ジャカルタ – オーストリアのインスブルック大学の研究チームは、人工知能（AI）システムが「時間的妥当性」をどの程度理解できるかを判断する方法を開発した。これは、フィンテック分野におけるChatGPTなどの生成AI製品の使用に大きな影響を与える可能性のあるパラメーターである。
時間的妥当性とは、ある文が他の文と時間の経過に伴ってどの程度関連しているかを指します。基本的に、これは対になっている文の時間ベースの価値を指します。
時間的妥当性を予測する能力に基づいて評価される AI には、一連のステートメントが与えられ、常に最も関連性の高いステートメントを選択するように要求されます。
最近発表された「時間的妥当性の変化の予測」と題するプレプリント研究論文の中で、Georg Wenzel 氏と Adam Jatowt 氏は、ある人がバスの中で本を読んでいると宣言された文の例を使用しました。
この例では、最も有効なコンテキスト ステートメントは「あと数ページ残っているので、これで終わりです」です。ターゲット ステートメントはバスの乗客が現在本を読んでいることを示しているため、他の 2 つのステートメントは無関係であると見なされます。
研究者らは、トレーニング例からラベル付きデータセットを作成し、それを使用して大規模言語モデル (LLM) のベンチマークタスクを構築しました。ユーザーの間で人気があるため、テストの基本モデルとして ChatGPT を選択しましたが、そのパフォーマンスは、あまり一般的ではないモデルと比較して標準以下であることがわかりました。
「CHATGPTは低パフォーマンスのモデルに含まれており、これはTCS理解に関する他の研究と一致している。その欠点は、カウショット学習アプローチとデータセットの特定の特性に関する知識の欠如に起因する可能性がある」と研究者らは述べた。
これは、ニュース記事の作成や金融市場の評価など、時間的妥当性が汎用性や正確性を決定する上で重要な役割を果たす状況は、ChatGPT などのより一般的なサービスよりも、ターゲットを絞った AI モデルによってより適切に処理される可能性が高いことを示しています。
研究者らはまた、LLM トレーニング サイクル中に時間的な値の変化を予測する実験を行うと、時間的な変化のベンチマーク タスクでより高いスコアが得られる可能性があることを示しました。
この論文では実験自体以外の影響については具体的には議論されていないが、生成 AI システムの現在の限界の 1 つは、文学コーパス内の過去の出来事と現在の出来事を区別する能力が欠如していることである。
これらのシステムに、実際の要因に基づいてコーパス全体で最も関連性の高いステートメントを決定する方法を教えることで、暗号通貨市場や株式などの大規模なセクターで強力なリアルタイム予測を行う AI モデルの能力に革命をもたらす可能性があります。
英語、中国語、日本語、アラビア語、フランス語の各バージョンは AI によって自動的に生成されます。そのため、翻訳に不正確な点がある可能性がありますので、常にインドネシア語をメイン言語としてご覧ください。(システムは DigitalSiber.id によってサポートされています)
タグ: chatgpt 人工知能 人工知能の研究
© 2024 VOI – ニュースに革命を起こす時が来た
元記事: https://translate.google.com/translate?sl=auto&tl=ja&hl=ja&u=https://voi.id/kr/technology/344481