یکی از بزرگترین چالشهای استفاده از هوش مصنوعی در صنعت مالی، «جعبهسیاه» بودن مدلهاست. در حوزهای که مقررات سختگیرانه حاکم است، نمیتوان به خروجیهای غیرقابل توضیح اعتماد کرد.
در پژوهش جدیدی که منتشر شده، محققان به سراغ تکنیک «مقادیر شپلی» (Shapley Values) رفتهاند تا بفهمند مدلهای زبانی بزرگ (LLM) چطور دادههای مالی را تحلیل میکنند. این روش به متخصصان کمک میکند تا ببینند آیا استدلال هوش مصنوعی با منطق مالی همخوانی دارد یا خیر.
این پیشرفت میتواند راه را برای استفاده ایمنتر و دقیقتر از هوش مصنوعی در تحلیلهای بانکی و سرمایهگذاری هموار کند. 📈💰
منبع: arXiv Machine Learning
