Tre termini GenAI appresi dagli operatori finanziari nel 2023

Ripubblicato da Platone

Seguaci: 0

Tre termini GenAI appresi dagli operatori finanziari nel 2023 PlatoBlockchain Data Intelligence. Ricerca verticale. Ai.

Il 2023 è stato un anno problematico per molti sul nostro pianeta: guerre, violenza, sfollamenti di popolazione, catastrofi, estremismo, aumento del costo della vita e povertà. Le persone che lavorano nel nostro settore sono state relativamente fortunate, alcuni di noi rinvigoriti dall’emozionante tornado di GenerativeAI. Proprio come l’HFT ha trasformato il vocabolario dei mercati dei capitali negli anni 2000 e la digitalizzazione ha trasformato il vocabolario dei servizi bancari e finanziari negli anni 2010, GenAI ci ha portato un nuovo lessico sull’intelligenza artificiale, anche a una certa velocità.

Con esso abbiamo incontrato molti termini, molti dei quali appena utilizzati nel 2022 ma che ora portano significati nuovi o molto diversi. Io e molti altri nel settore dei servizi finanziari li usiamo intraday ogni giorno. Se sei uno dei pochi (s)fortunati a non farlo, ecco un rapido ripasso dei miei tre preferiti!

Termine 1: il database vettoriale

Il cosiddetto database vettoriale è diventato fondamentale per molti stack GenAI aziendali, come mezzo per migliorare la qualità delle risposte ai prompt. Le alternative, ad esempio la “messa a punto” di modelli linguistici di grandi dimensioni [LLM] senza un database di accompagnamento, sono costose e gravate da rischi e costi di conformità. Un database vettoriale acquisisce informazioni aziendali proprietarie, garantisce efficienza in termini di costi e fornisce controllo comparativo. Le società di servizi finanziari sono sicuramente in coda per utilizzare i database vettoriali.

Paradossalmente nella finanza, i vettori sono stati per anni parte integrante dell’algebra delle matrici predominante nel trading e nella gestione del rischio. Anche l’archiviazione dei dati di tali “vettori” e matrici esiste da decenni, tipicamente in database a colonne o come tabelle o frame di dati utilizzati in linguaggi come Python (Panda), R, MATLAB e SAS. Quando recuperati e utilizzati, ad esempio come serie temporali finanziarie e dati panel, insieme a tecniche come le regressioni lineari e di serie temporali, guidano l’analisi predittiva, il rilevamento delle anomalie e l’econometria. Aiutano anche a informare il backtesting, in particolare il trading, la gestione del portafoglio e le strategie di rischio. Mentre i mercati dei capitali – il front e il middle office – hanno guidato la carica dell’algebra delle matrici, casi d’uso sempre più incentrati sull’analisi come il marketing, il rilevamento delle frodi e la digitalizzazione hanno generalmente portato la scienza dei dati – e i suoi vettori – in tutte le organizzazioni finanziarie.

Sono rimasto affascinato, quindi, quando un ex collega è andato a lavorare per una start-up di “database vettoriali” nel giugno 2021. Il suo articolo su

Risoluzione di problemi complessi con database vettoriali da pre-ChatGPT marzo 2022 ha attirato la mia attenzione perché ha evidenziato tipi di vettori molto specifici - incorporamenti di vettori - vettori navigabili codificati facilmente ricercabili che catturano conoscenza da informazioni non strutturate come parole, immagini, ecc. Quando ChatGPT è stato lanciato più tardi quell'anno, archivi vettoriali di tali i tipi di incorporamento furono elevati a veicoli chiave per la gestione del significato semantico. Più comunemente, i negozi sono database vettoriali, di cui

ormai ce ne sono molti. Già, alimentano i servizi finanziari e le app dei mercati dei capitali, più comunemente

casi d'uso dell'elaborazione del linguaggio naturale, ad esempio, riassumendo documenti legali e resoconti finanziari o catturando il sentiment dai social media e dai feed di notizie. Tuttavia, stanno anche affrontando di più

applicazioni coinvolte, ad esempio aumentando gli insight sul trading e sulla gestione del rischio, spesso insieme alle statistiche tradizionali e all'apprendimento automatico.

Per inciso, la società a cui il mio ex collega è andato a unirsi è diventata un unicorno della GenAI, valutata ben 750 milioni di dollari. Bel lavoro se riesci a ottenerlo!

Termine 2: RAG, aka Recupero generazione aumentata

RAG era a malapena una parola sulla bocca di qualcuno nella primavera del 2023, almeno nel senso maiuscolo del termine RAG "Retrieval Augmented Generation". Le statistiche di ricerca di Google per i termini hanno subito un'accelerazione a partire da luglio 2023 circa e in autunno/autunno RAG era ovunque, l'approccio predominante con cui i database vettoriali aiutano a domare i "pappagalli stocastici" del Large Language Model. Da un lato, RAG incapsula le pipeline per fornire flussi di lavoro di dati aziendali e dall’altro aiuta pragmaticamente le società finanziarie a ridurre le allucinazioni e ad accogliere i processi interni ed esterni di gestione del rischio e di conformità dell’intelligenza artificiale.

Ci sono
molti tipi di RAG oleodotti e possono apparire intimidatoriamente complessi. Tuttavia, pensa a RAG semplicemente come a una pipeline di dati tra prompt, dati aziendali e modelli linguistici di grandi dimensioni. Per saperne di più e vedere come influisce sulla finanza, leggi il mio

blog di fineextra o guardare
questo fantastico webcast riassumendo le opportunità di gestione del rischio di RAG. Se inizi a implementarli in qualsiasi momento, probabilmente esplorerai ambienti "RAG-friendly" come LangChain e
LlamaIndex.

Termine 3: Allucinazioni

Ho usato il termine “allucinazioni” nella mia sezione precedente, presentandolo come un problema risolto da RAG e, a sua volta, dai database vettoriali. Con GenAI, le allucinazioni non sono più semplicemente fattori scatenanti della creatività che stimola la mente, come la Sergeant Pepper's Lonely Hearts Club Band dei Beatles, ispirata alla droga, o Good Vibrations dei Beachboys. Né sono appannaggio dei sogni sciamanici praticati da molti popoli, ad es
Popoli Chukchi della Siberia orientale, né attività fisiche che utilizzano tecniche di alterazione della mente, come lo yoga, il massaggio e il sesso tantrico. La parola "allucinazione" ora si applica anche ai fallimenti degli LLM nel navigare tra le informazioni a cui i modelli non hanno accesso o nell'uso improprio delle informazioni esistenti. Questo è diventato subito evidente

ChatGPT, Bard e sistemi simili erano inclini a risposte “allucinatorie” artificiali, e questi comportavano rischi quando ne conseguivano azioni mal informate.

Ecco la svolta. L’investitore in intelligenza artificiale Marc Andreessen suggerisce che, sebbene la maggior parte veda le allucinazioni come bug, queste possono essere utili come funzionalità quando l’intelligenza artificiale viene utilizzata come strumento cocreatore, suggeritore e indovinatore. Come aiuto per il brainstorming, le loro ipotesi inventate possono alimentare la creatività umana. Andreessen, ad esempio, evidenzia come gli avvocati utilizzino i suggerimenti “inventati” dell'intelligenza artificiale durante la preparazione del caso per immaginare nuove strategie legali. Nei servizi finanziari, i trader di Wall Street utilizzano già l’intelligenza artificiale generativa e database vettoriali per trovare opportunità di trading – per sfrecciare quando le masse si muovono.

Qualunque cosa tu pensi di GenAI, ci ha sicuramente portato un nuovo delizioso lessico!