اكتشاف حدود الذكاء الاصطناعي : اختبار غير متوقع يكشف فشل أذكى النماذج في مهام مالية بسيطة
تشير التوقعات إلى أن الذكاء الاصطناعي سيحدث ثورة في جميع المجالات بما في ذلك القطاع المالي. ولكن، ما الذي يحدث عندما نواجه هذه النماذج بمهام تبدو بسيطة ولكنها تتطلب فهمًا بشريًا بديهيًا؟ أظهر اختبار بسيط ومباشر فشل أذكى نماذج الذكاء الاصطناعي في مهام مالية أساسية يمكن لأي إنسان إنجازها بسهولة. فهل وصل الذكاء الاصطناعي إلى حدود لم نكن نتوقعها بعد، وهل لا يزال أمامه طريق طويل ليقطعها قبل أن يتمكن من فهم العالم المالي المعقد؟ في هذا المقال، سنتعرف على اكتشاف حدود الذكاء الاصطناعي، اختبار غير متوقع يكشف فشل أذكى النماذج في مهام مالية بسيطة.
حدود الذكاء الاصطناعي
في عصر تتسارع فيه وتيرة تطور الذكاء الاصطناعي، وتتوالى فيه الإعلانات عن قدرات فائقة للنماذج اللغوية الكبيرة في مهام معقدة مثل كتابة المقالات وتأليف الموسيقى وحتى تشخيص الأمراض. أصبح من السهل الوقوع في فخ الاعتقاد بأن هذه التقنيات أصبحت قادرة على كل شيء.
أحدث دليل على ذلك، عندما أجرت شركة فالس إيه آي (Vals AI) اختبارات مكثفة على 22 نموذجًا من نماذج الذكاء الاصطناعي الرائدة، المطورة من قبل شركات عملاقة في هذا المجال. الهدف من هذه الاختبارات لم يكن قياس قدرة هذه النماذج على حل معادلات رياضية معقدة أو تحليل بيانات ضخمة، بل كان التركيز على مهام مالية بسيطة وغير معقدة تتطلب فهمًا سياقيًا أو منطقًا بديهيًا شبيهًا بالمنطق البشري.
اقرأ أيضا: هل الذكاء الاصطناعي في التعليم صديق أم عدو؟ وما أهم التطبيقات الحالية
تضمن الاختبار 500 سؤال مصمم لمحاكاة التفاعلات والمهام اليومية التي يتعامل معها الخبراء الماليون. شملت هذه المهام أسئلة أساسية مثل البحث في أنظمة EDGAR (قاعدة بيانات لجنة الأوراق المالية والبورصات الأمريكية). وقواعد بيانات الشركات المتاحة للعامة. هذه المهام، التي تعد جزءًا روتينيًا من عمل أي متخصص مالي، تتطلب فهمًا عمليًا للسياق واستخلاص المعلومات، وليس مجرد معالجة نصية.
فشل الذكاء الاصطناعي
نتائج الاختبار كانت مفاجئة ومحبطة في آن واحد حيث فشلت جميع النماذج في اجتياز الاختبار، وحققت نسبة نجاح لم تتجاوز 50%. تخيل أن تطلب من نموذج ذكاء اصطناعي يدعي فهم السوق المالية أن يجيب على سؤال بسيط حول تأثير زيادة أو نقصان سعر سهم معين على قيمة استثمار معين، وأن يفشل في ذلك. هذا بالضبط ما حدث، مما أثار تساؤلات جدية حول مدى جاهزية هذه النماذج للتعامل مع السيناريوهات المالية الحقيقية.
اقرأ أيضا: أهم 30 أداة من أدوات الذكاء الاصطناعي
الفجوة بين النظرية والتطبيق العملي
يُعلق ريان كريشنان مؤسس شركة فالس إيه آي على هذه النتائج، مشيرًا إلى أن السبب الجذري يكمن في الفجوة بين معلومات التدريب النظرية واستخدامات الواقع العملي. حيث تدرب النماذج اللغوية الكبيرة على كميات هائلة من البيانات النصية من الإنترنت، والتي تشمل مقالات وكتب ومحادثات. هذه البيانات تمنحها قدرة مذهلة على محاكاة اللغة وتقديم إجابات تبدو ذكية.
ومع ذلك، فإن الفهم الحقيقي للعلاقات السببية أو القدرة على استخلاص استنتاجات منطقية من سياقات مالية دقيقة. لا تعد بالضرورة جزءًا أساسيًا من بيانات التدريب هذه. فالنماذج قد تتعلم كيف تتحدث عن القطاع المالي، لكنها لا تفهم بالضرورة جوهر العمليات المالية أو كيف تتصرف في مواقف تتطلب نظرة بشرية. بعبارة أخرى، قد تكون النماذج بارعة في تحليل النصوص المالية المعقدة. لكنها قد تتعثر عند تطبيق مبادئ مالية بسيطة في سياقات تشبه الحياة اليومية وتتطلب فهما عميقا للقواعد المالية.
اقرأ أيضا: كيف تقدر تستخدم الذكاء الاصطناعي بالعربي مجاني ؟
وصلنا لختام مقالنا بعد أن تعرفنا على حدود الذكاء الاصطناعي. ويمكن القول بأن الذكاء الاصطناعي رغم إنجازاته المذهلة. لا يزال أمامه طريق طويل ليقطعه قبل أن يصبح قادرا على محاكاة الفهم البشري الدقيق والمنطق البديهي. إن فشل أذكى النماذج في مهام مالية بسيطة يوضح لنا أن AI لن يحل محل البشر لكنه عبارة عن أداة مساعدة ذكية تعمل على تسريع وتيسير العمل.
