Drei GenAI-Begriffe, die Finanzpraktiker im Jahr 2023 gelernt haben

Neuauflage von Plato

Verfolger: 0

Drei GenAI-Begriffe, die Finanzpraktiker im Jahr 2023 PlatoBlockchain Data Intelligence gelernt haben. Vertikale Suche. Ai.

2023 war für viele auf unserem Planeten ein schwieriges Jahr – Kriege, Gewalt, Vertreibung, Katastrophen, Extremismus, höhere Lebenshaltungskosten und Armut. Die Leute, die in unserer Branche arbeiten, hatten vergleichsweise Glück, einige von uns wurden durch den aufregenden GenerativeAI-Tornado gestärkt. So wie HFT in den 2000er Jahren das Vokabular der Kapitalmärkte veränderte und die Digitalisierung in den 2010er Jahren das Vokabular der Bank- und Finanzdienstleistungen veränderte, hat uns GenAI mit ziemlicher Geschwindigkeit ein neues KI-Lexikon gebracht.

Dabei sind wir auf viele Begriffe gestoßen, von denen viele im Jahr 2022 kaum verwendet wurden, die aber nun neue oder ganz andere Bedeutungen haben. Ich und viele andere im Finanzdienstleistungsbereich nutzen sie täglich im Tagesverlauf. Wenn Sie zu den wenigen (Pech-)Glückspilzen gehören, die das nicht tun, finden Sie hier eine kurze Auffrischung meiner drei Favoriten!

Begriff 1: Die Vektordatenbank

Die sogenannte Vektordatenbank ist zum Kern vieler GenAI-Stacks in Unternehmen geworden, um die Qualität der Antworten auf Eingabeaufforderungen zu verbessern. Die Alternativen, z. B. die „Feinabstimmung“ großer Sprachmodelle (LLM) ohne zugehörige Datenbank, sind teuer und mit Risiken und Compliance-Aufwänden behaftet. Eine Vektordatenbank erfasst proprietäre Unternehmensinformationen, sorgt für Kosteneffizienz und bietet Vergleichskontrolle. Finanzdienstleistungsunternehmen stehen sicherlich in der Warteschlange, Vektordatenbanken zu nutzen.

Ironischerweise sind Vektoren im Finanzwesen seit Jahren ein integraler Bestandteil der Matrixalgebra, die im Handel und im Risikomanagement vorherrscht. Auch die Datenspeicherung solcher „Vektoren“ und Matrizen gibt es schon seit Jahrzehnten, typischerweise in spaltenbasierten Datenbanken oder als Tabellen oder Datenrahmen, die in Sprachen wie Python (Pandas), R, MATLAB und SAS verwendet werden. Wenn sie abgerufen und verwendet werden, beispielsweise als Finanzzeitreihen- und Paneldaten, in Verbindung mit Techniken wie linearen Regressionen und Zeitreihenregressionen, treiben sie prädiktive Analysen, Anomalieerkennung und Ökonometrie voran. Sie helfen auch beim Backtesting, insbesondere im Hinblick auf Handel, Portfoliomanagement und Risikostrategien. Während die Kapitalmärkte – das Front- und Middle-Office – den Vorstoß zur Matrixalgebra anführten, übernahmen zunehmend analytisch ausgerichtete Anwendungsfälle wie Marketing, Betrugserkennung und Digitalisierung im Allgemeinen die Datenwissenschaft – und Vektoren – in den Finanzorganisationen.

Deshalb war ich fasziniert, als ein ehemaliger Kollege im Juni 2021 für ein „Vektordatenbank“-Startup arbeitete. Sein Artikel über

Komplexe Probleme mit Vektordatenbanken lösen aus der Zeit vor ChatGPT im März 2022 fiel mir ins Auge, weil er sehr spezifische Vektortypen hervorhob – Vektoreinbettungen – codierte, leicht durchsuchbare, navigierbare Vektoren, die Wissen aus unstrukturierten Informationen wie Wörtern, Bildern usw. erfassen. Als ChatGPT später in diesem Jahr startete, wurden Vektorspeicher solcher Einbettungstypen wurden zu Schlüsselinstrumenten für die Verwaltung semantischer Bedeutung. Am häufigsten handelt es sich bei Geschäften um Vektordatenbanken

Mittlerweile gibt es viele. Bereits jetzt sind sie die Grundlage für Finanzdienstleistungs- und Kapitalmarkt-Apps, am häufigsten

Anwendungsfälle für die Verarbeitung natürlicher Sprache, z. B. das Zusammenfassen von Rechtsdokumenten und Finanzberichten oder das Erfassen von Stimmungen aus sozialen Medien und Newsfeeds. Sie packen aber auch mehr an

beteiligte Anwendungen, wodurch beispielsweise Erkenntnisse aus Handel und Risikomanagement erweitert werden, häufig neben herkömmlichen Statistiken und maschinellem Lernen.

