최근 Apple Research Report는 격렬한 논의를 촉발 시켰으며, 이는 재무 조언 분야에서 생성 인공 지능 (AI)의 현재 상태와 한계를 탐구합니다. 점점 더 많은 미국 소비자, 특히 젊은이들이 Chatgpt와 같은 도구를 사용하여 재정적 조언을 구하기 시작했지만 AI는 복잡한 수학적 및 논리적 추론에 상당한 결함이있어서 정확한 금융을 제공합니다 . 이 기사는 보고서를 깊이 분석하고 금융 분야에서 생성 AI의 적용에 대한 미래의 전망을 탐구합니다.
최근 Apple이 발표 한 연구 보고서는 재정 조언에서 생성 인공 지능 (AI)의 효과에 대한 논의를 촉발시켰다. 설문 조사에 따르면 점점 더 많은 미국 소비자가 Chatgpt와 같은 생성 AI 도구를 사용하여 젊은이들 사이에서 특히 분명한 추세를 얻습니다. Motley Fool Survey에 따르면, 미국인의 54%가 Chatgpt를 통해 금융 상품에 대한 권장 사항을 찾았으며, 젊은 세대가 더 많이 고용되고 있습니다.
이미지 소스 참고 : 이미지는 AI에 의해 생성되며 이미지 공인 서비스 제공 업체 Midjourney
설문 조사 결과에 따르면 소비자의 절반이 추천을 얻기 위해 Chatgpt를 사용하려는 의지를 표명했지만 특정 금융 상품에 대한 관심의 비율은 상대적으로 낮습니다. 예를 들어, 응답자의 25%만이 Chatgpt가 신용 카드를 추천하기를 원합니다. 또한, ChatGpt에 대한 응답자의 권장 사항은 일반적으로 "다소 만족"했으며 평균 만족도는 5 점 척도에서 3.7이어서 약간의 인정을 보여주었습니다.
그러나 Apple의 연구는 논리적 추론, 특히 수학적 추론에서 현재 LLMS (Liage Language Models)의 중요한 결함을 지적합니다. 연구원들은 이러한 모델이 복잡한 수학적 문제에 직면 할 때 성능이 좋지 않으며 종종 간단한 수학적 계산을 올바르게 이해하거나 해결하지 못한다는 것을 발견했습니다. 문제의 복잡성이 증가함에 따라 모델의 성능은 더 감소하여 추론 프로세스에서 심오한 문제를 보여줍니다.
TechCrunch의 기사에는 수학 계산에 생성 AI 오류의 여러 예가 나열되어 기본 수학적 문제를 다루는 단점을 설명합니다. 보고서는 처리 할 때 AI 모델이 사용하는 "차단"기술이 종종 숫자 간의 관계를 파괴하여 계산 오류가 발생한다고 언급했습니다.
또한 기계 학습은 재정 조언을 다룰 때 어려움에 직면 해 있습니다. 일부 사람들은 기계 학습을 회귀 분석과 같은 통계 분석과 혼동하지만 기계 학습에는 실제로 의사 결정 프로세스, 오류 평가 기능 및 모델 최적화 프로세스가 필요합니다. 이를 통해 생성 AI가 재무 조언으로 사용자 요구를 효과적으로 충족시킬 수 있습니다.
애플의 연구에 따르면 은행과 신용 조합은 현재 단계에서 재정 조언을 위해 AI에 의존해서는 안된다. 미래에 약간의 개선이있을 수 있지만, 생성 AI는 예측 가능한 미래를위한 복잡한 금융 컨설팅과 경쟁하기가 여전히 어려울 것입니다.
핵심 사항 :
미국인의 54%가 Chatgpt를 통해 재정적 조언을 받았으며, 젊은 세대는 사용할 가능성이 더 높습니다.
Apple Research는 생성 AI가 수학적 추론에 상당한 결함, 특히 복잡한 문제를 잘못 처리하는 것으로 나타났습니다.
현재 은행과 신용 조합은 재정 조언을 제공하기 위해 AI에 의존해서는 안되며, 향후 개선하는 데 5 ~ 10 년이 걸릴 수 있습니다.
요약하면, 생성 AI는 재무 분야에서 특정 잠재력을 보여 주었지만 논리적 추론과 수학적 계산의 단점은 복잡한 금융 컨설팅에서 적용을 제한합니다. 앞으로 AI 기술은 이러한 한계를 극복하기 위해 이러한 한계를 극복해야합니다. 현재는주의해서 사용하는 것이 현명합니다.