไม่เข้าใจอย่างถูกต้องหรือแก้ไขการคำนวณทางคณิตศาสตร์อย่างง่าย เมื่อความซับซ้อนของปัญหาเพิ่มขึ้นประสิทธิภาพของแบบจำลองจะลดลงอย่างต่อเนื่องแสดงให้เห็นปัญหาที่ฝังลึกในกระบวนการอนุมาน
บทความจาก TechCrunch แสดงตัวอย่างหลายตัวอย่างของข้อผิดพลาด AI กำเนิดในการคำนวณทางคณิตศาสตร์อธิบายข้อบกพร่องของพวกเขาในการจัดการกับปัญหาทางคณิตศาสตร์ขั้นพื้นฐาน รายงานกล่าวว่าเทคโนโลยี "การปิดกั้น" ที่ใช้โดยโมเดล AI เมื่อการประมวลผลตัวเลขมักจะทำลายความสัมพันธ์ระหว่างตัวเลขส่งผลให้เกิดข้อผิดพลาดในการคำนวณ
นอกจากนี้การเรียนรู้ของเครื่องยังเผชิญกับความท้าทายเมื่อต้องรับมือกับคำแนะนำทางการเงิน แม้ว่าบางคนจะสับสนกับการเรียนรู้ของเครื่องด้วยการวิเคราะห์ทางสถิติเช่นการวิเคราะห์การถดถอย แต่การเรียนรู้ของเครื่องก็ต้องใช้กระบวนการตัดสินใจฟังก์ชั่นการประเมินข้อผิดพลาดและกระบวนการเพิ่มประสิทธิภาพแบบจำลอง สิ่งนี้ทำให้ AI Generative สามารถตอบสนองความต้องการของผู้ใช้ได้อย่างมีประสิทธิภาพในการให้คำแนะนำทางการเงิน
การวิจัยของ Apple แสดงให้เห็นว่าธนาคารและสหภาพเครดิตไม่ควรพึ่งพา AI สำหรับคำแนะนำทางการเงินในขั้นตอนปัจจุบัน แม้ว่าอาจจะมีการปรับปรุงในอนาคต แต่ AI Generative จะยังคงเป็นเรื่องยากที่จะแข่งขันกับการให้คำปรึกษาทางการเงินที่ซับซ้อนสำหรับอนาคตอันใกล้
ประเด็นสำคัญ:
54% ของชาวอเมริกันได้รับคำแนะนำทางการเงินผ่าน CHATGPT และคนรุ่นใหม่มีแนวโน้มที่จะใช้มากกว่า
การวิจัยของ Apple แสดงให้เห็นว่า AI Generative มีข้อบกพร่องที่สำคัญในการใช้เหตุผลทางคณิตศาสตร์โดยเฉพาะอย่างยิ่งการจัดการปัญหาที่ซับซ้อนที่ไม่ถูกต้อง
ในปัจจุบันธนาคารและสหภาพเครดิตไม่ควรพึ่งพา AI เพื่อให้คำแนะนำทางการเงินและอาจใช้เวลา 5 ถึง 10 ปีในการปรับปรุงในอนาคต
โดยสรุปแม้ว่า AI Generative ได้แสดงให้เห็นถึงศักยภาพบางอย่างในด้านการเงิน แต่ข้อบกพร่องในการใช้เหตุผลเชิงตรรกะและการคำนวณทางคณิตศาสตร์ จำกัด การใช้งานในการให้คำปรึกษาทางการเงินที่ซับซ้อน ในอนาคตเทคโนโลยี AI จำเป็นต้องเอาชนะข้อ จำกัด เหล่านี้เพื่อให้มีความสามารถอย่างแท้จริงสำหรับการทำงานในสาขานี้ ในปัจจุบันควรใช้ด้วยความระมัดระวัง