Übrigens wurde das Unternehmen, dem mein ehemaliger Kollege beitrat, zu einem GenAI-Einhorn mit einem Wert von satten 750 Millionen US-Dollar. Gute Arbeit, wenn Sie es bekommen können!

Begriff 2: RAG, Aka Augmented Generation abrufen

RAG war im Frühjahr 2023 kaum ein Wort in aller Munde, zumindest im großgeschriebenen RAG-Sinn „Retrieval Augmented Generation“. Die Google-Suchstatistiken für die Begriffe beschleunigten sich ab etwa Juli 2023 und im Herbst/Herbst war RAG allgegenwärtig, der vorherrschende Pipeline-Ansatz, mit dem Vektordatenbanken dabei helfen, „stochastische Papageien“ des Large Language Model zu zähmen. Einerseits kapselt RAG Pipelines zur Bereitstellung von Unternehmensdaten-Workflows und hilft andererseits Finanzunternehmen pragmatisch dabei, Halluzinationen zu reduzieren und interne – und externe – Risikomanagement- und KI-Compliance-Prozesse zu berücksichtigen.

Es gibt
viele Arten von RAG Pipelines, und sie können einschüchternd komplex erscheinen. Stellen Sie sich RAG jedoch einfach als Bereitstellung einer Datenpipeline zwischen Eingabeaufforderungen, Ihren Unternehmensdaten und großen Sprachmodellen vor. Um mehr zu erfahren und zu sehen, wie sich dies auf die Finanzen auswirkt, lesen Sie meine

Finextra-Blog oder schauen
dieser tolle Webcast fasst die Möglichkeiten des Risikomanagements der RAG zusammen. Wenn Sie zu irgendeinem Zeitpunkt mit der Implementierung beginnen, werden Sie wahrscheinlich „RAG-freundliche“ Umgebungen wie LangChain &
LamaIndex.

Begriff 3: Halluzinationen

Ich habe in meinem vorherigen Abschnitt den Begriff „Halluzinationen“ verwendet und ihn als ein Problem dargestellt, das durch RAG und wiederum durch Vektordatenbanken gelöst wurde. Mit GenAI sind Halluzinationen nicht länger einfach Auslöser geistesanregender Kreativität, wie zum Beispiel die drogeninspirierte Lonely Hearts Club Band von Sergeant Pepper von den Beatles oder die Good Vibrations der Beachboys. Sie sind auch nicht dem schamanischen Träumen vorbehalten, das von vielen Völkern praktiziert wird, z.
ostsibirische Tschuktschen-Völker, noch körperliche Aktivitäten, bei denen bewusstseinsverändernde Techniken zum Einsatz kommen, wie Yoga, Massage und tantrischer Sex. Das Wort „Halluzination“ bezieht sich jetzt auch auf das Versagen von LLMs, Informationen zu navigieren, auf die die Modelle keinen Zugriff haben, oder vorhandene Informationen zu missbrauchen. Es wurde sehr schnell klar, dass

ChatGPT, Bard und ähnliche Systeme neigten zu künstlichen „halluzinatorischen“ Reaktionen, und diese brachten Risiken mit sich, wenn schlecht informierte Maßnahmen folgten.

Hier ist die Wendung. Der KI-Investor Marc Andreessen weist darauf hin, dass Halluzinationen zwar von den meisten als Fehler angesehen werden, sie aber als Funktionen hilfreich sein können, wenn KI als Hilfsmittel eingesetzt wird Mitschöpfer, Suggestor und Rater. Als Brainstorming-Hilfe können ihre erfundenen Vermutungen die menschliche Kreativität anregen. Andreessen hebt beispielsweise hervor, wie Anwälte die „erfundenen“ Vorschläge der KI bei der Fallvorbereitung nutzen, um sich neuartige Rechtsstrategien auszudenken. Im Finanzdienstleistungsbereich nutzen Händler an der Wall Street bereits generative KI und Vektordatenbanken, um Handelsmöglichkeiten zu finden – um im Zickzack zu handeln, wenn die Massen zackig sind.

Was auch immer Sie von GenAI halten, es hat uns auf jeden Fall ein entzückendes neues Lexikon beschert!